Ηλικιακές κατανομές κρουσμάτων
Ποσοστιαία κατανομή (σύνολο)
Πηγή: EODY. Τα στοιχεία αφορούν τα κρούσματα εκείνα για τα οποία είναι γνωστή και επιβεβαιωμένη η ηλικία τους. ΠΕΡΙΣΣΟΤΕΡΑ
Ποσοστιαία κατανομή (άνδρες)
Πηγή: EODY. Τα στοιχεία αφορούν τα κρούσματα εκείνα για τα οποία είναι γνωστή και επιβεβαιωμένη η ηλικία τους. ΠΕΡΙΣΣΟΤΕΡΑ
Ποσοστιαία κατανομή (γυναίκες)
Πηγή: EODY. Τα στοιχεία αφορούν τα κρούσματα εκείνα για τα οποία είναι γνωστή και επιβεβαιωμένη η ηλικία τους. ΠΕΡΙΣΣΟΤΕΡΑ
Κρούσματα κατά φύλο (σύνολο)
Θάνατοι κατά φύλο (σύνολο)
Διασωλην. κατά φύλο (σύνολο)
Δεδομένα: EODY. Οι ημερομηνίες των μέτρων ελήφθησαν από Covid-19-Response-Greece. Τα δεδομένα για τους Νομούς ελήφθησαν από EODY, covid19.gov.gr. (Θερμά ευχαριστώ και στον @Nyrro που παρείχε τα αρχικά δεδομένα). Τα δεδομένα για τους εμβολιασμούς κατά ηλικία ελήφθησαν από το ECDC. Οι προβλέψεις ελήφθησαν από covid19-projections.com, covid19.healthdata.org. Ο αλγόριθμος του αριθμού αναπαραγωγής Rj προέρχεται από American Journal of Epidemiology και από Richard Schubert. Χρησιμοποιήθηκε εισαγωγικό κείμενο για τον IIFR από wikipedia και ο αλγόριθμος και τα δεδομένα από (link1, link2, link3). Χρησιμοποιήθηκαν τα Chart.js και highcharts για τα διαγράμματα.
Original template by: TOYO KEIZAI ONLINE
Συχνές Ερωτήσεις
Ε. Γιατί ορισμένες ημερήσιες μεταβολές που αναφέρει ο ΕΟΔΥ δεν συμπίπτουν με τα γραφήματα;
A. Συμβαίνει όταν οι αριθμοί της προηγούμενης μέρας περιέχουν σφάλματα ή χρειάστηκαν διορθώσεις στις τελικές τιμές οι οποίες και γίνονται στην επόμενη ημερήσια αναφορά.
Ε. Γιατί ορισμένες τιμές είναι αρνητικές, παρόλο που δεν θα έπρεπε να είναι;
A. Συμβαίνει όταν τα προηγούμενα δεδομένα έχουν διορθωθεί ή δεν υπάρχουν δεδομένα την επόμενη μέρα. Όταν οι προηγούμενοι αριθμοί περιέχουν σφάλματα, οποιεσδήποτε διορθώσεις στις τελικές τιμές γίνονται στην επόμενη ημερήσια αναφορά. Το παραπάνω δεν ισχύει στις περιπτώσεις της ενότητας «Σε κρίσιμη κατάσταση». Αρνητικές τιμές στην ενότητα αυτή σημαίνει ο ασθενής έχει εξέλθει από την εντατική ή δυστυχώς κατέληξε.
