Quelques chiffres autour de l'épidémie de Covid-19
+Table des matières
+ +1 Identification du système
+date "+%Y-%m-%d"
+
++2020-04-19 + ++ +
uname -a ++
+Linux aluminium 4.14.0-3-amd64 #1 SMP Debian 4.14.17-1 (2018-02-14) x86_64 GNU/Linux + ++ +
import sys
+sys.version
+
++3.7.3rc1 (default, Mar 13 2019, 11:01:15) +[GCC 8.3.0] + ++
2 Récupération des données
++On prend les données distribuées par Our World In Data, elles-mêmes issues de +l'ECDC : +
+ +url = "https://covid.ourworldindata.org/data/ecdc/full_data.csv" +data_raw = pd.read_csv(url, index_col='date') +data_raw.tail(3) ++
+ location new_cases new_deaths total_cases total_deaths +date +2020-04-16 Zimbabwe 6 0 23 3 +2020-04-17 Zimbabwe 1 0 24 3 +2020-04-18 Zimbabwe 0 0 24 3 + ++
3 Evolution comparée de l'épidémie dans quelques pays
++Je préfère fonder l'analyse sur le nombre de décès, qui me semble plus fiable et +comparable d'un pays à l'autre que, par exemple, le nombre de cas dépistés. Afin +de recaler l'axe temporel, on positionne \(t=0\) au moment où le nombre total de +morts dépasse 100. +
+ ++La logique est la suivante : on considère le nombre \(n^c\) (de décès ou de cas) +dans un pays \(c\). On suppose que l'évolution de \(n^c\) en fonction du temps \(t\) +suit une loi de croissance exponentielle (au moins dans une phase initiale). On +s'attend ainsi à avoir une expression du type : +\[ + n^c(t) = n^c_0 \, e^{\lambda^c \left(t-t^c_0\right)}. +\] +Dans cette expression, la valeur initiale \(n^c_0 = n^c(t^c_0)\) est liée à la +taille de la population considérée. La constante de temps \(\lambda^c\) en revanche, +n'a pas vraiment de raison de l'être : elle reflète simplement le rythme auquel +l'épidémie se propage. +
+ ++Si l'on se donne un seuil \(\tau\) unique, on peut fixer pour chaque pays +l'instant initial \(t^c_0\) de sorte que +\[ + n^c(t^c_0) = \tau. +\] +En effectuant un recalage de l'instant initial, c'est à dire en effectuant le +changement de variable temporelle \(\tilde{t}^c=t-t^c_0\), on obtient +\[ + n^c(\tilde{t}^c) = \tau \, e^{\lambda^c\,\tilde{t}^c}, +\] +ce qui signifie que tous les pays deviennent comparables, indépendamment de leur +taille : on s'est ramené à comparer les constantes de temps \(\lambda^c\) entre +elles. +
+ ++En pratique, on prend +\[ + t^c_0 = \min \left\{t ; n^c(t) > \tau \right\}. +\] +
+ +# Parameters +column = "total_deaths" +threshold = 100 +countries = ["Italy", "Spain", "France", "United Kingdom", "Germany", "Switzerland"] + +total = {} +for country in countries: + total[country] = data_raw.query(f"location == '{country}' & {column} > {threshold}") + +total[countries[2]] ++
