image_2020-03-13_17-35-41.png
96.6 KB
📊 نمره مدیریت کنترل شیوع
این محاسبات توسط دوست خوبم آقای حسنی انجام شده است.
📝نمره مدیریت کنترل شیوع یک پارامتر(خودساخته) تعریف شده بر اساس فرمول زیر است:
🔺از سمت چپ ۶ میلهی اول مربوط به استانهای مهم منطقه Mainland چین بجز استان Hubei و Shandong (که دارای بیشترین ابتلا در تمام دنیا بودهاند) رسم شده است.
🔺میلهی هفتم مربوط به کل کشور چین است که به دلیل شیوع گسترده در استانهای مختلف امتیاز پایینی کسب کرده است. در میلهی هشتم و نهم و دهم به ترتیب امتیاز کشور خودمان، ایتالیا و کره جنوبی رسم شده که ضعیف بودن مدیریت در کشور خودمان و ایتالیا به خوبی در آن ملاحظه میگردد.
🔎 @py4ds
این محاسبات توسط دوست خوبم آقای حسنی انجام شده است.
📝نمره مدیریت کنترل شیوع یک پارامتر(خودساخته) تعریف شده بر اساس فرمول زیر است:
S1 = Population/Area🔺در این رتبه بندی محور عمودی به صورت لگاریتمی در نظر گرفته شده است.
S2 = Recovered/Deaths
S3 = Confirmed
MSOC = S1 * S2^2 / S3
🔺از سمت چپ ۶ میلهی اول مربوط به استانهای مهم منطقه Mainland چین بجز استان Hubei و Shandong (که دارای بیشترین ابتلا در تمام دنیا بودهاند) رسم شده است.
🔺میلهی هفتم مربوط به کل کشور چین است که به دلیل شیوع گسترده در استانهای مختلف امتیاز پایینی کسب کرده است. در میلهی هشتم و نهم و دهم به ترتیب امتیاز کشور خودمان، ایتالیا و کره جنوبی رسم شده که ضعیف بودن مدیریت در کشور خودمان و ایتالیا به خوبی در آن ملاحظه میگردد.
🔎 @py4ds
Python for Data Science
image_2020-03-13_17-35-41.png
🔺این امتیاز بر اساس نسبت جمعیتی هر کشور/استان، نسبت افراد بهبودیافته به فوت شده و نسبت معکوس افراد مبتلا تعریف شده است.
💡برای فهم بهتر این فرمول مثال زیر را در نظر بگیرید:
اگر کشور A و B جمعیت و مساحت برابر داشته باشند و کشور A با تعداد مبتلا/فوتی کمتر یا بیمار بهبودیافته بیشتر نسبت به کشور B باشد، کشور A امتیاز بیشتری خواهد داشت.
🎯این یعنی مدیریت در جلوگیری از شیوع بیماری در کشور A بهتر صورت پذیرفته است.
🔎 @py4ds
💡برای فهم بهتر این فرمول مثال زیر را در نظر بگیرید:
اگر کشور A و B جمعیت و مساحت برابر داشته باشند و کشور A با تعداد مبتلا/فوتی کمتر یا بیمار بهبودیافته بیشتر نسبت به کشور B باشد، کشور A امتیاز بیشتری خواهد داشت.
🎯این یعنی مدیریت در جلوگیری از شیوع بیماری در کشور A بهتر صورت پذیرفته است.
🔎 @py4ds
🚨 منتظر تحلیل دادههای شیوع کرونا در کشور خودمان باشید
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
#خارج_از_بحث
🎯 معنای واقعی عبارت «کاری شد کارستان!» اینه!
از بین ۶۷هزار مبتلای استان Hubei بیش از ۵۰هزار نفر بهبود پیدا کردن!
هنوز آمار ابتلای کشور ایتالیا به یک سوم یک استان چین هم نرسیده و درخواست پزشک و پرستار از خارج از کشور کردن!
💡کاش آقای جهانگیری کمی کلاهش رو بذاره
بالاتر!
🎯 معنای واقعی عبارت «کاری شد کارستان!» اینه!
