戦略カクテル

※1. v1_det = min(v1, v1 – 1回目ワクチン接種後経過週数 * v_det_rate / v_det_term)
※2. v2_det = min(v2, v2 - 2回目ワクチン接種後経過週数 * v_det_rate / v_det_term)
※3. v3_det = min(v3, v3 - 3回目ワクチン接種後経過週数 * v_det_rate / v_det_term)

データ：関西大学村田教授の人工合成データ
感染伝搬モデル：
マルチエージェントベースのワクチン効果考慮後のSEIRSモデルを採用
Iの状態を軽症と重症、さらに重症から死亡への推移を考慮
各々のレイヤーをそれぞれ半分に間引いたケースで計算を実施
ワクチン： 接種によりS/V/V1のノードのEへの遷移確率を▲X%低下。ワクチン効果は段階的に減衰

感染予防効果の高いケース(ブースター4か月後)を除き、ブースターが遅れるに連れ1月以降徐々に新規感染者数が再度増加する見込み。それでも強めのワクチンパスポートルールを適用すれば、感染者は比較的緩やかに抑えられる

[[計算前提]]
・10,000世帯(約1万エージェント)、乱数シード1、
・[W-m0関係]家族:全結合、職場: W=3, m0=1, 学校: W=4, m0=2、ご近所: W=4, m0=2、旅行イベント: ランダムに2人と

感染予防効果中位のケースでも比較的緩やかなワクチンパスポート政策で重症患者数は抑制できる見込み。
ブースターが遅れ(感染予防下位)、ワクチン効果の減衰が早いケースでは重症患者数を抑制できないリスク有。

[[計算前提]]
・10,000世帯(約1万エージェント)、乱数シード1、
・[W-m0関係]家族:全結合、職場: W=3, m0=1, 学校: W=4, m0=2、ご近所: W=4, m0=2、旅行イベント: ランダムに2人と

重症患者数の項と同様の結果が観測される

[[計算前提]]
・10,000世帯(約1万エージェント)、乱数シード1、
・[W-m0関係]家族:全結合、職場: W=3, m0=1, 学校: W=4, m0=2、ご近所: W=4, m0=2、旅行イベント: ランダムに2人と

気象データとクラスデータを紙芝居KeyGraphにより結合し、クラスタ因子としての気象（による行動変容）を評価。
グラフ凡例
「地名（場所）_天候情報」
・場所　※下記等の略称
　- 企：企業
- 体：体育館
・気象情報※下記等の略称
- R-(R+)：過去10日間と比べ 雨量減少(増加)
- T-(T+)：過去10日間と比べ温度減少(増加)
- S-(S+): 過去10日間と比べ降雪量が減少(増加)
- W-(W+): 過去１０日間と比べ風速が減少(増加)

※利用データ：気象庁オープンデータ,
およびクラスターデータ（内閣官房調べ）
利用ツール：紙芝居KeyGraph (大澤他)

※利用データ：気象庁オープンデータ,
およびクラスターデータ（内閣官房調べ）
利用ツール：紙芝居KeyGraph (大澤他)

※利用データ：気象庁オープンデータ,
およびクラスターデータ（内閣官房調べ）
利用ツール：紙芝居KeyGraph (大澤他)

※利用データ：気象庁オープンデータ,
およびクラスターデータ（内閣官房調べ）
利用ツール：紙芝居KeyGraph (大澤他)

※利用データ：気象庁オープンデータ,
およびクラスターデータ（内閣官房調べ）
利用ツール：紙芝居KeyGraph (大澤他)

①新規感染者数については、感染予防効果の高いケース(ブースター4か月後)を除き、ブースターが遅れるに連れ1月以降徐々に新規感染者数が再度増加する見込み。それでも強めのワクチンパスポートルールを適用すれば、感染者は比較的緩やかに抑えられる。

②重症患者数については、感染予防効果中位のケースでも比較的緩やかなワクチンパスポート政策で重症患者数は抑制できる見込み。ブースターが遅れ(感染予防下位)、ワクチン効果の減衰が早いケースでは重症患者数を抑制できないリスク有り。

③ 雨季の終わりに要注意