数学 統計に詳しい人が語るコロナウイルス

東大数学科卒の元官僚はこう分析してるが、お前らはどうなると思う？

http://www.zakzak.co.jp/soc/news/200220/dom2002200003-n2.html

中国国外感染者の中国国内との比率をみると、
１月２０日の数字公表以降は、０・８〜２・６％で比較的安定している。
これは、新型肺炎の感染者のほとんどは中国国内、それも湖北省に集中しているからだ。
ちなみに中国国外での感染者数は、中国国内の１・１％だ（２月１６日現在）。
本コラムで紹介したが、現時点では、最終的な中国国内の感染者数は２０万人超と筆者は推計している。
となると、中国国外の感染者は数千人程度になるだろう。
中国国外のうち日本の比率は１割弱なので、日本の感染者数は数百人程度であろう。
その場合、死者も数人から１０人程度になるだろう。

こうした推計をすると、今の感染者は氷山の一角だと思われるが、今後の増加ペースはどうなるだろうか。
新型コロナウイルスの検査は簡単に行えるので、今後、日本での感染者数は増えていくだろう。
ある時点ではそれがネズミ算的に増えるかのように思える局面もあるだろうが、
筆者の推計が正しければ、現時点ではせいぜい数百人が一つのメドだ。

>>640
前にも書いたけどその話をしだすとココでは絶対答えが出ない水掛け論にしかならない。
結局症状が出てても検査を断られる４月頭時点での検査体制では、実際どれくらいのズレが発生したのかはハッキリとは言えない。
それは後年の調査である程度はわかるかもしれないけど。
何せ１日数万件もあった相談と検査拒否の実態を掴むのは容易ではない。
いずれにせよ、実際の感染のピークが
confirmed casesのピーク日
-conformed cases内の(確定日-推定罹患日)の平均
より後ろにズレるのは確実。
何故ならどの程度の検査拒否があったにせよ、この相談日-罹患日の値が小さいグループ(症状の軽いグループ)の方が検査拒否された割合が有意に高いので。
まぁ実際confirmed casesのピーク日-(xxx)
のxxxに入れるべき数値は2週間よりはずっと小さい。

職場で最初に発症した人が感染源と決めつけてはならないことを
数学的には確認。

あるクリニックで院長が新コロナを発症。
翌日２人の看護師が発症、その次の日に３人の看護師が発症。
各人が最初に感染していた確率を計算せよ。

こういう計算ができると、誰が移したとか責めたりせずにすむ。
（春節ウェルカムした安倍が悪い、で職員の心が一つになるｗ

計算に必要な数値は
#--- incubation period ---
# http://www.nejm.org/doi/full/10.1056/NEJMoa2001316
# Li et al NEJM 2020
# 潜伏期間は対数正規分布でパラメータは
ln_par1 = 1.434065
ln_par2 = 0.6612

RとStanでやってみた。
> data.frame(p=round(sapply(1:n,fi),2))
p
1 0.26
2 0.18
3 0.18
4 0.13
5 0.13
6 0.13
コードはここ
https://egg.5ch.net/test/read.cgi/hosp/1583407025/199

>>632
ウイルスを検出できる最低限度の濃度とかあるんじゃないかな
制約付きで何人分を混ぜるかを最大化する問題になると思う

>>641
しつこいな。どこからそんな式が出てくるんだよｗ
現状で分かってる事実から推測して全感染者数の
ピークが後ろにくる理由はないよ。むしろ前にくるほうが自然。

>>642
発症前から感染力があり、潜伏期間にも幅があるんだから、
その情報だけでだれが感染源かなんて断定できるわけない
のは当たり前だろ。それでも最初の発症者が一番怪しい
ってことに変わりはない。
常識で考えろ。

>>645
>>637の実験やってみた？

>>646
院長と３日めの発症した看護師とどれくらい確率が違うかは
常識では出せないだろ。

こういう計算には数値化が必要。

ある開業医が新型コロナ肺炎に罹患したとする。
行動調査によって発症前にキャバクラに行っており接客したキャバ嬢が開業医発症の２日後に発症していたことがわかった。
キャバ嬢は開業医から移されたと主張して１億円の賠償を求めている。
潜伏期間には幅がありキャバ嬢から移された可能性もあると主張してその確率を計算して賠償金を値切りたい。
いくら値切れるか計算せよ。