از بین ۶۷هزار مبتلای استان Hubei بیش از ۵۰هزار نفر بهبود پیدا کردن!
هنوز آمار ابتلای کشور ایتالیا به یک سوم یک استان چین هم نرسیده و درخواست پزشک و پرستار از خارج از کشور کردن!
💡کاش آقای جهانگیری کمی کلاهش رو بذاره
بالاتر!
Forwarded from Python for Data Science
🚨 منتظر تحلیل دادههای شیوع کرونا در کشور خودمان باشید
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
Python for Data Science
🚨روند افزایش مبتلایان به ویروس کرونا در ایران بر اساس دادههای اعلامی تا تاریخ ۹۸/۱۲/۱۲ در تصویر فوق نشان داده شده است. 🔺روند ابتلا و بهبود در روزهای آینده نیز ترسیم شده است. 🎯نکته: پیشبینی ما با آمار اعلام شده در امروز ۹۸/۱۲/۱۳ تطابق زیادی دارد... 🔎…
💡ده روز قبل وقتی این نمودار(ریپلای) را با کمتر از ۲هزار مبتلا رسم کرده بودم انتهای آن چیزی نزدیک به ۱۰هزار مبتلا را نشان میداد اما از انتشار آن خودداری کردم...
🔺دادههای اعلامی امروز شیوع کرونا در ایران نیز به اندازه ده روز قبل نگران کننده است....
🚨برای مشاهدهی میزان شیوع کرونا در شهر و محلهی خود به سایت زیر مراجعه کنید:
https://corona.research.ac.ir/suspects
🔎 @py4ds
🔺دادههای اعلامی امروز شیوع کرونا در ایران نیز به اندازه ده روز قبل نگران کننده است....
🚨برای مشاهدهی میزان شیوع کرونا در شهر و محلهی خود به سایت زیر مراجعه کنید:
https://corona.research.ac.ir/suspects
🔎 @py4ds
🚨🚨🚨 نرخ مرگ و میر یا Mortality Rate
📊یکی از پارامترهای مشخص برای برآورد شیوع بیماری در علم اپیدمیولوژی نرخ مرگ و میر است.
🖤از نظر بنده عواملی مانند بیماریهای واگیردار که باعث از دست رفتن عزیزان و نزدیکانمان شود میتواند دردناکتر از بقیه باشد؛ چرا که با بیمار شدن یکی از اعضای خانواده ممکن است اعضای دیگر نیز دچار بیماری شده و جان خود را از دست بدهند. این عذاب وجدان علاوه بر غم از دست دادن عزیزشان تا پایان عمر برای آنها باقی خواهد ماند...
🔺در مدلسازی رشد نرخ مرگ و میر امیدوار بودم این الگو با تابع درجه اول(و شیب هرچه کمتر) قابل مدل کردن باشد، این الگو تا چند روز قبل بخوبی جواب میداد و نرخ مرگ و میر کلی به صورت روزانه در حال کاهش بود. متاسفانه از روز ۱۸ اسفند این الگوی کاهشی تغییر کرده و تا دیروز به صورت افزایشی در حال رشد است.
💡در بروزرسانی این الگو با کمی خطا به صورت درجه دوم قابل مدلسازی است که جای نگرانی بسیار زیادی دارد.
نمودار فوق خبر از رشد نرخ مرگ و میر مبتلایان تا ۶ درصد در تاریخ ۳ فروردین میدهد.
مراقب باشید!
🔎 @py4ds
MR = Deaths/Confirmed#ایران 🇮🇷
📊یکی از پارامترهای مشخص برای برآورد شیوع بیماری در علم اپیدمیولوژی نرخ مرگ و میر است.
🖤از نظر بنده عواملی مانند بیماریهای واگیردار که باعث از دست رفتن عزیزان و نزدیکانمان شود میتواند دردناکتر از بقیه باشد؛ چرا که با بیمار شدن یکی از اعضای خانواده ممکن است اعضای دیگر نیز دچار بیماری شده و جان خود را از دست بدهند. این عذاب وجدان علاوه بر غم از دست دادن عزیزشان تا پایان عمر برای آنها باقی خواهد ماند...
