都道府県ごとのシミュレーションによる検討

2020年4月5日版 (2020年4月7日改定)

文責:佐藤彰洋(ahsato@yokohama-cu.ac.jp)

都道府県ごとに遅れ付確率的SIRモデルを用いた感染率と回復率(除去率)の推計を行った結果を掲載する。

このページのまとめ

2020年4月7日現在感染者数が特に多い上位の都道府県に対して、以下のように感染率\alphaと回復率(または除去率)\betaがそれぞれ求められた。また、感染者数を減少させ、感染拡大を終息させるために必要な、社会的距離戦略の減少目標値qについても以下のとおり概算値が得られた(社会的距離戦略の減少目標値qについての解説についてはここを参照されたい)。

※ここで取り扱う計算モデルでは、鉄道での都道府県間の移動が存在しないことを仮定している。そのため、鉄道での都道府県間の移動がある場合は、この見積もりに従わない。2020年4月7日に発布された非常事態宣言の趣旨に従い、鉄道での都道府県間の移動はせず移動自粛を徹底されることを強くお願いする。

コード 都道府県 フィッティング期間感染率
\alpha
回復率
(または除去率)
\beta
目標減少値 q
(データ期間の次の日から実施)
一週間当たりの外出可能時間見積もり(1日13.2時間の場合)コメント
01 北海道 2020年3月15日-2020年4月7日 0.006682(2020年3月17日以前), 0.020045 (2020年3月18日~2020年3月19日), 0.043430 (2020年3月20日以降) 0.02115%831分/週改善
08茨城県2020年3月17日-2020年4月5日 2.347395(2020年3月17日以前9.389580 (2020年3月18日~2020年3月19日), 2.347395 (2020年3月20日以降) 0.0817%388分/週警戒
11埼玉県2020年3月15日-2020年4月5日 0.157510 (2020年3月16日以前), 0.141759 (2020年3月17日~2020年3月21日), 0.567038 (2020年3月22日以降) 0.0292511%609分/週 警戒
12千葉県 2020年3月10日-2020年4月5日 0.038861 (2020年3月16日以前), 1.243547 (2020年3月17日~2020年3月19日), 0.213735 (2020年3月20日以降) 0.0105 5% (2020年3月12日前後比) 277分/週深刻
13 東京都 2020年3月15日-2020年4月6日 0.057010 (2020年3月9日以前) 0.57010 (2020年3月10日以降) 0.0137 2%(2020年3月15日前後の活動頻度比)110分/週深刻
14神奈川県 2020年3月10日-2020年4月3日 0.041121 (2020年3月13日まで), 0.179612 (2020年3月14日後) 0.0115% (2020年3月16日前後の活動頻度比) 277分/週現状維持
15新潟県 2020年3月10日-2020年4月5日 0.0908890.018230%1663分/週改善
18福井県2020年3月20日-2020年4月5日 1.62833 0.0899005%277分/週新規
21岐阜県2020年3月16日-2020年4月5日 0.56546 0.05850010%554分/週現状悪い
23愛知県 2020年3月10日-2020年4月5日 0.204156 (2020年3月21日まで), 0.094207 (2020年3月22日~ 2020年3月25日), 0.096623 (2020年3月20日以降) 0.0076.7%371分/週悪化
26京都府2020年3月10日-2020年4月5日0.060744 (2020年3月17日まで), 0.425206 (2020年3月18日~2020年3月20日), 0.449503 (2020年3月21日以降) 0.0152.0%(2020年3月15日頃直接接触頻度比)110分/週深刻
27 大阪府 2020年3月10日-2020年4月5日 0.042266 (2020年3月17日以前) 0.177571 (2020年3月18日-2020年3月20日), 0.219783 (2020年3月21日以降) 0.011250 4% (2020年3月17日前後活動頻度比) 221.7分/週深刻
28 兵庫県 2020年3月15日-2020年4月5日 0.032325 (2020年2月25日以前), 0.016162 (2020年2月26日以降~2020年3月15日), 0.084045 (2020年3月16日以降) 0.00975 7.6% (2020年2月25日以前比) 421.3分/週悪化
29奈良県2020年3月10日~2020年4月5日 0.013881 (2020年3月14日以前), 0.138811 (2020年3月15日以降) 0.004253%166.3分/週新規
40福岡県2020年3月10日~2020年4月6日0.053804 (2020年3月16日以前), 1.237497 (2020年3月17日~2020年3月21日), 4.573358 (2020年3月22日~2020年3月27日)1.102986 (2020年3月28日以降) 0.013150 1.2%(2020年3月10日以前比)66.5分/週極めて深刻