Ε. Ποιος είναι ο ορισμός του «σε κρίσιμη κατάσταση»;
A. Σημαίνει περιπτώσεις όπου παρέχεται αναπνευστική υποστήριξη στον ασθενή. (διασωλήνωση)
Ε. Πόσο ακριβής είναι η ενότητα «Ενεργά κρούσματα»;
A. Είναι μόνο μια εκτίμηση που βασίζεται στην υπόθεση ότι οι περισσότεροι άνθρωποι αναρρώνουν από ήπιας μορφής COVID-19 μέσα σε δύο (Δέλτα) μία εβδομάδα και στις πιο σοβαρές περιπτώσεις εντός τριών (Δέλτα) δύο εβδομάδων (μέσο όρο), δίνοντας ένα απόλυτο διάμεσο 17 (Δέλτα) 8 ημερών. Αφαιρώντας τον αριθμό των κρουσμάτων που βρέθηκαν θετικοί κατά την είσοδο τους στην χώρα καθώς επίσης και το αριθμό των θανάτων ανά ημέρα από το σύνολο των ημερήσιων κρουσμάτων βρίσκουμε τον μέσο όρο ενεργών κρουσμάτων ανά ημέρα. Για να δώσω ένα παράδειγμα (Δέλτα), το άθροισμα όλων των κρουσμάτων από 17 ημέρες πριν τις 7 Αυγούστου ήταν 1222. Είχαμε επίσης 13 θανάτους και συνολικά 261 κρούσματα σχετιζόμενα με ταξίδι από το εξωτερικό. Αφαιρώντας τις 2 παραπάνω τιμές από το σύνολο των κρουσμάτων έχουμε (περίπου) 896 ενεργές περιπτώσεις.
Αξίζει να σημειωθεί ότι, όταν αυτό το γράφημα φτάσει στο μηδέν δεν μπορούμε να υποθέσουμε ότι η επιδημία έχει σταματήσει λόγω της στοχαστικής φύσης των δεδομένων. Ωστόσο, μια σταδιακή άνοδος του γραφήματος έπειτα από μία πτώση μπορεί να υποδείξει την έναρξη ενός δεύτερου κύματος.
Ε. Τι είναι ο Αριθμός αναπαραγωγής R_j;
Πρόσφατες αναλύσεις των στενά παρακολουθούμενων επιδημιών έχουν δείξει ότι είναι δυνατόν να εκτιμηθεί η πιθανότητα ότι ένα άτομο έχει μολύνει κάποιο άλλο εάν είναι γνωστές οι τοποθεσίες της κάθε μόλυνσης. Ωστόσο, όταν είναι διαθέσιμοι μόνο οι χρόνοι έναρξης συμπτωμάτων, οι περισσότεροι ερευνητές καταφεύγουν στην προσέγγιση του 
Αυτός ο αλγόριθμος εκτίμησης επιτρέπει την εκτίμηση των αριθμών αναπαραγωγής για μολυσματικές ασθένειες σε μία λεπτότερη χρονική ανάλυση υπό πιο γενικές παραδοχές από ότι ήταν δυνατόν στο παρελθόν.
Ε. Πως παράγεται ο «πραγματικός» αριθμός μολύνσεων;
Ο πραγματικός αριθμός των μολύνσεων είναι πολλές φορές μεγαλύτερος από τον αναφερόμενο αριθμό Κρουσμάτων εφόσον υπάρχουν άτομα που δεν κάνουν εξετάσεις για διάφορους λόγους: 1) είναι ασυμπτωματικοί, 2) έχουν μόνο ήπια συμπτώματα, 3) δεν έχουν πρόσβαση σε δοκιμαστήρια (οικονομικοί λόγοι, περιοχή, φόβος προσέλευσης κτλ), ή 4) απλά δεν θέλουν. Η βασική ιδέα πίσω από τη μέθοδο που παραγάγει τις παραπάνω τιμές είναι ότι μπορούμε να χρησιμοποιήσουμε το ποσοστό θετικότητας (positivity rate) για να προσδιορίσουμε περίπου την αναλογία των πραγματικών μολύνσεων προς τις αναφερόμενες από τον ΕΟΔΥ περιπτώσεις. Η υπόθεση είναι ότι όσο αυξάνεται ο ρυθμός θετικότητας, τόσο υψηλότερος είναι και ο πραγματικός επιπολασμός σε μια περιοχή σε σχέση με τις αναφερόμενες περιπτώσεις. Αυτό έχει κάποια λογική: Αν για παράδειγμα εξεταστεί εργαστηριακά όλος