世界の医療機関が命懸けで蓄えたデータの蓄積を分かりやすく図解してくれている
あーすごいな、このPDFは素晴らしい。 この半年間で世界の医療機関が命懸けで蓄えたデータの蓄積を分かりやすく図解してくれている。 これ作るの何時間かかったんだろうhttps://t.co/VcdAwSRhDH pic.twitter.com/blxlPrENy9 — じゅんなま (@viva_happousyu) July 31, 2020 公立陶生病院 感染症内科 武藤義和『新型コロナウイルスのNow!!第2波』より 初版めを通してないですが、資料全般から「俺らはただ手をこまねいて患者を治してたわけじゃないぞ、きちんと分析して可能な限りいままでの日常を過ごせるにはどうすればいいかも研究してるぞ。だからみんなも協力してくれ」というのが伝わってくる文章なのが素敵ですね — じゅんなま (@viva_happousyu) August 1, 2020
[PDF] 新型コロナウイルスのNow!!(第二波) 令和2年7月26日 - 陶生病院 感染症内科 武藤義和
該当のファイルはURLが変更になった可能性があります。 おそらく以下のページへのアクセスかと思います。 今週のコロナニュース もしくはログインが必要となります。
![[PDF] 新型コロナウイルスのNow!!(第二波) 令和2年7月26日 - 陶生病院 感染症内科 武藤義和](https://cdn-ak-scissors.b.st-hatena.com/image/square/e0323610888335500bcb4c2116656a0ea1b8b7ea/height=288;version=1;width=512/https%3A%2F%2Fwww.covid19-taskforce.jp%2Fwp-content%2Fthemes%2Fthe-thor%2Fimg%2Fimg_no_768.gif)
新型コロナ､日本で重症化率･死亡率が低いワケ
東京都を中心に新型コロナウイルスの検査で陽性と判明する人が増加している。東京都は15日、警戒レベルを4段階のうち最も深刻な「感染が拡大していると思われる」に引き上げた。ただ、無症状者や軽症者が多く、専門家の間でもレベルを引き上げるかどうかでは意見が割れたという。また、2月から現在までの5カ月余りの間に日本で新型コロナにより亡くなった人は1000人に及ばず、例年のインフルエンザ死亡の3分の1にとどまる。新型コロナウイルスの流行当初の予測や欧米の被害実態とも大きなギャップがある。 新型コロナとインフルエンザには大きな違い ――足元では新型コロナウイルスの流行再拡大の不安が広がっています。10万人死ぬ、といった予測も流布していますが、先生はそうした見方を否定していますね。 発表されている数字はあくまでもPCR検査で判明した「PCR陽性者判明数」であり、正確には「感染者数」ではない。もちろん「発症
コロナ患者、本当にこわい「免疫システムの暴走」
インフルエンザにかかった肺の組織の顕微鏡画像。サイトカインストームによって生成された免疫細胞が緑および赤で示されている。 PHOTOGRAPHY COURTESY HUGH ROSEN AND MICHAEL OLDSTONE, SCRIPPS RESEARCH INSTITUTE 新型コロナウイルス感染症にかかった多くの重症患者にとって、最大の脅威となるのはコロナウイルスそのものではない。人体がウイルスと闘うために立ち上げる“戦闘部隊”だ。 免疫システムは病原体から体を守るために不可欠だが、時に健康な細胞を傷つける激しい凶器にもなる。免疫反応が暴走する例の一つが、過剰な炎症を引き起こす「サイトカインストーム」だ。集中治療や人工呼吸器を必要とする場合を含め、新型コロナウイルス感染症の最も重篤な事例において、この現象が起こっているのではないかと考えられている。 サイトカインストームは「新型コ
医療デマには学校で習う理科の知識があれば｢ありえない｣と分かるものが結構ある
医療デマの中には、学校で習う理科の知識があれば瞬間的に「ありえない」と分かるものが結構ある。学校教育は、こういうところで私たちの身を守るのだと思っている。 「分からない時はググれば済む」と言う人がいるかもしれないが、そんなことはない。 「ググらずに済む」から安全なのである。 — 外科医けいゆう｜Takehito Yamamoto (@keiyou30) 2020年5月17日 そもそも「何か違う」っていう違和感に気づけないとググるところまで行かないですもんね。その違和感の元になってるのは知識だと思います。 — ピッチとゴージョーの友達???? (@odayodayodayo) 2020年5月17日 ググるにも 正確な単語でないと、デマお手製の単語で検索した結果、デマを補強してしまいますから。 聞いたことある程度でも、正確な単語だけでも頭に入れておく必要はある。 — ノックス (@lQUSGv
西浦先生らによる実効再生産数の統計モデルを解説＆拡張する試み - StatModeling Memorandum
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
1
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