🔺در مدلسازی رشد نرخ مرگ و میر امیدوار بودم این الگو با تابع درجه اول(و شیب هرچه کمتر) قابل مدل کردن باشد، این الگو تا چند روز قبل بخوبی جواب میداد و نرخ مرگ و میر کلی به صورت روزانه در حال کاهش بود. متاسفانه از روز ۱۸ اسفند این الگوی کاهشی تغییر کرده و تا دیروز به صورت افزایشی در حال رشد است.
💡در بروزرسانی این الگو با کمی خطا به صورت درجه دوم قابل مدلسازی است که جای نگرانی بسیار زیادی دارد.
نمودار فوق خبر از رشد نرخ مرگ و میر مبتلایان تا ۶ درصد در تاریخ ۳ فروردین میدهد.
مراقب باشید!
🔎 @py4ds
#خارج_از_بحث
با وضعیت فعلی فکر میکنم مسمومیت با الکل و همچنین چهارشنبهسوزی بیشتر باعث تلفات بشه تا ویروس Covid-19 !
با وضعیت فعلی فکر میکنم مسمومیت با الکل و همچنین چهارشنبهسوزی بیشتر باعث تلفات بشه تا ویروس Covid-19 !
Python for Data Science
🚨🚨🚨 نرخ مرگ و میر یا Mortality Rate MR = Deaths/Confirmed #ایران 🇮🇷 📊یکی از پارامترهای مشخص برای برآورد شیوع بیماری در علم اپیدمیولوژی نرخ مرگ و میر است. 🖤از نظر بنده عواملی مانند بیماریهای واگیردار که باعث از دست رفتن عزیزان و نزدیکانمان شود میتواند…
🚨 افزایش زودهنگام نرخ مرگ و میر در ایران
طبق دادههای اعلامی دیروز، کشور ما ۵ روز زودتر از پیشبینی فوق به نرخ مرگ و میر ۶.۱% رسیده است.
🔺الگوهای تشکیل شده خبر از نرخ مرگ و میر حدود ۸-۱۰ درصد میدهد...
🔎 @py4ds
طبق دادههای اعلامی دیروز، کشور ما ۵ روز زودتر از پیشبینی فوق به نرخ مرگ و میر ۶.۱% رسیده است.
🔺الگوهای تشکیل شده خبر از نرخ مرگ و میر حدود ۸-۱۰ درصد میدهد...
🔎 @py4ds
🚨 تخمین شیوع ویروس COVID-19 در #ایران 🇮🇷
✴️ سیر افزایش روزانهی مبتلایان چندروزیست که بین ۱۰۰۰ تا ۱۴۰۰ در حال نوسان بوده است.
🔺اگرچه پیشبینی وضعیت آینده با الگوی ایجاد شده و نیز نزدیکی ایام نوروز امری دشوار به نظر میرسد اما مطابق الگوی فوق در دو روز اخیر، در صورت رعایت قرنطینهی خانگی میتوان شاهد کاهش ابتلائات روزانه و کنترل بیماری بود.
📊در صورت ادامهی روند فعلی(۷٪ خطا) انتظار میرود در
سوم فروردین ۹۹ شاهد
🔸۲۲هزار نفر مبتلای تجمعی(بنفش رنگ)
🔸حدود ۶۳۰۰ نفر بیمار بهبود یافته(سبز رنگ)
🔸حدود ۱۴هزار بیمار موجود با احتمال انتقال بیماری به دیگران (زرد رنگ)
🔸حدود ۱۷۰۰ فوت
باشیم.
#درخانه_بمانیم!
🔎 @py4ds
✴️ سیر افزایش روزانهی مبتلایان چندروزیست که بین ۱۰۰۰ تا ۱۴۰۰ در حال نوسان بوده است.
🔺اگرچه پیشبینی وضعیت آینده با الگوی ایجاد شده و نیز نزدیکی ایام نوروز امری دشوار به نظر میرسد اما مطابق الگوی فوق در دو روز اخیر، در صورت رعایت قرنطینهی خانگی میتوان شاهد کاهش ابتلائات روزانه و کنترل بیماری بود.