>>642

Mathematicaだと
cond = Distributed[{a, b, c, d, e, f},ProductDistribution[{LogNormalDistribution[1.434065, 0.6612], 6}]];
NProbability[a > Max[b - 1, c - 1, d - 2, e - 2, f - 2], cond]
NProbability[b - 1 > Max[a, c - 1, d - 2, e - 2, f - 2], cond]
NProbability[d - 2 > Max[a, b - 1, c - 1, e - 2, f - 2], cond]

>0.257392
>0.178947
>0.128264

>>649
レスありがとうございます。
有効数字２桁で同じ結果なので自分のコードの検証になりました。

中国湖北省武漢市（人口約１１００万人）が今月中旬から全市民を対象に実施していたＰＣＲ検査（遺伝子検査）がおおむね終了した。
地元紙「湖北日報」（電子版）によると、直近に検査を済ませた人や乳児を除く９００万人以上から検体を採取。
武漢では１日に１００万人以上の検査が可能で、２４日までに約６５０万人の検査が終わり、無症状感染者が２１８人見つかった。

事前分布に有病率は一様分布、感度は40-60%、特異度は90−100%のベータ分布を設定してStanでMCMCしてみた。
mean se_mean sd 2.5% 50% 97.5% n_eff Rhat
spc 0.999977 0.000000 0.000008 0.999965 0.999976 0.999994 12593 1.00001
sen 0.452612 0.002116 0.220226 0.073638 0.444200 0.871391 10834 1.00000
prev 0.000041 0.000001 0.000118 0.000001 0.000023 0.000183 8206 1.00004
p 0.000034 0.000000 0.000002 0.000030 0.000034 0.000039 36412 0.99998

spc:特異度、sen:感度 　prev:有病率 p:陽性率

900万人での陽性者数の予想

最頻値 306.15

95%信頼区間
lower upper
266.46 346.70

1100万人のうちの有病者数予想

> summary(ms$prev*11e6) ; MODE(ms$prev*11e6)[1] ; hdi(ms$prev*11e6)[1:2]
Min. 1st Qu. Median Mean 3rd Qu. Max.
0 108 251 449 483 137796
x
179.24
lower upper
0.020213 1360.523395

岩田健太郎 Kentaro Iwata
@georgebest1969
日本が第一波をかなりうまく乗り切ろうとしているのだけど、最大の功労者の一人は西浦博先生だよ。それは絶対に間違いない。
午後5:44 2020年5月20日

>>652
俺は志村けんとフィリピンパブ親父だと思う。

政府：「接触８割減を目指して下さい。」
マスコミ：「今朝の○○駅の映像をご覧下さい。人出８割減にはほど遠いですね．．．」
政府広報：
「接触８割減には、(1-x)^2=1-0.8　→　x=0.552786　だから　人出55%減でいいんだけど、
　馬○なマスコミが、勝手に目標を上げてくれてる。あえて指摘する必要ないよね．．．」

>>653
藤浪も仲間に入れてやって。
岡江久美子も５月１０日前後の感染急減には貢献したかも。

しかし、岩田健太郎に擁護されてもむしろ逆効果でお気の毒＞８割おじさん

>>648
賠償金ゼロまで値切れる。
俺じゃない可能性が十分あるのならそれでいい。
期待値で賠償金を計算されちゃかなわん。

>>656
期待値を求めよ、では食いつきが悪いと思って金の問題にアレンジして開業医スレに書いてみたんだが、
答られる開業医は０だったよ。　

>>655
石田と志村の順が逆だったら、自粛は捗らなかったのではと思うな。

潜伏期間が従うとされる対数正規分布（パラメータは、ln_par1 = 1.434065 ln_par2 = 0.6612)で乱数発生させて
その差が２以上になる割合を求めれば数値解は出せるけど、これって解析解は可能だのだろうか？

パラメータが同じ対数正規分布の差の分布は数式で表せるのだろうか？引き算したら０になってしまう気がする。

>>654
感染の起こりうる濃厚接触するときの人数って期待値はどれくらいで、どんな分布に従うんだろうね？

>>659(自己解決)


mu = 1.434065
sg = 0.6612
pdf1 <- function(x) dlnorm(x,mu,sg)
pdf2 <- function(y) dlnorm(y,mu,sg)
f <- function(x,y) pdf1(x+y)*pdf2(y)
vf=Vectorize(f,vectorize.args = 'y')
pdf <- function(x) integrate(function(y) vf(x,y),-Inf,Inf)$value
pdf=Vectorize(pdf)
curve(pdf(x),-30,30)

COVID19関連での分布とそのパラメータ

Distributional fits to key COVID-19 distributions.