+ location new_cases new_deaths total_cases total_deaths +date +2020-03-16 France 924 36 5423 127 +2020-03-17 France 1210 21 6633 148 +2020-03-18 France 1097 27 7730 175 +2020-03-19 France 1404 69 9134 244 +2020-03-20 France 1861 128 10995 372 +2020-03-21 France 1617 78 12612 450 +2020-03-22 France 1847 112 14459 562 +2020-03-23 France 1559 112 16018 674 +2020-03-24 France 3838 186 19856 860 +2020-03-25 France 2446 240 22302 1100 +2020-03-26 France 2931 231 25233 1331 +2020-03-27 France 3922 365 29155 1696 +2020-03-28 France 3809 299 32964 1995 +2020-03-29 France 4611 319 37575 2314 +2020-03-30 France 2599 292 40174 2606 +2020-03-31 France 4376 418 44550 3024 +2020-04-01 France 7578 499 52128 3523 +2020-04-02 France 4861 509 56989 4032 +2020-04-03 France 2116 471 59105 4503 +2020-04-04 France 5233 2004 64338 6507 +2020-04-05 France 4267 1053 68605 7560 +2020-04-06 France 1873 518 70478 8078 +2020-04-07 France 3912 833 74390 8911 +2020-04-08 France 3777 1417 78167 10328 +2020-04-09 France 3881 541 82048 10869 +2020-04-10 France 4286 1341 86334 12210 +2020-04-11 France 4342 987 90676 13197 +2020-04-12 France 3114 635 93790 13832 +2020-04-13 France 1613 561 95403 14393 +2020-04-14 France 2673 574 98076 14967 +2020-04-15 France 5497 762 103573 15729 +2020-04-16 France 2633 1438 106206 17167 +2020-04-17 France 2641 753 108847 17920 +2020-04-18 France 405 761 109252 18681 ++ + +
+
4 Vers un passage du pic ?
++On s'intéresse ici à l'atteinte d'un pic du nombre de décès quotidiens liés à +Covid-19. Là encore, l'axe temporel est recalé afin de permettre une +comparaison entre pays : \(t=0\) est positionné au moment où le nombre quotidien +de morts dépasse 15. +
+ +threshold = 15 + +daily = {} +for country in countries: + daily[country] = data_raw.query(f"location == '{country}' & new_deaths > {threshold}") + +daily[countries[2]] ++
+ location new_cases new_deaths total_cases total_deaths +date +2020-03-14 France 785 18 3661 79 +2020-03-16 France 924 36 5423 127 +2020-03-17 France 1210 21 6633 148 +2020-03-18 France 1097 27 7730 175 +2020-03-19 France 1404 69 9134 244 +2020-03-20 France 1861 128 10995 372 +2020-03-21 France 1617 78 12612 450 +2020-03-22 France 1847 112 14459 562 +2020-03-23 France 1559 112 16018 674 +2020-03-24 France 3838 186 19856 860 +2020-03-25 France 2446 240 22302 1100 +2020-03-26 France 2931 231 25233 1331 +2020-03-27 France 3922 365 29155 1696 +2020-03-28 France 3809 299 32964 1995 +2020-03-29 France 4611 319 37575 2314 +2020-03-30 France 2599 292 40174 2606 +2020-03-31 France 4376 418 44550 3024 +2020-04-01 France 7578 499 52128 3523 +2020-04-02 France 4861 509 56989 4032 +2020-04-03 France 2116 471 59105 4503 +2020-04-04 France 5233 2004 64338 6507 +2020-04-05 France 4267 1053 68605 7560 +2020-04-06 France 1873 518 70478 8078 +2020-04-07 France 3912 833 74390 8911 +2020-04-08 France 3777 1417 78167 10328 +2020-04-09 France 3881 541 82048 10869 +2020-04-10 France 4286 1341 86334 12210 +2020-04-11 France 4342 987 90676 13197 +2020-04-12 France 3114 635 93790 13832 +2020-04-13 France 1613 561 95403 14393 +2020-04-14 France 2673 574 98076 14967 +2020-04-15 France 5497 762 103573 15729 +2020-04-16 France 2633 1438 106206 17167 +2020-04-17 France 2641 753 108847 17920 +2020-04-18 France 405 761 109252 18681 ++ +
+Le pic observé pour la France au 04/04 (jour 20 sur le graphique) correspond à la prise en compte +instantanée de tous les décès en EHPAD, dont le décompte est disponible à partir +du 01/02 (cf. données du gouvernement) +
+ + +
+