ο πληθυσμός, τότε το ποσοστό θετικότητας θα είναι πολύ χαμηλό. Αλλά αν τα τεστ δεν είναι ευρέως διαθέσιμα, τότε θα βρεθούν μόνο οι σοβαρές περιπτώσεις, με αποτέλεσμα ένα υψηλότερο ποσοστό θετικότητας. Η ακριβής σχέση μεταξύ του ποσοστού θετικότητας και του λόγου του πραγματικού επιπολασμού ποικίλλει από περιοχή σε περιοχή καθώς και με την πάροδο του χρόνου. Η σχέση των δύο μπορεί να προσεγγιστεί από μια βασική συνάρτηση της ακόλουθης φόρμας: prevalenceRatio = a * (positivityRate)^(b) + c, όπου
Ε. Τι είναι το ποσοστό θετικότητας (positivity rate);
A. Το ποσοστό θετικότητας είναι απλώς το κλάσμα των δοκιμών(τεστ) που επανέρχονται θετικά. Υπολογίζεται διαιρώντας τον αριθμό των θετικών επιβεβαιωμένων κρουσμάτων με τον συνολικό αριθμό των τεστ που γίνανε. Επειδή σε όλους τους υπολογισμούς που πραγματοποιούμε όμως χρησιμοποιούμε μέσο όρο 7 ημερών, η παραπάνω διατύπωση διαφοροποιείτα ως εξής:
Ε. Τι είναι το Υπονοούμενο ποσοστό θνητότητας (IIFR);
A. Υπάρχει μία σύγχυση ανάμεσα στους όρους θνητότητα (fatality) και θνησιμότητα (mortality) σχετικά με την Covid-19. H θνησιμότητα –που συχνά συγχέεται με την θνητότητα– μετράει την αριθμό των θανάτων σε ένα πληθυσμό (είτε γενικά είτε λόγω συγκεκριμένης αιτίας) σε δεδομένο χρονικό διάστημα σε σχέση με το μέγεθος του πληθυσμού. Η θνητότητα παίρνει τιμές από 0 μέχρι και 1 (ή από 0% μέχρι και 100%), επομένως μετράει τον κίνδυνο. Με άλλα λόγια είναι πιθανότητα ή αναλογία επίπτωσης, η οποία ονομάζεται και αθροιστική επίπτωση. Δεν είναι λόγος, εφόσον οι λόγοι παίρνουν τιμές και εκτός του διαστήματος 0 με 1. Επίσης, η θνητότητα δεν είναι ρυθμός (rate) ή πυκνότητα επίπτωσης, εφόσον δεν μετράει αλλαγές με την πάροδο του χρόνου, αλλά απλή αναλογία, εφόσον εκφράζεται ως ο αριθμός των θανάτων από κάποια νόσο σε σχέση με τον συνολικό αριθμό ανθρώπων που έχουν διαγνωστεί με την νόσο σε δεδομένο χρονικό διάστημα. Η μεγαλύτερη δυσκολία στην εκτίμηση της θνητότητας είναι η διασφάλιση της ακρίβειας του αριθμητή και του παρονομαστή. Για παράδειγμα, όσο μεγαλύτερη είναι η διάρκεια μιας νόσου, αυξάνεται η πιθανότητα ότι ο ασθενής θα πεθάνει από αιτία που δεν σχετίζεται με την συγκεκριμένη νόσο. Αν αυτό συμβεί, τότε θα υπερεκτιμηθεί η θνητότητα της ασθένειας. Αυτό εξηγεί γιατί η θνητότητα χρησιμοποιείται κυρίως για οξείες λοιμώδεις νόσους. Ακόμα και σε αυτές τις περιπτώσεις όμως υπάρχει πιθανότητα λανθασμένης εκτίμησης. Για παράδειγμα, κατά την διάρκεια μιας έξαρσης κρουσμάτων με υψηλές ημερήσιες αυξήσεις και μεγάλη περίοδο μέχρι την οριστική έκβαση, είναι πιθανό να υποεκτιμηθεί η θνητότητα. Από την άλλη, σε μια έξαρση όπου καταγράφονται μόνο τα κρούσματα με σοβαρά συμπτώματα και όπου πολλοί ασθενείς με ήπια ή καθόλου συμπτώματα δεν προσέρχονται για διάγνωση, η θνητότητα θα υπερεκτιμηθεί. Η