https://i.imgur.com/SJ6QS3b.png

https://www.medrxiv.org/content/10.1101/2020.03.03.20028423v3.full.pdf

学校閉鎖の功罪

School closure and management practices during coronavirus outbreaks including COVID-19: a rapid systematic review

https://www.thelancet.com/pdfs/journals/lanchi/PIIS2352-4642(20)30095-X.pdf

>>654
西浦博教授が新しい試算を発表されたようです。
1影のたけし軍団 ★2020/06/03(水) 18:41:19.54ID:v4jJ+LDc9
　西浦博教授らは、海外から新型コロナウイルスの感染者が入国すると、
国内で再び大規模な流行が起きるとする試算をまとめた。
　1日当たり10人の場合、3カ月以内に再流行する確率は98.7%に達すると・・・・・・・
【コロナ】 西浦博教授、試算・・・海外から1日10人入国で再流行 [影のたけし軍団★]
https://asahi.5ch.net/test/read.cgi/newsplus/1591177279/

>>664
この試算コードは公表されている？

m3（医療関係者のサイト？）に割と詳しく載ってるらしい

>>666
みてきた。未知のパラメータが多すぎるのではという印象。


（3）どうやって計算したか
　90日間の入国者総数をN人とし、感染率（感染している者の割合）をp、停留やPCRの効果（すり抜ける感染者の相対的減少率）をeとします。
　そのとき、侵入者は
n = (1-e)pN
と計算されます。

上述の1人の感染者が侵入したときの「絶滅確率」をqとし、n人が独立して入国してきたとすると、
分岐過程に基づく大規模流行の確率Xは以下で与えられます。

X = 1 - q^n = 1 - q^((1-e)pN)

Rt のときと違ってあまりにも簡単な式でびっくりした。

みほちゃんというアカウントの物理学者がTwitterで批判してる 正しい気がするんだが、どうなん？

>>667
グラフにしてみた。

https://i.imgur.com/0btaWhN.png

https://webcache.googleusercontent.com/search?q=cache:QYTS2fG22goJ:https://www.m3.com/open/iryoIshin/article/780507/+&cd=18&hl=ja&ct=clnk&gl=jp
m3の中味

https://togetter.com/li/1536604
ツイートまとめ

ここ数日流れている、7割の人は誰にもうつさないの元論文。
https://www.researchsquare.com/article/rs-29548/v1
figure2Bが個人の再生産数の分布で、負の二項分布で近似可

>>672
abstract読んだだけではわからんかった。
どういうことか詳しくお願い。
ってか、そういうのも考慮にいれて実効再生産数の値が決まるんでは？

>>673
これ、まさに>>667あたりの議論に関係してくるんだよ。実効再生産数が1を超えていても、スーパースプレッダーが拡散していてその値なら、運が良ければ大規模拡散は無い。逆に全員が均等に1人以上にうつしてしていたら、確実に大規模拡散につながる。
拡散能力の個人差を決めるのが、論文で言うkだと思う。

>>674
拡散能力は何で決まるかわかっている？
個人の行動で決まるなら行動変容は必要だろう
マスクや咳エチケット、消毒、物理的距離や
換気など

>>675
だから、それらがいい加減でRt>1でも拡散しない確率があるという話。帰国者のように少数が散発的に爆撃して行く場合には、Rt値だけでは判断できないわけだ。

東京も、日々の感染者数が１人とか２人になってくるとこの辺りの話が効いてくるだろうね。

そうそう。西浦先生の　>>671 で面白いのは、帰国者が大規模感染を起こす云々より、むしろ再生産数が1を超えているのに感染が止まる確率があることなんだよね。

>>674
よくわかんないんだけど、感染者数が全体で数十人レベルなら隔離対策で
全部のスーパースプレッダーをたまたま捕縛できれば確かに終息できる
だろうけど、数百人レベルに拡がってそういうことができなくなれば、
一定数以上のスーパースプレッダーは常に残ることになって、結局感染
拡大は防げないのでは？（SS1人当たりの再生算数が４だと、3割がSSだと
して、実効再生産数は単純に0.3×4=1.2とかにならんの？）

>>677
実行再生算数は過去のデータを反映した値で
Rt>1でも患者を全員隔離できたら収束可能ではあるから
矛盾はしないと思う
それを実現できる可能性は低いだろうけど

>>678
そう。だから>>671の(4)の表で入国者数×感染率が数百単位の場合は大流行確率がほぼ100%になってる。あくまでも少人数しか感染していない場合の話。

