Get best of the week

Fighting Covid-2019: a grande virada chega

Parte 1. Quantas pessoas matam o coronavírus?


Desde a redação do meu primeiro artigo sobre a previsão da epidemia de coronavírus, pouco mais de uma semana se passou, mas muita coisa mudou.

Antes de tudo, houve um ponto de virada na dinâmica da epidemia global: a curva de novas mortes atingiu seu pico. Isso significa que o primeiro período da epidemia global acabou, quando todos os dias o número de novas mortes crescia quase exponencialmente.

Há uma semana, eu diria com prazer que agora a epidemia também diminuirá rapidamente. Mas os novos dados acumulados na semana passada dissiparam esse otimismo. De fato, em alguns países (como China e, possivelmente, Alemanha), o desenvolvimento da epidemia é descrito por uma curva logística. Mas outros países me decepcionaram.

Nova previsão do número de vítimas da epidemia e belas fotos sob o corte.

Minuto de Cuidados com OVNI


A pandemia de COVID-19, uma infecção respiratória aguda potencialmente grave causada pelo coronavírus SARS-CoV-2 (2019-nCoV), foi anunciada oficialmente no mundo. Há muitas informações sobre Habré sobre esse tópico - lembre-se sempre de que pode ser confiável / útil e vice-versa.

Pedimos que você seja crítico com qualquer informação publicada.


Fontes oficiais

, .

Lave as mãos, cuide de seus entes queridos, fique em casa sempre que possível e trabalhe remotamente.

Leia publicações sobre: coronavírus | trabalho remoto

Acontece que a negligência da população, que não tem pressa em implementar medidas de quarentena estabelecidas pelo governo, bem como a indecisão dos governos de alguns países em adotá-las, levam à distorção da curva logística.

A princípio, de fato, a epidemia está ganhando força e todos os dias o número de mortes aumenta. Então atinge o máximo. E depois disso ... fica no máximo. Foi assim que aconteceu no Irã e na Itália.





Se estivéssemos lidando com uma curva logística, imediatamente após o máximo haveria um declínio. Além disso, se considerarmos a primeira derivada da curva logística (curva de mortalidade diária), ela será simétrica em relação ao ponto de sua inflexão. Isso significa que a nitidez do lado esquerdo do pico da curva seria igual à nitidez da curva no ponto inicial da subida, conforme mostrado na figura abaixo.

Infelizmente, em muitos países, não é assim. O topo da curva é plano e é completamente diferente do início acentuado da curva. Dependendo de quanto tempo a população fica em quarentena, o comprimento da parte plana da curva de mortalidade diária aumenta.

Se você observar a curva da mortalidade total, ela não será mais uma logística. Era como se uma curva logística fosse cortada ao meio e uma linha reta inclinada em relação ao horizonte fosse inserida entre suas metades. Nesta área, o número diário de mortes aumenta aproximadamente na mesma quantidade. Olhe novamente para o caso do Irã e da Itália.





E aqui está a curva de mortalidade diária em todo o mundo. Ela só foi ao seu máximo. Infelizmente, não é fácil prever quanto tempo a curva permanecerá na região de seu máximo antes que o declínio no número de mortes comece. No entanto, com base em considerações gerais, é preciso pensar que, devido ao grande número de países com medidas de quarentena com perfil de população, o topo do cronograma global de pandemia também se mostrará achatado.





No último artigo, mencionamos a escolha que temos diante de nós: desenvolver um procedimento que não apenas forneça a previsão mais provável do número de mortes, mas também preveja o erro. Ou seja, precisamos ter uma previsão otimista para os mortos (de modo que o número final de mortos seja maior que essa previsão), bem como uma previsão pessimista (que excederia o número final de mortos).

Na semana passada, enfrentamos mais uma tarefa: descrever a dinâmica da mortalidade levando em consideração o efeito flat top, quando não é mais possível usar a curva logística clássica para previsão.

O autor conseguiu resolver com êxito ambos os problemas e desenvolver uma técnica de previsão que permitisse calcular o erro de previsão e também levar em conta o efeito máximo.

Infelizmente, atualmente o autor não tem tempo suficiente para descrever completamente o modelo de previsão construído. Portanto, na primeira parte, apresentaremos a previsão prometida para o mundo como um todo e para alguns países separadamente. Nas próximas partes deste artigo, descreverei como essas previsões foram recebidas e como os leitores podem repetir a previsão no Python.

Aqui está a previsão prometida. Pretendo atualizá-lo pelo menos uma vez por semana, usando novos dados. Mas vou manter as previsões anteriores para ilustrar a dinâmica da modelagem.



A propósito, eles me perguntaram por que não usei o Excel para fazer previsões? Eu respondo: O Excel possui mecanismos internos que permitem encontrar parâmetros que correspondem ao mínimo de uma função arbitrária. Embora 99% dos usuários, esses mecanismos não sejam conhecidos e seu uso não seja inteiramente trivial. Este é o nível alcançado no artigo anterior.

Porém, nas partes seguintes deste artigo, conduziremos a modelagem de simulação, quando para cada um dos países executaremos um procedimento semelhante milhares de vezes, alterando de certa forma o conjunto de dados estatísticos recebidos. T.N. simulação de autoinicialização.

O autor não tem idéia de como fazer essa simulação no Excel sem usar o VisualBasic. Ao mesmo tempo, em Python, a transição da busca de um mínimo de uma função em um único caso para a busca em vários milhares de casos é realizada escrevendo várias linhas de código. Vou mostrar esse truque na terceira parte deste artigo.

Em breve, haverá um link para a parte 2 deste artigo.

More articles:


All Articles