[PYTHON] Si les habitants de Tokyo tombent gravement malades du nouveau virus corona, ils peuvent être emmenés dans un hôpital de la préfecture de Kagoshima.

table des matières

[Introduction](# Introduction) [État actuel du risque d'effondrement médical](# État actuel du risque d'effondrement médical) [Assurer ou non un lit pour accueillir les personnes gravement malades](# Sur l'opportunité de sécuriser ou non un lit pour accueillir les personnes gravement malades) [Modèle de transport pour personnes gravement malades](Modèle de transport pour personnes gravement malades) [À propos de la destination des gravement malades](# À propos de la destination des gravement malades) Conclusion

introduction

-** Contexte ** Les établissements médicaux désignés pour les maladies infectieuses sont restreints et il est extrêmement difficile de trouver suffisamment de lits pour accueillir les personnes gravement malades. Dans divers endroits, des mesures ont été prises pour récupérer les personnes légèrement malades dans les hôtels et les maisons afin de trouver des lits pour les personnes gravement malades.

Sens de la crise de l'écrivain (évaluation en 5 notes): ☆☆☆☆☆ (Valeur initiale: tout le monde Corona Corona est bruyant)

État actuel du risque d'effondrement médical

Nous allons visualiser la relation entre le nombre de lits et le nombre de personnes infectées dans les établissements médicaux désignés pour les maladies infectieuses par préfecture, et considérer le risque actuel d'effondrement médical. Pour le nombre de lits par préfecture et le nombre de personnes infectées par préfecture, nous n'avons utilisé que New Corona Virus Patients Open Data Obtenu à partir du New Corona Antivirus Dashboard à partir de 20h00 le 23 avril 2020.

image1.png

Il s'agit d'une carte thermique (figure de gauche) du taux d'utilisation des lits par préfecture et du Top 10 (tableau central) / Pire 10 (tableau de droite) du taux d'utilisation des lits lorsque toutes les personnes infectées utilisent des institutions médicales désignées pour les maladies infectieuses.

――Il existe de nombreuses préfectures avec 100% ou plus, et ** il n'y a pas d'autre choix que de prendre des mesures pour récupérer les personnes légèrement malades dans les hôtels, les maisons, etc. ** ――Toyama et Okinawa, qui ont peu de lits, sont également dans le Top 10, et ** le risque d'effondrement médical n'est pas qu'un problème de population **

Sens de la crise de l'écrivain: ★ ☆☆☆☆ (je n'ai pas l'impression que ça va arriver pour le moment)

Trouver ou non un lit pour accueillir les personnes gravement malades

De l'état actuel du risque d'effondrement médical, il s'est avéré être une atmosphère dangereuse. Ensuite, la question est, même si toutes les personnes légèrement malades sont traitées dans un hôtel ou à domicile, est-il possible de trouver suffisamment de lits pour accepter en premier lieu les personnes gravement malades?

Selon un rapport de l'équipe d'épidémiologie d'intervention d'urgence de la pneumonie à nouveau coronavirus (2020) Sur les 4672 personnes), environ 81% étaient légèrement malades et environ 19% étaient gravement malades, y compris sévères.

Sur la base de ce rapport, nous simulerons l'état de sécurisation des lits. En supposant que 19% de toutes les personnes infectées sont gravement malades, nous calculerons le taux d'utilisation des lits pour chaque préfecture. Nous considérerons le taux d'utilisation des lits de chaque préfecture lorsque le nombre aléatoire est changé et répété 1000 fois.

image.png

La carte thermique du taux d'utilisation moyen des lits par préfecture (figure de gauche) et les 10 premiers (tableau central) et les 10 pires (tableau de droite) du taux d'utilisation moyen des lits des résultats de la simulation.

――Le taux moyen d'utilisation des lits est de 100% ou plus dans 9 préfectures, et ** même les personnes gravement malades peuvent ne pas être admises dans l'institution médicale désignée pour les maladies infectieuses de leur région **

Le sentiment de crise de l'auteur: ★★★ ☆☆ (Le taux d'utilisation moyen des lits dépasse les 100% à Tokyo, n'est-ce pas ...)

Modèle de transport de personnes gravement malades

D'après les résultats de la simulation, il s'est avéré que l'atmosphère était comme ça. Ensuite, je suis curieux de savoir ** que dois-je faire si je suis une personne gravement malade qui n'a pas pu être admise dans un établissement médical désigné pour une maladie infectieuse dans ma région **? Cette fois, bien que ce soit une mesure minutieuse, nous envisagerons de le transporter dans une autre préfecture. Il peut y avoir de nombreux avantages et inconvénients, mais [Problème de camion](https://ja.wikipedia.org/wiki/%E3%83%88%E3%83%AD%E3%83%83%E3% 82% B3% E5% 95% 8F% E9% A1% 8C) Je n'avais pas d'autre choix que de le faire.

Puisqu'il est souhaitable que la distance soit la plus courte possible afin d'éviter le risque d'infection dû au transport et à une aggravation supplémentaire, nous considérerons un modèle mathématique qui minimise la distance totale de transport des personnes gravement malades.