>>679
隔離の話ではなく、感染力のバラツキに起因する感染消滅。サイトに載ってる考え方でシミュレーションを回して自然消滅確率q=0.9226は再現できたよ。

>>672
理論的根拠があって負の二項分布を選んだのかと思って読んでみたらRであてはまりのよい分布を探したみたい。

Calculation of serial interval and empirical offspring distribution

We calculated the median serial interval as the difference between the symptom onset dates of each infector-infectee pair, excluding asymptomatic cases, and fitted normal, lognormal, gamma and Weibull distributions using the R package “fitdistrplus" and maximum-likelihood methods, excluding eight non-positive data points for the latter three distributions.

We generated the empirical offspring distribution from the observed number of secondary cases per individual infector and similarly fit negative binomial, geometric and Poisson distributions as before.

>>681
関連論文をいくつか読んでみたのだが、個人ごとのRtに注目する研究では、その違いに負の二項分布が使われるようだ。
バラツキを表すdispersion parameter のk(西浦が0.1と置いてるのはこれ)を成功回数、1/(1+Rt/k)を成功確率とした負の二項分布をどの論文でも使っていて、これで分布の平均はRtになる。
本来整数であるべき成功回数を実数としているのだから、負の二項分布である意味はなく本当に当てはめただけなのだろう。

一人を感染させる時間=serial interval(SI)
Rt人感染させるまでに要する時間は
形状パラメータ=Rt
尺度パラメータ=SI
のガンマ分布gamma(Rt, SI)に従うはず、
λがこのガンマ分布に従う変数として平均λのポアソン分布pois(λ)を考えれば負の二項分布になるのだけど
これはRtの分布じゃなくてRt人感染させる時間の分布だよなぁ、と考えたりしたけど

理詰めじゃなくて、AICが最も小さくなる既知の分布を探したってことなのだろうな。

ソフトバンクグループは、社員や医療関係者らを対象に独自に行った新型コロナウイルスの抗体検査の結果を速報値として公表しました。4万4000人余りのうち、0.43％に当たる191人が陽性だったということです。

ソフトバンクグループは、先月中旬から今月8日までに、社員や取引先、それに医療機関の関係者ら4万4066人を対象に新型コロナウイルスに感染したことがあるかを調べる抗体検査を行い、結果を公表しました。

それによりますと、191人、0.43％が陽性だったということです。

このうち、医療機関の関係者は5850人のうち105人、1.79％が陽性、社員や取引先の関係者は3万8216人のうち86人、0.23％が陽性でした。

以下全文はソース先で

2020年6月9日 23時20分
https://www3.nhk.or.jp/news/html/20200609/k10012464781000.html


東大の7/1000の0.7%に近い感じだな。


一方、ロシアでは

ロシア・モスクワで保健当局が市民を対象に新型コロナウイルスの抗体検査を行ったところ、
およそ６人に１人にあたる１７．４％が陽性だったことがわかりました。

発表によりますと、モスクワの保健当局は１１日までの２週間で市民１６万５千人を対象に抗体検査を実施しました。
このうち、およそ６人に１人にあたる１７．４％の人に抗体があることが判明したということです。

先月４日から２１日まで行われた前回の抗体検査では１２．５％の人から抗体が見つかっていて、
前回から今回にかけて、陽性者がおよそ５ポイント増えた形です。

ロシアの感染者は１１日、５０万人を超えましたが、モスクワでは感染が抑制されてきているとして、
９日には外出制限が解除されています。
https://www.news24.jp/articles/2020/06/12/10660268.html

>>684
特異度がわかんないけど、少なくとも99.8%くらいはありそうだな。
したがって、医療関係者が2%足らず陽性ってのは本物っぽい。
だから、どうしたって感じだけどね。

>>685
まだ未感染の人の割合が多いから集団免疫ができていなくて感染爆発のリスクが比較的高い
予防対策が引き続き必要

中和抗体の存在が実証されるまでは集団免疫神話だと思っている。

>>686
感染者の多い東京に限っても抗体陽性率は0.6%以下だってことは一ヶ月前から
分かってた話なんだから、今回0.23%以下と出たからといって、本質的になんも
かわらんでしょ。しいていえば、致死率の下限が上がったってことくらいか。
感染者が0.23%以下だとすれば、現在の死者数はやく千人なので、致死率は0.4%以上
となる。