θνητότητα θεωρείται οριστική όταν καταγραφεί η έκβαση όλων των κρουσμάτων (ίαση ή θάνατος). Είναι σημαντικό να σημειωθεί ότι η θνητότητα μιας ασθένειας δεν είναι σταθερή. Διαφέρει μεταξύ πληθυσμών και μεταβάλλεται με τον χρόνο, λόγω της αλληλεπίδρασης μεταξύ του αιτιολογικού παράγοντα της νόσου, του ξενιστή και του περιβάλλοντος, όπως επίσης και των διαθέσιμων θεραπειών και της ποιότητας της ιατρικής φροντίδας. Εφόσον μια πλήρης εικόνα του αριθμού των λοιμώξεων και των θανάτων δεν είναι ακόμα εφικτή, αφού η πανδημία βρίσκεται ακόμα σε εξέλιξη, μπορούμε να εκφράσουμε όλα τα παραπάνω σε μία εξίσωση χρησιμοποιώντας τις τιμές του «πραγματικού» αριθμού μολύνσεων και των αναφερόμενων θανάτων. Παρόλο που σε καμία περίπτωση δεν πρόκειται για μια ολοκληρωμένη εξίσωση, τουλάχιστον με αυτόν τον τρόπο πλησιάζουμε (μέσα σε λογικά πλαίσια) σε μια τιμή που μας βοηθάει στην καλύτερη κατανόηση της μεταβαλλόμενης δυναμικής αυτής της ασθένειας και την επίπτωση της στον πληθυσμό.
Το IIFR (Implied Infection Fatality Rate) είναι μια μέτρηση που υπολογίζεται λαμβάνοντας τους αναφερόμενους θανάτους και διαιρώντας τους με την πραγματική εκτίμηση των μολύνσεων (ο αριθμός των θανάτων ως προς τον αριθμό των κρουσμάτων) αφού ληφθεί υπόψιν και ο χρόνος (καθυστέρηση 28 ημερών).
Σημειώστε ότι υποθέτουμε ότι οι αναφερόμενοι θάνατοι είναι περίπου ίσοι με τους πραγματικούς θανάτους. Εάν υπάρχει σημαντικός αριθμός υπερβολικών/μη αναφερόμενων θανάτων COVID-19, τότε η εκτίμηση IIFR θα είναι υποτιμημένη του πραγματικού IFR. Για όλες τις τιμές, χρησιμοποιήθηκε μέσος όρος 7 ημερών.
- Χαμηλότερη μέση ηλικία μόλυνσης
- Καλύτερη προστασία του ευάλωτου πληθυσμού
- Βελτιωμένη θεραπεία (νέα φάρμακα, καλύτερη κατανομή πόρων, περισσότερη εμπειρία στο προσωπικό κλπ.)
- Πρώιμη ανίχνευση
Τα παραπάνω είναι λόγοι που θα εξηγούσαν μια πραγματική μείωση του ποσοστού θνητότητας (IFR). Η χαμηλότερη μέση ηλικία των ατόμων που μολύνονται και η καλύτερη προστασία των ατόμων υψηλού κινδύνου πιθανολογείται είναι οι κύριοι οδηγοί πίσω από τη μείωση της τιμής του IIFR.
Ορισμένοι λόγοι που θα μπορούσαν επίσης να παραποιήσουν το IIFR ακόμα χαμηλότερα, αλλά να μην αλλάξουν το πραγματικό IFR:
- Πιο ολοκληρωμένη αναφορά επιβεβαιωμένων κρουσμάτων
- Αλλαγές στην κατανομή των ηλικιακών ομάδων στους οποίους γίνονται τα τεστ (π.χ. σε περισσότερες νεαρές ηλικίες)
- Πληθωρισμός του ποσοστού θετικών αποτελεσμάτων (π.χ. διπλομετρημένα θετικά αποτελέσματα, μη αναφορά αρνητικών κ.λπ.)
- Μεγαλύτερη καθυστέρηση στην αναφορά θανάτων
- Η ελλιπή καταγραφή των θανάτων
Ε. Μπορώ να χρησιμοποιήσω τα δεδομένα;
A. Ναι, μη διστάσετε να τα χρησιμοποιήσετε για εμπορική ή μη εμπορική χρήση. Αν θέλετε απλώς αναφέρετε το όνομά μου Sandbird. Για οτιδήποτε άλλο δείτε την άδεια του MIT και το Privacy Policy μας.