「これまで目標としてきた流行の制御はできたわけですが、課題もたくさん残されていますし、コミュニケーション上、誤解を解かなければならない部分もあります。何より、今後のことで心配なこともいくつかありますから」 前編「厚労省のビルから北大の研究室に戻るにあたり伝えたいこと」に続き、西浦が、今「コロナ禍」の体験を共有するすべての人たちに伝えたいことをまとめる。 ●兵隊ではなく司令官が言わないと「反省点であり、誤解を解いておきたいことがあります。それは、引き締めと励ましにかかわるコミュニケーションの問題です」 西浦はそんなふうに言う。真意はいかなるものだろうか。 「厚労省のビルの中にいてすごく困ることは、やはり自由に話せないことです。クラスター対策班が独自にコミュニケーションできる機会を得たのは、4月15日以降、直接に記者会見ができるようになってからでした。その第一回で、僕は、記者さんの前で、何もし
「緊急事態宣言がほどなく終わることがほぼ確実かと思いますので(インタビュー実施は5月19日)、それを踏まえておそらく専門家のやってきたことに関してある程度検証が進むと思います。東京に出てきていた研究員たちも輪番制にして北海道に帰し、僕自身もパートタイムになります。そこで、この3、4ヵ月のうちに経験したことや、反省点、今抱いている問題意識について共有できればと思っています」 北海道大学・西浦博教授は、Zoomのウィンドウの中からそのように語り始めた。「8割おじさん」として知られるようになった日本の理論疫学のエースは、この4ヵ月、厚生労働省(以下、厚労省)が入居する中央合同庁舎5号館に「登庁」する日々を送ってきた。データ分析を一手に担い、対策の科学的根拠を提供してきたのが西浦らのチームである。Twitterでの発信や、マスコミとの「意見交換会」などを通じて、肉声を届ける回路を保ってはいたものの
5月26 日本はなぜ新型コロナウイルス感染症の流行を抑え込むことができたのか カテゴリ:COVID-19 筆者なりの考えはあったのだが、流行の最中に専門外の人間が発言することは抑えていたところ、専門家である関西大学の高鳥毛敏雄教授が、その核心を説明してくれた。同感の至りであり、非常に示唆に富む記事なので、ぜひご一読いただきたい。 「新型コロナ、日本独自戦略の背景に結核との闘い」(47NEWS) 高鳥毛教授の説明の後には蛇足のようになってしまうが、流行を抑え込めた理由の筆者なりの考えは、①日本の基本再生産数(何もしなかったら感染が拡大する速度の指標)は1を超えるものの感染爆発を起こした国に比較して低かったこと、②積極的疫学調査(contact tracing)が実効再生産数を1以下にすることに成功した、の2つである。前者は、文化的・社会的・生物学的要因なのか、特定は難しい。色々なことが複合し
今日から、緊急事態宣言が解除された。現実的には、段階的な解除ということになるが、町にランドセルの子供も見かける。満員電車には乗らなかったが、そういう風景もあったのではないか。 感慨深いといえば感慨深いのだが、私の場合、この間、自粛で我慢したよなあというより、まあ、自分の予感通りにほぼなったなということだ。3月9日に『新型コロナウイルス感染症 (COVID-19)についての、たぶん奇妙な予想』(参照)という記事を書いた。 当てずっぽうで思ったそののんきな予想は、日本のこの感染がある時期に急速にかつ他国に類もない収束を迎えるかもしれない、ということだ。他国と比較してという意味である。 ……むしろ、結果的に奇妙な国家という特性を示す事例になってしまうのではないか、と。 ほら、私の予想通り、と思うわけではない。なぜなら、これは、ただの直感に過ぎず、なんの根拠も示してなかった。しいて言えば、日本の全
――新型コロナウイルスの流行状況を理解するために、現在、多くの国民が報道などを通じて実効再生産数について学んでいますね。 2009年に新型インフルエンザの流行があったとき、初めて日本の全国紙の一面記事に再生産数という言葉が登場した。それから10年ちょっと経って、今回の新型コロナでここまで広く詳しく論じられるようになったのは、画期的なことだと思っている。 重大な責任負う実効再生産数という指標 ――改めて話せば、基本再生産数は、すべての人が免疫を持たず感受性を持つときの、1人の感染者が生み出す2次(新規)感染者の平均値。いわば、病原体の素の感染力を示すものです。これに対して実効再生産数は、実際に1人の感染者が生み出している2次感染者の平均値で、さまざまな現実の対策の影響を受けているものと位置づけられます(詳細は4月22日付「科学が示す『コロナ長期化』という確実な将来」を参照)。 現在、実効再生
国立感染症研究所 感染症疫学センター (2020年5月24日掲載) 感染研のホームページに公開中のインフルエンザ関連死亡迅速把握システムについて、お寄せいただいた質問に回答します。 Q.超過死亡とは何ですか? A. 毎年冬になると季節性インフルエンザの流行により、主に高齢者で死亡者数が増えます。しかし全員がインフルエンザの検査を受けているわけではなく、また死亡診断書にはインフルエンザの結果として発生した他の病気(例えば肺炎)が死因として記録されることがあるため、インフルエンザの流行によって生じたで死亡者数を正確に数えることはできません。そこでインフルエンザが流行していなかったと想定したときの死亡者数(総死亡者数や肺炎死亡者数)と範囲を統計学的な手法を使って推定し、実際の死亡者数と比較することでそのシーズンのインフルエンザによる死亡者数を推定したものが「超過死亡」です。推定方法にはさまざまな
This is an online version of a printed textbook. It is not intended to be an online course. Refer to the book or to the electronic PDF version (511 pages) for printable versions of text, figures, and tables. Recently, a news story described an inner-city neighborhood’s concern about the rise in the number of children with asthma. Another story reported the revised recommendations for who should re
