System Development for Predicting the Number of Infected Persons and Serious Injuries Considering Human Flow and Seasonality #3

These will be replaced by English slides as soon as they are available.

Date: 2021.09.07
Researcher: Akimasa Hirata
Organization: Center of Biomedical Physics and Information Technology

人流に対する実効再生産数(1)

*実効再生産数は、東洋経済オンラインより
*人流は、当該の日からみて６－１３日前の平均値

人流に対する実効再生産数(2)

予測モデルの構築

１．変異株の影響を考慮して、日本の状況から新規感染者数を予測（ワクチン接種率の定義なし）
２．ワクチンの影響をより詳細に考慮するため、他国のデータを学習し、補正

Model (1)：ワクチンの影響は明示的に定義しない
・ネットワークの構築は以前のものと同様: https://www.mdpi.com/1660-4601/18/15/7799
・入力値は、気象情報(最低/最高気温・平均湿度)、人流データ、平日/休日、緊急事態宣言の有無、現在までの新規感染者数に加えて、新たに変異株のラベル(0: standard, 1: alpha, 2: delta)を追加
・学習データは2020年8月1日～2021年8月29日（2020年1月～7月の感染者数が少ない初期を除外）
・気象情報、人流データの将来値は、昨年と同様と仮定
・学習データの対象都市は、東京・大阪・愛知
・2か月先まで予測（2021年10月31日まで）

予測モデルの構築

https://doi.org/10.1038/d41586-021-02261-8

Model (2)
純粋なワクチンの影響のみを考慮できるよう、予測モデルを分離
ネットワークの入力値は、新規感染者数とワクチンの有効率
学習データの対象都市は、テルアビブ、ロンドン、NY、ブリュッセル検証のために、その組み合わせを実施。
テストデータは、東京、大阪、愛知

2020年と2021年における人流の変化の比較（東京）7月・8月において、同等の傾向

今回の資料：9月の予測には、昨年の人流データを利用

8月31日報告のデータ（海外1都市のみ）

東京：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。　ワクチンの影響を新規ネットワークで考慮

UPDATE(海外４都市のデータを学習)

東京：気象条件、人流を昨年度と同程度とした場合の新規感染者数（一週間平均）の予測。　ワクチンの影響を新規ネットワークで考慮

ワクチン効果による影響は？

Model-1: 日本のデータで学習
ワクチン接種が開始時期からのみのデータを使用して、潜在的にワクチンの影響を学習 (4/1(日本でのワクチン接種開始時期）～8/31)
Model-2: 海外の事例を取り入れて、ワクチン効果を考慮
(テルアビブ, ニューヨーク, ブリュッセル，ロンドン：ワクチン接種完了率50％以上).