📊در صورت ادامهی روند فعلی(۷٪ خطا) انتظار میرود در
سوم فروردین ۹۹ شاهد
🔸۲۲هزار نفر مبتلای تجمعی(بنفش رنگ)
🔸حدود ۶۳۰۰ نفر بیمار بهبود یافته(سبز رنگ)
🔸حدود ۱۴هزار بیمار موجود با احتمال انتقال بیماری به دیگران (زرد رنگ)
🔸حدود ۱۷۰۰ فوت
باشیم.
#درخانه_بمانیم!
🔎 @py4ds
🚨 تخمین روند شیوع COVID-19 در کشور #ایتالیا 🇮🇹
🔺 روند شیوع بیماری در ایتالیا در نمودار روزانه در حال نزدیکشدن به قله(یعنی بیشترین ابتلائات روزانه) است. طبق مدل بدست آمده، ایتالیا حوالی روزهای ۲-۴ فروردین به نقطهی اوج شیوع بیماری خواهد رسید. کشور ایتالیا در روزهای اخیر حدود ۳۵۰۰ بیمار در روز را تجربه کرده و پیشبینی میشود این تعداد به حدود ۴۳۰۰ بیمار در روز نیز برسد.
📊تخمین فعلی جمعا چیزی حدود ۱۰۰هزار بیمار را در ایتالیا پیشبینی کرده است. کشور #اسپانیا 🇪🇸 نیز وضعیتی مشابه با ایتالیا داشته و تعداد بیماران آن طی ۳ روز اخیر دوبرابر شده است.
🔎 @py4ds
🔺 روند شیوع بیماری در ایتالیا در نمودار روزانه در حال نزدیکشدن به قله(یعنی بیشترین ابتلائات روزانه) است. طبق مدل بدست آمده، ایتالیا حوالی روزهای ۲-۴ فروردین به نقطهی اوج شیوع بیماری خواهد رسید. کشور ایتالیا در روزهای اخیر حدود ۳۵۰۰ بیمار در روز را تجربه کرده و پیشبینی میشود این تعداد به حدود ۴۳۰۰ بیمار در روز نیز برسد.
📊تخمین فعلی جمعا چیزی حدود ۱۰۰هزار بیمار را در ایتالیا پیشبینی کرده است. کشور #اسپانیا 🇪🇸 نیز وضعیتی مشابه با ایتالیا داشته و تعداد بیماران آن طی ۳ روز اخیر دوبرابر شده است.
🔎 @py4ds
Forwarded from Python for Data Science
🚨 منتظر تحلیل دادههای شیوع کرونا در کشور خودمان باشید
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
Python for Data Science
🚨 تخمین شیوع ویروس COVID-19 در #ایران 🇮🇷 ✴️ سیر افزایش روزانهی مبتلایان چندروزیست که بین ۱۰۰۰ تا ۱۴۰۰ در حال نوسان بوده است. 🔺اگرچه پیشبینی وضعیت آینده با الگوی ایجاد شده و نیز نزدیکی ایام نوروز امری دشوار به نظر میرسد اما مطابق الگوی فوق در دو روز اخیر،…
🆘 طبق گفتهی وزیر بهداشت چیزی حدود 40درصد مبتلایان نیاز به بستری شدن در بیمارستان دارند. در حال حاضر حدود 4600 بستری مبتلا به کرونا داریم.
🔺اگر تعداد کل مبتلایان نیاز به بستری شدن حداکثر به حدود 12هزار نفر برسد یعنی حدود 30هزار مبتلای موجود داریم.
📊با احتساب ضریب 30درصدی نمونههای مبتلا به بهبودیافته و حدود 10درصد فوت، یعنی چیزی حدود 42هزار مبتلای تجمیعی خواهیم داشت.
🔎 @py4ds
🔺اگر تعداد کل مبتلایان نیاز به بستری شدن حداکثر به حدود 12هزار نفر برسد یعنی حدود 30هزار مبتلای موجود داریم.
📊با احتساب ضریب 30درصدی نمونههای مبتلا به بهبودیافته و حدود 10درصد فوت، یعنی چیزی حدود 42هزار مبتلای تجمیعی خواهیم داشت.
