🚨 تعداد مبتلایان به کرونا در جهان از مرز ۷۰۰ هزار نفر عبور کرد.
✴️ در این تصویر سرعت شیوع بیماری در رشد آن بر اساس هر صدهزار نفر افزایش نشان داده شده است.
🔺همانطور که مشاهده می‌شود بعد از عبور از ۴۰۰هزار نفر هر دو روز یکبار حدود ۱۰۰هزار نفر به تعداد مبتلایان اضافه شده است.(محور افقی با مقیاس لگاریتمی رسم شده است.)

🔎 @py4ds

🚨تحلیل روند ابتلا در #ایران🇮🇷 با همکاری دوست خوبم آقای جان‌جان

✴️این تحلیل شاید کمی با موارد آشنای تحلیل داده‌های اپیدمی تفاوت داشته باشد. در این تحلیل با استفاده از روش‌های تحلیل تکنیکال در داده‌های بورسی، روند صعود و نزول تعداد مبتلایان روزانه پیش‌بینی شده است.

🔺در این تحلیل از اندیکاتورهای کمکی میانگین‌ ۳، ۵، ۸، ۱۴، ۲۱، ۲۶ و ۳۴روزه(جهت کاهش نوسان) استفاده شده است.
📊مطابق تصویر فوق در تاریخ ۲فروردین روند ابتلای روزانه(بنفش پیوسته) در حال عبور از میانگین ۲۱روزه بوده که به معنای عبور از پیک شیوع بیماری و روند نزولی بوده اما به دلایل اتفاقات خاصی مانند خرید عید و یا افزایش قدرت نظام سلامت در یافتن موارد جدید که حدود یک هفته تا ۱۰روز قبل اتفاق افتاده بود، این روند با سرعتی بالا شروع به افزایش کرد.
🔺در ۵روز اخیر این روند دوباره نزولی شده و با عبور از میانگین ۸روزه خبر از کاهش مجدد می‌دهد، به نظر می‌رسد با عبور از میانگین ۲۱ و ۲۶روزه می‌توان شاهد کنترل شیوع بیماری بود.

🔺با توجه به سیاست‌های جدید دولت در کاهش میزان قرنطینه از ۱۶فروردین و بازگشایی برخی مشاغل، ممکن است مجددا شاهد صعود این روند باشیم.
🔎 @py4ds

✍🏻پاسخ به چند نظر شما

🔸 شاید برخی تصور کرده باشند که ما برای داده‌های اپیدمی از تحلیل تکنیکال استفاده کردیم!!! اما باید عرض کنم که ما فقط از نشانگرهای میانگین متحرک خاص برای حذف نویزهای به وجود اومده در پنجره‌های چندروزه در روند اصلی استفاده کردیم.
حذف نویز برای تشخیص بهتر رفتار هر روند، یک کار معمول هست!
مسلماً امکان داره این روش از نظر علم اپیدمیولوژی روشی علمی محسوب نشه، اما نتیجه‌ی این تخمین از نظر اپیدمیولوژی غلط نیست. چرا که خروجی مدل دینامیکی در گزارش رسمی وزارت بهداشتاینجا هم کاهش روند ابتلای روزانه در نیمه‌ی فروردین رو تخمین زده بود.

🔸 در اینکه ممکنه آمار اعلامی از طرف وزارت بهداشت ایراد داشته باشه بحثی ندارم چون قابل اثبات نیست. ما در مورد چیزی که هست صحبت می‌کنیم.

🔸 شاید براتون جالب باشه که بدونید آدم‌های بسیار زیادی از شروع شیوع ویروس کرونا در کل دنیا مشغول مدل‌سازی، تخمین و ارائه تحلیل‌های مختلفی هستند. حتی مسابقاتی هم در سایت‌های مختلف مثل سایت kaggle در حال برگزاری هست. تمام این مسابقات با استفاده از آمارهای رسمی ارائه شده از طرف کشورها انجام میشه.

🔎 @py4ds

رشد خطی مبتلایان

از داده‌های ایران ایراد می‌گرفتند که خطی رشد می‌کند. الان آمار مبتلایان جدید کرونا-۱۹ در ایالت نیوجرزی (و تا حدی نیویورک) بیش از یک هفته است که خطی رشد می‌کند: هر روز ۳۰۰۰ نفر. این اتفاق (یعنی روند خطی در این ایالت) چه طور ممکن است؟ حداقل سه حالت دارد:

۱) عددسازی می‌کنند که تقریبا مطمئنیم که این گزینه رد می‌شود.

