covid-19
- VAROVÁNÍ: jde pouze o prokládání exponenciálních křivek existujícími daty, nejde o epidemiologické modely ani o předpověď. Data z mnoha zemí jsou navíc zkreslena mnoha faktory, přinejmenším už tím, jak a koho daná země testuje: jen případy s horečkami? S mírnějšími projevy? Jak široké okolí podezřelého pacienta? Plošně celou populaci? Atd. V populaci je zřejmě více nemocných než aktuální čísla udávají, ale zda o řád či více, nevíme, populace mají jinou strukturu než v Číně. Poměrně jasný je současný exponenciální charakter epidemie, ale jak se bude vyvíjet dále, bude ovlivněno mnoha faktory.
- WARNING: these are just exponencial fits to existing data, these are not epidemiological models nor forecasts. Data from many countries are biased and distorted by many factors, in the least by the fact how and whom each country tests: fever cases, mild cases, some suspect patients neighbourghood, whole population? Etc. There's probably more real cases in population than current numbers, but by how many (an order of magnitude?) we don't know, populations have dfferent structure than in China. What is clear is the current exponencial character of the epidemy, but future development will depend on many factors.
- Links :: Great graphs! :: Global map :: Tomas Pueyo I :: Tomas Pueyo II :: česky zde :: JOHN P.A. IOANNIDIS :: HARRY CRANE :: Epidemic calculator :: Epidemiologická kalkulačka :: Austria :: World :: Flu in Italy :: Mapa
- Healthy critics and heads-up: Mr. Schott :: T. Dorigo :: R. Broderick :: J. Monk :: Armchair Epidemiology
- Data: from Johns Hopkins github, WHO Situation Reports and Czech Ministry of Health.
- Den0 na grafu je datum posledních dat. Proložení exp. křivek A*exp[a*d] posledními např. 7 či 4 dny dává jiný růstový parametr, např. a4 z fitu dat za poslední 4 dny. Ze dne d na den d+1 lze očekávat nový počet případů a*N(d), tj. celková předpověď nakažených (ale jen o kterých víme!) na další den je N(d+1)=[1+a]*N(d). Česká data jsou cca o den aktuálnější než ostatní.
- In this graph, day0 = the last data day. Exponencial fits A*exp[a*d] of data e.g. 7 or 4 days back give slightly different growth parameters, e.g. a4 using last 4 days. From day d to day d+1 one expects additional cases number to be a*N(d), so prediction for next day is N(d+1)=[1+a]*N(d). CZ data are also about ~day ahead of others.
- 2020 Johns Hopkins data, fullrange (left), zoom (right), both in logarithmic scale! Bottom: individual countries in linear scale (left) and CZ-data based positive/tested (right).