外来患者0.5％に抗体、山形大　付属病院の1009人を検査

山形大（山形市）は15日、医学部付属病院の外来患者1009人について新型コロナウイルスの抗体検査をした結果、0.5％に当たる5人が陽性だったと発表した。山形県内でPCR検査により感染確認されたのが69人なのに対し、統計学上は県民約107万人のうち、670〜1万人が感染した経験があると推計されるという。

　大学によると、1〜4日に外来で受診した人の血液を、検査キットより精度の高い機器と試薬で調べた。ただ検査数が千人余りに限られており、推計される陽性率は0.063〜0.937％にばらつくという。

>>689
この95％信頼区間は正規分布での近似で計算しているな。

> p=5/1009
> q=1-p
> n=1009
> p-qnorm(0.975)*sqrt(p*q/n)
[1] 0.0006226557
> p+qnorm(0.975)*sqrt(p*q/n)
[1] 0.009288147

各種の95％信頼区間

> binom.ci(5,1009)
method x n mean lower upper
1 agresti-coull 5 1009 0.004955401 0.0017596471 0.011906321
2 asymptotic 5 1009 0.004955401 0.0006226557 0.009288147
3 bayes 5 1009 0.005445545 0.0014689159 0.010037024
4 cloglog 5 1009 0.004955401 0.0019155107 0.011096185
5 exact 5 1009 0.004955401 0.0016109041 0.011526082
6 logit 5 1009 0.004955401 0.0020640649 0.011848825
7 probit 5 1009 0.004955401 0.0019822732 0.011396609
8 profile 5 1009 0.004955401 0.0017805162 0.010620264
9 lrt 5 1009 0.004955401 0.0017936701 0.010616984
10 prop.test 5 1009 0.004955401 0.0018257774 0.012233747
11 wilson 5 1009 0.004955401 0.0021184531 0.011547515

厚労省がやってた抗体検査も結果出た。

https://www.mhlw.go.jp/content/10906000/000640184.pdf

>>692
ロッシェとアボトットという業界では一流ブランドなのに一致率が低いのに驚き

TYO=matrix(c(2,4,2,1963),2,b=T)
> OSA=matrix(c(5,5,11,2949),2,b=T)
> MYA=matrix(c(1,6,2,3000),2,b=T)
> (dat=TYO+OSA+MYA)
[,1] [,2]
[1,] 8 15
[2,] 15 7912
> library('epiR')
> epi.kappa(dat)
$prop.agree
obs exp
1 0.9962264 0.9942306

$pindex
est se lower upper
1 -0.9942138 0.0008513625 -0.9958825 -0.9925452

$bindex
est se lower upper
1 0 0.0008518883 -0.00166967 0.00166967

$pabak
est lower upper
1 0.9924528 0.9892346 0.9949051

$kappa
est se lower upper
1 0.3459338 0.01121544 0.323952 0.3679157

$z
test.statistic p.value
1 30.84442 6.655295e-209

$mcnemar
test.statistic df p.value
1 0 1 1

ロシュとアボットのキットのカッパ値をMCMCして分布をだしてみた。

https://i.imgur.com/VosPLlv.png

>>694
これだけ一致率が低いデータで東京大阪宮城で陽性率に有意差があるを検定することに意味があるんだろうか？

>>692
多重比較になるけど、補正なしでも都市間の有意差はでないね。
むしろ、有名メーカーの検査キットの不一致の方が意外だった。

> positives=c(TYO=2,OSA=5,MYA=1)
> subjects =c(TYO=1971,OSA=2970,MYA=3009)
> pairwise.prop.test(positives,subjects,p.adjust.method = 'none')

Pairwise comparisons using Pairwise comparison of proportions

data: positives out of subjects

TYO OSA
OSA 0.82 -
MYA 0.71 0.21

P value adjustment method: none
Warning messages:
1: In prop.test(x[c(i, j)], n[c(i, j)], ...) :
Chi-squared approximation may be incorrect
2: In prop.test(x[c(i, j)], n[c(i, j)], ...) :
Chi-squared approximation may be incorrect
3: In prop.test(x[c(i, j)], n[c(i, j)], ...) :
Chi-squared approximation may be incorrect
> library(fmsb)
> pairwise.fisher.test(positives,subjects,p.adjust.method = 'none')

Pairwise comparisons using Pairwise comparison of proportions (Fisher)

data: positives out of subjects

TYO OSA
OSA 0.71 -
MYA 0.57 0.12

P value adjustment method: none

まあ、特異度99.5%でも偽陽性が15人ぐらいでるから、陽性者はほとんどそれなんだろうな。なので両方陽性の人のみを数えてるのは正しいと思う。
日本の抗体保有率が低すぎたと。