۲) به سقف تعداد کیت‌ها رسیده‌اند و چون یک تعداد ثابت کیت دارند هر روز به همان عدد قبلی می‌رسند. این هم کمی بعید است چون حتی اگر تعداد کیت‌ها ثابت باشد (که احتمالا نیست)، ترکیب افراد مثبت و منفی در بین تست شوندگان به احتمال زیاد در طول زمان تغییر می‌کند و احتمال کمی دارد که خروجی تست‌های مثبت دقیقا هر روز یکی شود.

۳) نرخ رشد سیستم با رشد نمایی در طول زمان دارد کم می‌شود. مشابه رفتاری که در این پست (https://news.1rj.ru/str/hamedghoddusi/804) گزارش کردیم در ایالت نیوجرزی هم دیده‌ می‌شود: نرخ رشد روزانه از حدود ۵۰-۶۰ درصد در اوج روز به روز کم‌تر شده و الان به ۸ درصد رسیده است. وقتی نرخ رشد یک رشد نمایی خودش در حال کاهش باشد، عجیب نیست که تحدب منحنی طوری کم شود که شبیه به خطی شود. مشتق‌گیری‌اش کمی پیچیده و طولانی می‌شود ولی اگر نرم‌افزار مناسب دم دست دارید می‌توانید حساب کنید که «نرخ افول نرخ رشد» اگر چه قدر باشد، خروجی یک منحنی نمایی شبیه خطی می‌شود (یا مشتق دوم آن نزدیک صفر می‌شود.)

خلاصه این‌که در نقد رفتارهای غیرمنتظره در داده‌ها عجله نکنیم و همیشه یک احتمالی هم بدهیم که شاید این رفتار طبیعی باشد.

@hamed_ghoddusi تماس با نویسنده
@hamedghoddusi

✴️ مشغول تهیه یک داشبورد تحلیلی تحت وب برای داده‌های ویروس کرونا در کشورهای مختلف هستیم.
این داشبورد به زودی در دسترس اعضای کانال قرار خواهد گرفت.

کانال پایتون برای علم داده را به دوستان خود معرفی کنید!
🔎 @py4ds

✴️ خبر خوب!
آغاز روند کنترل بیماری در #ایران🇮🇷

مطابق آمار دیروز تعداد بیماران موجود(زرد) از تعداد افراد بهبود یافته(سبز)، کمتر شده است.
این روند نزولی، علی‌رغم افزایش آمار روزانه‌ی امروز نیز ادامه داشته و در صورت تداوم آن شاهد کنترل کامل بیاری و اعلام وضعیت پاک خواهیم بود.
نکته: آمارهای هفته‌ی آینده در صحت این تحلیل بسیار تاثیر گذار است چرا که پس از پایان تعطیلات نوروزی، قرنطینه‌ی عمومی جدی گرفته نشده و ترددها به شدت افزایش یافته است.

🔎 @py4ds

✴️ افزایش ظرفیت‌های درمانی از قبیل ساخت نقاهتگاه و بیمارستان‌های موقت باعث افزایش چشمگیر موارد جدید بهبود روزانه شده است.
در روزهای اخیر چیزی حدود ۲۶۰۰ تا ۳۱۰۰ مورد بهبود در روز داشته‌ایم درحالی که در همان زمان مشابه متوسط ابتلای روزانه کمتر از ۲۰۰۰ مورد بوده است.
🔺این خبر بسیار خوش‌آیندی از کنترل بیماری و شروع روند کنترل بیماری در ایران است.

📊نکته قبلی در مورد افزایش تردد در پایان تعطیلات نوروزی باقیست.

🔎 @py4ds

🚨 تحلیل داده‌های کشور #انگلیس 🇬🇧

در تحلیل داده‌های کشورهای مختلف نکته جالبی در مورد انگلیس مشاهده می‌شود.
نرخ بهبود فعلی در این کشور کمتر از نیم درصد و نرخ فوت بیش از ۱۲ درصد است!
از بیش از ۶۵هزار مبتلا و نزدیک به ۸هزار فوتی فقط حدود ۱۳۵ نفر تا کنون بهبود یافته‌اند!
فروپاشی سیستم درمانی این کشور مطابق این آمار به وضوح مشخص است.
مطابق اطلاعات سایت worldometer تعداد موارد شدید بیمار در این کشور حدود ۱۵۶۰ نفر است. تنها موفقیت این کشور صرفا تعداد تست‌های بالای انجام شده است. که حدود ۳۰درصد از کشور ما بیشتر است.