🔎 @py4ds
Python for Data Science
🆘 طبق گفتهی وزیر بهداشت چیزی حدود 40درصد مبتلایان نیاز به بستری شدن در بیمارستان دارند. در حال حاضر حدود 4600 بستری مبتلا به کرونا داریم. 🔺اگر تعداد کل مبتلایان نیاز به بستری شدن حداکثر به حدود 12هزار نفر برسد یعنی حدود 30هزار مبتلای موجود داریم. 📊با احتساب…
This media is not supported in your browser
VIEW IN TELEGRAM
🔺تعداد بستریها در کشور 4600 نفر و روند شیوع رو به کاهش هست.
✴امیدواریم با مراقبت مردم و کاهش ارتباطات، بیماری کرونا به طور کامل کنترل بشه!
🔎 @py4ds
✴امیدواریم با مراقبت مردم و کاهش ارتباطات، بیماری کرونا به طور کامل کنترل بشه!
🔎 @py4ds
🚨 نمیخواستم امروز مطلب نگرانکنندهای منتشر کنم و شب عیدتون رو خراب کنم اما از صمیم قلب ازتون خواهش میکنم مراقب عزیزانتون باشید.
🔺نرخ مرگ ویروس nCov-19 در #ایران به ۷٪ رسیده و این مطلب بسیار نگرانکنندهای هست. آمار فوت روزانه مدام داره بیشتر میشه امروز بیشترین عدد یعنی ۱۴۹ رو داشتیم.
با ادامه روند فعلی خیلی سریع تعداد فوتیها به ۳۰۰۰ نفر میرسه!
🔺آمار نشون میده از از پیک شیوع رد شدیم اما با وضعیت مسافرتهای نوروزی که مشاهده میشه این بیماری حالاحالاها در ایران ادامه خواهد داشت.
🔎 @py4ds
🔺نرخ مرگ ویروس nCov-19 در #ایران به ۷٪ رسیده و این مطلب بسیار نگرانکنندهای هست. آمار فوت روزانه مدام داره بیشتر میشه امروز بیشترین عدد یعنی ۱۴۹ رو داشتیم.
با ادامه روند فعلی خیلی سریع تعداد فوتیها به ۳۰۰۰ نفر میرسه!
🔺آمار نشون میده از از پیک شیوع رد شدیم اما با وضعیت مسافرتهای نوروزی که مشاهده میشه این بیماری حالاحالاها در ایران ادامه خواهد داشت.
🔎 @py4ds
💫 عیدتون پیشاپیش مبارک باشه
امیدوارم سال ۹۹ براتون سرشار از موفقیت باشه.
سعی میکنم این دو سه روز عیدی مطلبی در مورد شیوع بیماری کرونا منتشر نکنم.
🔎 @py4ds
امیدوارم سال ۹۹ براتون سرشار از موفقیت باشه.
سعی میکنم این دو سه روز عیدی مطلبی در مورد شیوع بیماری کرونا منتشر نکنم.
🔎 @py4ds
🍀🌺🍀🌺🍀🌺🍀🌺🍀🌺🍀
در آستانه فرا رسیدن عید نوروز باستانی و آغاز سال نو، تبریک و تهنیت صمیمانه را تقدیم شما و خانواده محترمتان داشته و در پرتو الطاف بیکران خداوندی سلامتی و بهروزی، طراوت و شادکامی، عزت و کامیابی برای شما آرزومندم.
🍀🌺🍀🌺🍀🌺🍀🌺🍀🌺🍀
سال نو مبارک 🌺
ارادتمند
🔎 @py4ds
در آستانه فرا رسیدن عید نوروز باستانی و آغاز سال نو، تبریک و تهنیت صمیمانه را تقدیم شما و خانواده محترمتان داشته و در پرتو الطاف بیکران خداوندی سلامتی و بهروزی، طراوت و شادکامی، عزت و کامیابی برای شما آرزومندم.
🍀🌺🍀🌺🍀🌺🍀🌺🍀🌺🍀
سال نو مبارک 🌺
ارادتمند
🔎 @py4ds