統計勉強しててこのスレ見つけたんですけどみなさんRつかってるんですね
pythonや他の言語ではないということは統計界隈はRが主流なのでしょうか？

>>697
偽陽性率 ＝ 1 - 特異度だから全部が偽陽性の可能性もあるなぁ。
その確率は計算できるのだろうか？

>>699
https://www.magojibi.jp/928/
https://www.magojibi.jp/920/
ここを信じる限り、特異度は99.6%と99.8%。3000人の検査で6〜12人偽陽性が出る感じで、あってるように思う。
両方同時に偽陽性になる検体が1つ以上出る確率は2.3%だから、2つ調べればほぼ確実ということだろうね。まあ、互いに独立した事象ならという仮定だが。

2キットが両方陽性のときのみ検査陽性とすると
特異度は
1-((1-0.996)×(1-0.998))
=0.999992
でいいのかな？

偽陽性率は100万分の8でいいのか。
すると全部偽陽性というわけでもなさそう。

>>702
あくまで、偽陽性の発生が2つの試験で独立の場合。

実際には、判定メカニズムに共通部分があるだろうから、完全に独立ではなくある程度相関はあるかも。相関が低いほど最終的な特異度は高くなる。
そういう意味では、カッパ値が低いことはむしろ利点となる。

レスありがとうございます。

有病率prevalenceが低いとカッパ値は低めにでるらしいので
これを補正した
　PABAK = ２✕(陽性合致数＋陰性合致数）／ 検査総数 − 1
は>693にある通り0.992と高いので
２キットは相関しているような気もする。

>>698
もともと統計畑ではRを使っていた人が多数派だったと思う
Pythonは統計では後発で、pandasはRのデータフレームによく似ている

>>705
統計のパッケージが一番揃っているよね。
最新理論のパッケージもまず、R版がリリースされるし。
例：Bayesian Network Meta-analysisとか。
こんなのあったらいいなぁと思って探すとみつかることが多い。

むかし、ヨンクヒール・タプストラ検定のスクリプト作ったけど、パッケージの方が高速でエラー処理も優れていたなぁ。
Rで??Jonckheereと入力するとそれらしいのがヒットする。

> (dat=TYO+OSA+MYA)
[,1] [,2]
[1,] 8 15
[2,] 15 7912
で検査総数は7950
全員が抗体不保持でキットは全部偽陽性と仮定。

２キットが陽性で検査陽性判定なら8/7950が偽陽性で
特異度 1 - 8 / 7,950 = 0.9989937
１キットでも陽性で検査陽性判定なら
特異度 7,912 / 7,950 = 0.9952201

抗体保有率＝０という帰無仮説で検定するにはどうすればいいんだろう？棄却できないと気がするんだが。
どちらのキットも陽性が23人で陽性率は
23 / 7,950 = 0.0028931
公称の偽陽性率(= 1 - 特異度)程度の陽性率にとどまっている。

６月末に全国初の治験開始へ『大阪発の新型コロナワクチン』大阪府と阪大などが進める
https://www.mbs.jp/news/kansainews/20200617/GE00033506.shtml

>新型コロナウイルスのワクチンの治験は全国で初めてで、安全性が確認できれば、
>今年１０月に数百人規模で治験を行った上で、年内に２０万人分のワクチンを製造し、
>２０２１年春か秋の実用化を目指すということです。

有病率が0.5%程度だから数百人規模の治験じゃ有意差出せないだろうな。

患者数が減って標本数が足りないって問題があるみたい

公表された抗体陽性割合

8/7950 # 厚労省
7/1000 # 東大
191/44066 # ソフトバンク

一番高い0.7％を採用して
>今年１０月に数百人規模で治験
を実薬500人、偽薬500人として
偽薬の500人中4人が陽性、ワクチン投与で500人中0人にできたとすると

> prop.test(c(4,0),c(500,500))

2-sample test for equality of proportions with continuity correction

data: c(4, 0) out of c(500, 500)
X-squared = 2.259, df = 1, p-value = 0.1328
alternative hypothesis: two.sided
95 percent confidence interval:
-0.001808434 0.017808434
sample estimates:
prop 1 prop 2
0.008 0.000

Warning message:
In prop.test(c(4, 0), c(500, 500)) :
Chi-squared approximation may be incorrect

> Fisher.test(c(4,0),c(500,500))

