前回「経路不明者の割合などを考えてもよいかもしれません。」と書いたので、補足しておきます。
それは、東京都のデータでは、実際の経路不明者の数字が発表されています。ですから、経路不明者率は計算できます。また、陽性率数字も公開されているので、前回のモデルをつかえば、計算上の経路不明者率=隠れ陽性者数/(隠れ陽性者数+検査陽性者数)x100で計算できます。
実際の感染者数は東京都の発表陽性者数、陽性率は、東京都の検査データの陽性率で、この2つのデータの間には、時間のずれがありますが、今回はそれは無視しています。
図1が、前回の推定非検査陽性者数の推定方法を示しています。
計算式はR codeに示してあります。
図3が、実測とモデルの比較です。
陽性率10%付近ではあっていますが、陽性率が大きくなるとずれてきます。陽性率が大きくなると、三角形を使った線形仮定が当てはまらないためと思われます。
ここでの検討のポイントは次の2つです。
-
線形モデルでも、平均値で、検査外の隠れ陽性者数をゼロとおくよりはましです。
-
ともかく、データの間をつないで考えるモデルを検討する足ががりにはなります。
Rcode
fumei_rate=c(58.09248555,56.8627451,55.74272588, 53.91221374,53.29965267,53.64109233, 55.25456919,55.61760841,55.64826701, 57.29984301,57.16001201,58.31353919, 57.28486226,56.96058974,57.44154058, 57.8989575,57.13203736,58.28784119, 58.4800965,58.84861407,59.74930362, 58.89820902,59.54028119,60.34748186, 61.56912104,62.38955823,62.8020265, 60.33326949,61.82444686,64.27807487) youseiR=c(6.806672624,6.715967401,6.352171882, 6.26450116,6.507155635,8.094144661, 6.281679942,7.033465683,6.801821654, 7.345651194,6.675045385,7.803650094, 9.250243427,7.036914964,7.659403823, 7.341346775,8.388299398,8.065352697, 8.692337019,9.094503756,7.617101999, 7.849910661,9.036451695,10.35495063, 9.561862772,10.87700342,13.76965576, 12.09371043,10.75949367,16.49862511)
checking effects of ratios
calculation of b
y=ax+b a=-0.0003 x=3500 (y=seq(20,1,by=-1)) (b=y-ax)
calculation of y7000
x=7000 (y7000=a*x+b)
calculation of xc
y0=0 (x=(y0-b)/a)
calculation of triangle area
(s=(x-7000)*y7000/2)
calculation of ratio
s0=700010 (ratio=s/s0) (unknr=s/(s+s0)100) (length(y)) (length(unknr)) plot(unknr,y,xlim=c(0,100),ylim=c(0,20),col="red", ylab="Yousei_rate",xlab="Fumei_rate") par(new=T) plot(fumei_rate,youseiR,xlim=c(0,100),ylim=c(0,20), ,col="blue",ylab="Yousei_rate",xlab="Fumei_rate")
https://stopcovid19.metro.tokyo.lg.jp/