もし、緊急事態宣言がなかったらどうなっていたか? 最初に明確なことがある。私にはわからないし、私には強い主張はないということだ。しかし、ある程度確かな典拠から推測できることはあるので、ブログにいち市民の歴史証言として記しておきたい。 その「ある程度確かな典拠」となるのは、政府の新型コロナウイルス感染症対策専門家会議が 5月14日に発表した「新型コロナウイルス感染症対策の状況分析・提言」(参照PDF)での以下のグラフ「全国の実効再生産数 P4 発症日データを用いた推定、P5 発症日を特定できない感染者も含めた推定」である。 グラフで示されていることは次のとおり。「黄色の棒が感染時刻(日)別の推定感染者数であり、青の実線が推定された実効再生産数であり青の影が 95%信用区間を示す。感染から報告までの遅れの 80 パーセンタイルを考慮して全国では4月29 日以降、各地域では4月 30 日以降の推
西浦先生が日本の実効再生産数を推定した。 コードはrstanで下記から取れる。 https://nbviewer.jupyter.org/github/contactmodel/COVID19-Japan-Reff/tree/master/ 解説動画を見逃したのでコードと関連論文からのお勉強になるが、肝としては、 ・知りたいのは「感染した日」である。 ・診断日もしくは報告日は、データを収集して統計を取っているのでわかる。 ・診断されるには検査される必要があるから、だいたい症状か接触歴があって、発症日はそこそこデータがある。 ・感染した瞬間、はもちろん発病(はほとんど)していないのでわからない。 という前提がある。PDFの「患者」の観測データについて、の項。 (誰からから感染させられる)ー感染日ー発症日ー診断日/報告日という一連の流れについて、まったく情報がないわけではなく、いままでの数理モ
先日の西浦先生のニコ生の発表を聞いていない人はぜひ聞いてください。 モデルとデータを以下のリポジトリでオープンにしていただいたので、モデルについて僕が分かる範囲内で少し解説を加えたいと思います。 github.com 実効再生産数を推定するコードが2種類ありまして、最尤推定(Maximum Likelihood Estimation, MLE)を使ったMLE版(Sungmok Jungさん作成)と 、ベイズ推定版(Andrei Akhmetzhanovさん作成)があります。どちらもコンセプトはほぼ同じで、実装が若干異なります。この記事では、ベイズ推定版(以降、元コードと呼びます)の流れを簡単に説明し、その後でその拡張を試みます。 ベイズ推定版の流れ 大きく分けて「データの集計」「back projection」「実効再生産数の推定」の3つの部分からなります。 データの集計 まずは日付ごとの
昨日の記事で言及した、2013年のノーベル化学賞受賞・生物物理学者マイケル・レビット(Michael Levitt)だが、1987年以降、スタンフォード大学で構造生物学の教授を務めている。その関係から、同大学の学内紙と見てもよいだろう(会社組織になっているが)The Stanford Dalyに5月4日付でインタビュー記事が掲載されていた。読みようによってはではあるが、興味深い言及があり、これもブログにメモ代わりに記しておきたい。 見出しとリードは次のとおり。試訳を付したが間違っているかもしれないので、ご参考までに。 Q&A: Nobel laureate says COVID-19 curve could be naturally self-flattening “I’m pretty sure we will be on campus for fall quarter,” Michae
ニューズウィークの日本版の多分次号に載るんじゃないかとは思うが、4月21日付のハンナ・オズボーンの記事、”WHY THE COVID-19 DEATH FORECASTS ARE WRONG(なぜCOVID-19の死亡予測は間違っているか)”という記事が興味深かった(参照)。ちょっとブログにメモしておきたい。参考までに試訳を付けたが誤訳しているかもしれないので、ご参考までに。 記事はCOVID-19について現状は不確かな情報しか得られないという側面や今後の政策的な対応などに言及してバランスのいい展開ではあるが、日本でも一部話題になっているが、ノーベル賞受賞の生物物理学者マイケル・レビットの、米国でも一部注目されている見解にも触れている。 Nobel laureate Michael Levitt, a professor of structural biology at Stanford
既にツイッター上などで話題になっているが、アセモグルら4人のMITの研究者が表題のNBER論文を上げている。原題は「A Multi-Risk SIR Model with Optimally Targeted Lockdown」で、著者はDaron Acemoglu、Victor Chernozhukov、Iván Werning、Michael D. Whinston(いずれもMIT)。タイラー・コーエンは「オールスター経済学者がCovid-19論文を書いた(all-star economists write Covid-19 paper)」と評し、「我々は遂に歩みを先に進めたと改めて言えるかと思う(Again, I would say we are finally making progress)」という感想を漏らしている*1。 コーエンは著者の一人のIván Werningのツイッタ
Closing schools for covid-19 does lifelong harm and widens inequalityPrimary schools in particular are vital to social mobility Editor’s note: The Economist is making some of its most important coverage of the covid-19 pandemic freely available to readers of The Economist Today, our daily newsletter. To receive it, register here. For our coronavirus tracker and more coverage, see our hub IN THE ST
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く