关于r语言:Rt1啦上海疫情流行趋势分析

上海新冠疫情可视化面板

根本再生数 R₀ 是指在一个齐全易感人群中，没有任何干涉措施的状况下，一个被传染病病原体感化的个体所能引起的第二代感化病例数，罕用于掂量病原体本身的流传力。(“流行病学专家解读
| 传染病的无效再生数与根本再生数,”n.d.)

时变再生数 R_t 能够了解为真实世界 (往往有干涉措施，人群不是齐全易感) 情景下，t 时刻的再生数,
受干涉措施，感染者及易感者比例等因素影响，随工夫变动而变动。隔离等干涉措施的指标在于将 R_t 升高至 1 以下，R_t \< 1 意味着新增病例数将逐步缩小，疫情失去管制。

应用 R 语言 EpiEstim 包预计 R_t(Thompson et al.
2019)，须要假如系列距离(serial
interval) 的散布, 本文中假如系列距离均值为 4 天，标准差为 2 天 (“新型冠状病毒 Omicron 变异株的流行病学特色及其迷信防控倡议,”
n.d.)。应用EpiEstim 包默认的 1 周滑动窗进行剖析。后果如下：

library(tidyverse)
library(EpiEstim)
library(patchwork)
## load data
case.asym.wider.sh<-read.csv('https://raw.githubusercontent.com/shalom-lab/covid.sh/main/local/share/case.asym.wider.sh.csv')

# observation
cases<-case.asym.wider.sh %>%
  select(date,pos) %>%
  mutate(date=as.Date(date)) %>%
  rename(I=pos,dates=date)

## make config
config <- make_config(
  mean_si = 4,
  std_si = 2
)


## estimate
res <- estimate_R(
  incid = cases,
  method = "parametric_si",
  config = config
)

#plot(res)

res.r<-res$R %>% as_tibble() %>%
  rename(mean=`Mean(R)`,std=`Std(R)`,lbd=`Quantile.0.025(R)`,ubd=`Quantile.0.975(R)`) %>%
  mutate(date=cases$dates[res$R$t_end])

res.si <- as_tibble(list(time=as.integer(str_sub(names(res$si_distr),2)),
                         frequency=as.vector(res$si_distr)))

p1<-ggplot(data = cases,aes(x=dates,y=I))+
  geom_col(fill= "#AD002AFF")+
  scale_x_date(date_breaks = "2 days",date_labels = "%m/%d",expand = c(0,0.5))+
  labs(x="",y=" 每日新增阳性数 ",title="Epidemic curve")+
  theme_bw()+
  theme(axis.text.x = element_text(angle=45,vjust=0.5,hjust = 0.5))

p2<-ggplot(data = res.r,aes(x=date,y=mean))+
  geom_ribbon(aes(ymin=lbd,ymax=ubd),fill= "#AD002AFF",alpha=0.2)+
  geom_line(size=1,colour= "#AD002AFF")+
  geom_hline(yintercept = 1,size=1,lty=2)+
  scale_x_date(date_breaks = "2 days",date_labels = "%m/%d",expand = c(0,0.5),limits = c(as.Date('2022-03-09'),Sys.Date()-1))+
  labs(x="",y=" 时变再生数 Rt",title='')+
  theme_bw()+
  theme(axis.text.x = element_text(angle=45,vjust=0.5,hjust = 0.5))

p3<-ggplot(data = res.si,aes(x=time,y=frequency))+
  geom_line()+
  labs(x="Time",y="Frequency",title='Assumptive Serial Interval Distribution')+
  theme_bw()

p1+p2+plot_layout(ncol = 1)
p3

结果显示目前时变再生数 Rt 已降至 1 以下，Rt 继续处于 1 以下将示意疫情失去无效管制, 心愿持续放弃，期待早日解封~

[1] Thompson, R. N., J. E. Stockwin, R. D. van Gaalen, J. A. Polonsky, Z. N.
Kamvar, P. A. Demarsh, E. Dahlqwist, et al. 2019.“Improved Inference of
Time-Varying Reproduction Numbers During Infectious Disease Outbreaks.”
Epidemics 29 (December): 100356.
https://doi.org/10.1016/j.epi….

[2]“新型冠状病毒 Omicron 变异株的流行病学特色及其迷信防控倡议.”
http://mp.weixin.qq.com/s?__b….

[3]“流行病学专家解读 | 传染病的无效再生数与根本再生数.”
http://mp.weixin.qq.com/s?__b….

参考资料