Cliquez ici si vous êtes intéressé par les détails du modèle mathématique
スクリーンショット 2020-04-23 21.45.23.png
  • L'ensemble des personnes gravement malades est $ I $, et l'ensemble des établissements médicaux désignés pour les maladies infectieuses est $ J $. --Transportez $ j (\ in J) $, un établissement médical désigné pour les maladies infectieuses, à $ i (\ in I) $ pour les personnes gravement malades. --La distance lorsqu'une personne gravement malade $ i $ se déplace vers un établissement médical désigné pour une maladie infectieuse $ j $ est $ d_ {ij} $. --Si $ i $ est affecté à un établissement médical désigné pour les maladies infectieuses, $ x_ {ij} = 1 $, sinon $ x_ {ij} = 0 $.
  • Trouvez $ x_ {ij} $ qui minimise la distance totale de transport.
  • La limite supérieure du nombre de lits $ C_j $ de l'établissement médical désigné pour les maladies infectieuses $ j $ ne doit pas être dépassée. --Toutes les personnes gravement malades seront transportées dans l'un des établissements médicaux désignés pour les maladies infectieuses $ j $.

À titre d'expérimentation numérique, nous optimiserons la destination de 19% du total des personnes infectées gravement malades. Cependant, en raison du manque de données sur les informations de localisation, il n'y a qu'une seule information de localisation pour les personnes gravement malades dans chaque préfecture, l'emplacement du bureau préfectoral de résidence et l'institution médicale désignée pour les maladies infectieuses. //qiita.com/r-fuji/items/99ca549b963cedc106ab) sera dérivé.

image.png

Carte thermique du taux d'utilisation moyen des lits par préfecture avant et après optimisation (carte centrale gauche / gauche), statistiques récapitulatives de la distance de transport (tableau central droit), répartition (figure droite).

Sens de la crise de l'écrivain: ★★★★ ☆ (N'est-il pas mauvais que le Japon soit rouge vif?!)

À propos de la destination des personnes gravement malades

D'après les résultats de la simulation, il a été constaté que l'atmosphère semble réaliste. La prochaine chose dont il faut s'inquiéter est ** comment la personne gravement malade s'est-elle déplacée **? Visualisez le diagramme du réseau de transition des personnes gravement malades.

image.png

Sens de la crise de l'écrivain: ★★★★★ (j'en ai marre de parcourir 962 km même quand je vais bien)

en conclusion

«Merci beaucoup d'avoir lu jusqu'ici. Je pense qu'il y a de nombreux points sur lesquels j'ai discuté, mais je vous serais reconnaissant de bien vouloir commenter si vous avez des impressions ou des conseils. ――Dans le [COVID-19 Challenge (Phase 2)] de SIGNATE (https://signate.jp/competitions/261) à des fins d'analyse de données contribuant à la prise de décision de la stratégie de distance sociale (au moins ce sera le sujet de discussion) Nous menons également une analyse similaire intitulée "Visualisation de l'étanchéité des établissements médicaux désignés pour les maladies infectieuses et proposition d'un modèle de plan de transport pour les personnes gravement malades" Si vous êtes intéressé, veuillez lire, aimer et commenter.

Recommended Posts

Si les habitants de Tokyo tombent gravement malades du nouveau virus corona, ils peuvent être emmenés dans un hôpital de la préfecture de Kagoshima.
Créez un bot qui publie sur Slack le nombre de personnes positives pour le nouveau virus corona à Tokyo
J'ai essayé de résumer les nouvelles personnes infectées par le virus corona dans la ville d'Ichikawa, préfecture de Chiba
J'ai dessiné un graphique Python en utilisant des données publiques sur le nombre de nouveaux patients positifs au coronavirus (COVID-19) à Tokyo + avec un lien vers la version nationale des données de pratique
Familiarisez-vous avec (voulez être) autour du pipeline de spaCy
J'ai essayé de prédire le comportement du nouveau virus corona avec le modèle SEIR.
J'ai essayé de prédire le nombre de personnes infectées par le virus corona au Japon par la méthode du dernier article en Chine
J'ai essayé de prédire le nombre de personnes infectées par le virus corona en tenant compte de l'effet de s'abstenir de sortir
Pour générer une valeur au milieu d'une cellule avec Jupyter Notebook
Créez un BOT qui affiche le nombre de personnes infectées dans le nouveau Corona
Comment obtenir une liste de fichiers dans le même répertoire avec python
J'ai essayé d'envoyer automatiquement la littérature du nouveau virus corona à LINE avec Python
Utilisez tkinter pour déplacer le code de sortie en tant que "A et prétendant être B" en python
Vérifiez l'effet du congé comme contre-mesure contre le nouveau virus corona avec le modèle SEIR
La théorie selon laquelle la clé du contrôle de l'infection du nouveau coronavirus est l'hyperdispersion de la sensibilité.
J'ai essayé de visualiser les caractéristiques des nouvelles informations sur les personnes infectées par le virus corona avec wordcloud
Établissons un classement du nombre de reproductions efficaces du nouveau virus corona par préfecture
Comment vérifier en Python si l'un des éléments d'une liste est dans une autre liste
Publié le nombre de nouveaux positifs corona à Tokyo sur Slack (déployés sur Heroku)