Fisher's Exact Test for Count Data

data: cbind(hit, shot - hit)
p-value = 0.1242
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.6617083 Inf
sample estimates:
odds ratio
Inf

> poisson.test(c(4,0),c(500,500))

Comparison of Poisson rates

data: c(4, 0) time base: c(500, 500)
count1 = 4, expected count1 = 2, p-value = 0.125
alternative hypothesis: true rate ratio is not equal to 1
95 percent confidence interval:
0.660124 Inf
sample estimates:
rate ratio
Inf


どれでも、有意差がでない。
どういうデザインで治験するんだろうなぁ？

ワクチンと治療薬だと治験の方法が違うかも
安全性と効果を確認するだろうけど
ワクチンの場合は
健康な人がワクチン接種で病気などにならない事と
ワクチン接種後にできた抗体でウイルスなどを中和出来ることを試験管なとで確認したら良さそう

治療薬は患者に投与して
副作用があまりない事の確認と治癒などの効果確認をするだろう

>>712
なるほど。
エンドポイントを感染予防でなくて抗体獲得という代理エンドポイントにするということね。
ありがとうございました。

岩手は、やはり抗体も検出されず

https://www3.nhk.or.jp/news/html/20200620/k10012477771000.html

こういう問題もあるようだな。

>>
ワクチンによって正常な抗体が作られる保証もない
中途半端な抗体ができるとADEとなり、コロナに感染した時に重篤化する
サイトカインストームみたいな状態になる
この場合、ワクチンの副作用として失敗作となる

今の段階はワクチンを接種しただけで、単体の副作用ないということが確認出来ただけ

>>697
東大の児玉龍彦氏がその計算法に異議を唱えているね。

https://youtu.be/y6W83Y85zJ
27分30秒辺りから

ワクチン神話を疑え！SARSで17年ワクチンができないわけ【新型コロナと闘う　児玉龍彦×金子勝】

で動画検索すると出てくる。

金子勝ってまだ生きてたのか

>>716
デング熱ワクチンのことを調べてみたらこんな記述にであった。
https://www.forth.go.jp/moreinfo/topics/20190605.html

予防接種
2015年12月に、流行地域の9−45歳に向けて、サノフィ・パスツールによる初めてのデング熱ワクチンDengvaxia(CYD-TDV)が、20ヶ国で承認登録されました。
2016年4月、WHOはデング熱が住民の血清抗体保有率が70％以上の高度に常在している地域でのワクチン使用の条件付き勧告を行いました。
2017年11月に、予防接種時の血清抗体保有状況を後ろ向き研究で明らかにするための追加分析の結果が発表されました。
この分析からは、最初の予防接種の時点で血清抗体陰性であることが推測される研究の参加者では、予防接種を受けていない人と比較して、より重症なデング熱と入院のリスクがより高くなるということが示されました。

抗体を効果で分類すると3つあって
役なし、善玉、悪玉
善玉が中和抗体で期待するもの
役なしは変化なし
悪玉は抗体がある方が症状が重くなる

>>720
役なしは感染既往の指標にはなるよ。
B型肝炎でいうとHBc抗体くらいの位置づけ。

>>717
金子勝ってだけで見る気がせんわ。アホすぎ。

>>720
仮にワクチンで抗体ができても、その３つのどれに該当するかを判定するのは
デング熱の場合よりはるかに難しそうだな。

>>723
とりわけ有病率が低い国で有意差出すのは至難の業だと思う。
>>722
俺も児玉氏のところしか聞いていない。

>>716
こっちの方が再生できるようだ。
://www.youtube.com/watch?v=y6W83Y85zJs&t=1634s

ワクチン神話を疑え！SARSで17年ワクチンができないわけ
【新型コロナと闘う　児玉龍彦×金子勝】

アラビア人のついた嘘だ

数学掲示板群 ttp://x0000.net/forum.aspx?id=1

学術の巨大掲示板群 - アルファ・ラボ ttp://x0000.net
数学 物理学 化学 生物学 天文学 地理地学
IT 電子 工学 言語学 国語 方言 など

PS 連続と離散を統一した！
ttp://x0000.net/topic.aspx?id=3709-0
微分幾何学入門
ttp://x0000.net/topic.aspx?id=3694-0

新規感染者が増えかかっているがどう見る？

>>727
西浦氏が再評価される。

https://egg.5ch.net/test/read.cgi/sisou/1593487605/133-135
すまん寝＠秩序回復・財務省廃止・反財政再建 @sumannne

