更新日:2022年10月18日

ここから本文です。

新型コロナ・予測モデルによる重症者数等シミュレーション

本プロジェクトによるコロナ感染予測の更新は当面の間、停止しています。

予測モデルの概要簡易モデル主要モデル

新型コロナ感染予測の更新停止のお知らせ

本プロジェクトによるコロナ感染予測の更新を、次の2つの問題が生じたため、当面の間、停止します。

  1. 2022年1月から本県でも感染拡大が認められているオミクロン変異株が、従来の変異株に比べて大きく特徴が異なり、感染予測が困難であること。
  2. 本プロジェクトの感染予測モデルでは、Googleによる「COVID-19感染予測(日本版)」の神奈川県全体の感染予測のデータを使用していますが、当該データの更新が2022年2月10日以降停止され、収集できなくなったこと。

予測モデルの概要

  • 「GoogleAI・COVID-19感染予測(日本版)」や人流のオープンデータ、ワクチン接種状況等のデータを加味し「中等症」及び「重症」となる患者数を中心に推計するモデルを開発しました。
  • 例えば、現在からある割合の人流が抑制されると、地域別の「重症者」、「入院者」、「療養者」について、「最もよく起こる」、「最良」、「最悪」の3パターンの予測がどう変化するかなど、表及びグラフでシミュレーションすることが可能となりました。
  • これにより、「人流」「ワクチン接種率」等の変化の割合等が入院者数や療養者数に与える影響について、シミュレーションが実施可能になるなど、有効な新型コロナ感染防止対策の影響度を測りやすくなります。

(1)簡易モデル

「簡易モデル」は、地域別の「重症者」、「入院者」、「療養者」について、「最もよく起こる」、「最良」、「最悪」の3パターンで推計し、確保病床数、重症用病床数に対して、いつ超えてしまうのか、表とグラフでシミュレーションができるようになります。

(2)主要モデル

「主要モデル」は、「簡易モデル」の機能に加えて、例えば、現在の何パーセントの人流を抑制できれば、地域別の「重症者」、「入院者」、「療養者」が、確保病床数、重症用病床数を超えてしまうタイミングを1週遅らせることができるなどを表とグラフでシミュレーションできます。このシミュレーションも「最もよく起こる」、「最良」、「最悪」の3パターンで推計できます。

新型コロナ感染者情報分析EBPMプロジェクト

神奈川県立保健福祉大学 分析チーム

チームリーダー

Yoo,Byung-Kwang

写真:Yoo,Byung-Kwang

ヘルスイノベーション研究科 教授
イノベーション政策研究センター センター長

略歴
米国カリフォルニア大学デービス校医学部公衆衛生学科准教授/米国ニューヨーク州ロチェスター医学部公衆衛生学科助教授/米国連邦政府疾病管理予防センター(CDC)ヘルス・エコノミスト・予防効果フェロー/米国スタンフォード大学医療政策センター研究員/国立大阪病院整形外科臨床研修医 など

 

メンバー

吉田 穂波

写真:吉田穂波

ヘルスイノベーション研究科 教授
イノベーション政策研究センター 研究員

聖路加国際病院産婦人科医師/ハーバード公衆衛生大学院リサーチフェロー/国立保健医療科学院主任研究官/神奈川県技幹などを経て現職

渡邊 亮

写真:渡邊亮

ヘルスイノベーション研究科 准教授
イノベーション政策研究センター 研究員

公衆衛生学修士(専門職)、博士(商学)/東京医科大学助教、神奈川県庁などを経て、2018年より神奈川県立保健福祉大学/医療情報技師

勝亦 千尋

ヘルスイノベーション研究科 修士2年
イノベーション政策研究センター インターン

 

関連リンク

このページの所管所属は健康医療局 医療危機対策本部室です。