🔎 @py4ds

🚨 تحلیل داده‌های کشور ایالات متحده #آمریکا 🇺🇸
وضعیت فاجعه آمیز این کشور نیز از آمار آن مشخص است.
به طور متوسط حدود ۱۱ هزار نفر در روز مبتلای جدید و ۶۳۰ بهبود روزانه در مقابل بیش از ۴۰۰ نفر فوت روزانه در این کشور وجود دارد.
از بیش از ۴۶۰ هزار بیمار در این کشور بیش از ۹۰ درصد هنوز درگیر با بیماری هستند. نرخ فوت حدود ۳.۵ درصد و نرخ بهبود حدود ۵.۵ درصد است.
در این کشور بیش از ۱۰هزار مورد شدید ابتلا وجود دارد و ۱۶ هزار نفر از این بیماری جان خود را از دست داده‌اند.

🔎 @py4ds

✴️ داشبورد نمودارهای آمار بیماری کرونا در #ایران 🇮🇷

↖️ نمودار بالا چپ نمودار تجمعی مبتلایان است که ۴ داده مربوط به مبتلایان کل، بهبودیافتگان کل، فوت‌شدگان کل و مبتلایان موجود در آن رسم شده است. با توجه به عبود نمودار مبتلایان موجود از نمودار بهبودیافتگان روند بیماری کرونا در ایران کنترل شده و طی روز‌های اخیر افراد مبتلای موجود روز به روز در حال کاهش بوده است.

↗️نمودار بالا راست نشانگر متوسط آمار روزانه(یعنی موارد جدید) است. این نمودار در بازه‌ی یک ماهه رسم شده است.(یعنی متوسط ماهانه‌ی آمار موارد جدید روزانه 😁)

↙️ نمودار پایین چپ نشانگر روند نرخ فوت و بهبود بر اساس آمار اعلامی تا آن روز رسم شده است. بنابراین آخرین میله از سمت چپ نرخ فوت و بهبود فعلی است.

↘️ این نمودار درصد کل موارد فوت، بهبود و بیمار موجود در کشور را نشان می‌دهد که معادل با میله‌ی آخر در نمودار قبلی است.

🔺نمودار با داده‌های اعلامی تا تاریخ ۲۷ فروردین ۹۹ رسم شده است.
🔎 @py4ds

✴️تخمین پایان شیوع ویروس کرونا در #ایران🇮🇷 (انتشار برای اولین بار)

🔺 بر اساس محاسبات مدل‌سازی انجام شده، با ادامه وضعیت فعلی زمان پایان شیوع بیماری و اعلام وضعیت پاک حوالی پایان اردیبهشت خواهد بود.
🔺مطابق داده‌های موجود، اوج تعداد بیماران ( و احتمالا بستری در بیمارستان‌ها) حوالی ۱۷ فروردین ۹۹ بوده است.

🔎 @py4ds

🚨 تحلیل داده‌های شیوع کرونا در #ایران🇮🇷

🔺 حدود ۲۰ روز قبل پیک ابتلای روزانه را داشته‌ایم. همچنین ۵ روز پس از آن بیشترین آمار فوت روزانه در کشور اتفاق افتاده است.
🔺 حدود ۲۰ درصد(۱۷.۵ هزارنفر) از آمار مبتلایان کل هنوز بیمار هستند که امیدواریم هرچه سریعتر بهبود یابند.
🔺نرخ فوت در کشور ما نیز حدود ۶ درصد بوده که امیدواریم بیش از این افزایش نیابد.

🔎 @py4ds

✴️ تعداد بیماران موجود در کشور تا دو هفته آینده به نزدیک صفر خواهد رسید.

🔺طبق روند فعلی تا دو هفته آینده تعداد بیماران کل تا حدود ۱۰۰هزار نفر و تعداد بیماران موجود به نزدیک صفر خواهد رسید. البته اعلام وضعیت پاک ممکن است تا اواسط خرداد به طول بیانجامد.
🔎 @py4ds

🎯 این سایت بیش از یک ماه هست که در دسترس شماست و طی این مدت بروزرسانی‌های کمی در داشبوردها انجام شده

🔸 قبلاً در مورد بروزرسانی روزانه آمار سایت اطلاع‌رسانی شده

🔹 به زودی تحلیل و توضیح تک‌تک داشبوردها برای شما ارائه خواهد شد.

کماکان منتظر نظرات شما هستم

🔎 @py4ds