【新型コロナウィルス】藤井さん、そのグラフ変じゃないですか？
https://himorjp.blog.fc2.com/blog-entry-179.html

こっちで改めて計算したところ、「自粛要請は滅茶苦茶効果あった」という結論になっちゃったんで、藤井さん、どうにかした方が良いと思うよ。多分専門家はもうツッコんですらくれないだろうし。

ちなみにデータソースは感染研に1か月遅れですがありましたので、怪しげなデータを使っているわけではありません。
むしろ藤井さんが使ってるデータソースが不明。

藤井さんの統計のいじり方で一番分からんのが、対数グラフを取るでもなく、普通に差分するでもなく、「対前日比」という謎の計算で「速度」「加速度」を名乗ることなんだよなぁ。

この程度のオーダーで対数グラフ取る意味が分からんし、実際藤井さんは対数取ってるわけじゃないので、そうであれば変化率も加速度も差分しないと正しく見えないと思うが。

対数グラフを取る、もしくは対前日比でモノを言うのは、日ごとに指数増大していることがほぼ明らかな状況でなら分かるが、少なくともデータ上はそうではないから適切な計算方法とはちょっと思えない。

藤井さんの記事の「加速度」、縦軸を見てもらえばわかるが上下が0.01の幅で動いてる。
計算は「対前日比」でやってるのでほとんど0ですよこれは。

数値計算で、厳密解が0のものが数値誤差でちょっと荒れてるのを拡大顕微鏡で見て騒いでるような感じがする。
(実際、指数増大しているわけでないものを「比」で取ったら本質的に比率1しか出ません。)
極めて不適切だと思う。

まぁ、今回はさすがに時系列データに相関分析かけたりはしなかったから、その点は成長してるんじゃないっすか。

「対前日比」がいかにおかしいかの例題。
2次多項式のオーダーで増大する場合でも、「対前日比」を取っちゃうと増減が全然分からない。
https://pbs.twimg.com/media/Eb7GF0JUMAEnVH-.png
https://pbs.twimg.com/media/Eb7GHp4U4AEvAyt.png

西浦モデルはもう使われないんじゃないの？

とりあえず夜の飲食業は営業停止で。

>>729
藤井聡太が迷惑しそうな名前のオヤジだなｗ

もう藤井恥に改名したほうがよろしい。

https://forbesjapan.com/articles/detail/32245
上の記事、新型インフルエンザで申し訳ないが、感染研が2011年に電車に1人乗ってただけでも感染爆発するというシミュレーション出してる。

コロナの飛沫感染に関しては、マスクをしてるだけで感染力は
大幅に下がるんでねぇの？

インフルエンザとの違いはそこだね。

したがって、電車に乗る人はマスク着用を義務付けるべきなんだよな。

>>733
今は削除されているのでWebarchiveにある。

曰く

首都圏の鉄道に新型インフルエンザを発症した人が1人乗ったと仮定して、まったく対策を取らなかった場合、重症軽症を含めた感染者数は1週間で12万人に拡大するというシミュレーションがあります。

https://web.archive.org/web/20090915203236/https://www.terumo-taion.jp/fever/pandemic/06.html

コロナが始まって日本人はマスクを買い増したが、アメリカ人が買い増したのはライフル銃の弾。

マスクに関してはこれが面白かった。


A modelling framework to assess the likely effectiveness of facemasks in combination with ‘lock-down’ in managing the COVID-19 pandemic

https://royalsocietypublishing.org/doi/10.1098/rspa.2020.0376

Identifying airborne transmission as the dominant route for the spread of COVID-19

https://www.pnas.org/content/early/2020/06/10/2009637117
https://www.pnas.org/content/pnas/early/2020/06/10/2009637117/F3.medium.gif


飛沫の可視化
https://youtu.be/UNHgQq0BGLI

>>729
ここのK値というのも、意味が理解できなかった。
https://asahi.5ch.net/test/read.cgi/newsplus/1593743783/

「（感染増の）波のとらえ方に、K値を採用しようと思っています。中野先生のおっしゃるK値モデルは、
感染の収束速度を計算して感染者数を想定するうえでは、かなり正確だと思う」

K値について詳しい説明はこちらで確認
https://www.dailyshincho.jp/article/2020/07020603/?all=1
https://www.dailyshincho.jp/article/2020/07020603/?all=1&;page=2

>>738
K値ってのは簡単に言うと、適当に数値の比をとったもの。疫学的な意味はない。

>>739
直線でに線形回帰みたいなもの？