遅れ付確率的SIRモデル

確率微分方程式

(1)   \begin{eqnarray*}dS &=& -\alpha(t)\frac{S(t)I(t)}{N(t)}dt + \sqrt{\alpha(t)\frac{S(t)I(t)}{N(t)}} dW_1(t) \\ \nonumber dI &=& \alpha(t-\tau) \frac{S(t-\tau)I(t-\tau)}{N(t-\tau)} dt - \beta(t) I(t) dt \\ &+& \sqrt{\alpha(t-\tau)\frac{S(t-\tau)I(t-\tau)}{N(t-\tau)}} dW_1(t-\tau) - \sqrt{\beta(t)I(t)} dW_2(t) \\ dR &=& \beta(t) I(t) dt + \sqrt{\beta(t)I(t)} dW_2(t) \\ dD &=& fatalityrate \times \bigl(\beta(t)I(t) dt + \sqrt{\beta(t)I(t)} dW_2(t) \bigr) \\ dR_r &=& (1-fatalityrate) \times \bigl(\beta(t)I(t) dt + \sqrt{\beta(t)I(t)}dW_2(t) \bigr)   \\ N(t) &=& S(t) + I(t) + R(t)  \end{eqnarray*}

変数

  • S(t): 未罹患の状態の人数
  • I(t): 感染した状態の人数
  • R(t): 回復または死亡した状態の人数
  • D(t): 死亡者数
  • R_r(t): 回復者数
  • dW_1(t), dW_2(t): ウィナー過程の増分 \mbox{E}[dW_i(t_1) dW_j(t_2)] = 2\delta_{i,j} \delta(t_1-t_2)dt \quad (i,j = \{1,2\})

初期値

(2)   \begin{eqnarray*} S(0) &=& N_0 \\ I(t) &=& I_0(t) \quad (-t \leq t \leq \tau) \\ R(0) &=& R_0\end{eqnarray*}

パラメータ

  • \alpha(t) : 感染率
  • \beta(t): 回復率 (または除去率)
  • fatalityrate: 死亡率

外生的パラメータ

パラメータ推定方法

日次感染者数データI_o(t) \quad t \in [t_s,t_e]とシミュレーション結果\hat{I}(t; \alpha,\beta)との2乗誤差E(\alpha, \beta)が最小となるようにパラメータ\hat{\alpha}\hat{\beta}を選ぶ。

(3)   \begin{eqnarray*} E(\alpha, \beta) &=& \mbox{E}\Bigl[\sum_{t=t_s}^{t_e} \bigl(I_o(t) - \hat{I}(t; \alpha,\beta)\bigr)^2\Bigr] \\ \{\hat{\alpha}, \hat{\beta} \} &=& \arg\min_{\alpha,\beta} E(\alpha, \beta) \end{eqnarray*}

ここで、\mbox{E}[x]xの期待値を意味する。

参考文献:Aki-Hiro Sato, Isao Ito, Hidefumi Sawai, Kentaro Iwata, “An epidemic simulation with a delayed stochastic SIR model based on international socioeconomic-technological databases”, https://ieeexplore.ieee.org/document/7364074

推計の方法

都道府県間での移動がない条件のもとで、2020年3月10日(それ以降に明らかな変曲点が存在する場合はその変曲点以降)から2020年3月28日までの日次感染者数と数値シミュレーション結果との間の二乗誤差を最小とするパラメータを選択する。感染率変動モデルを用いて、変曲点が発生している場合はその14日前に感染率が変動していることを仮定してフィッティングを行う。

さらに、各都道府県に対して社会的距離戦略(social distancing)の目標減少値 qとし、2020年3月28日時点で都道府県に所属する人々が夫々、それ以前自身が直近で行ってきたヒトとの直接接触頻度をqパーセント(q \geq 0)に減少させる社会的距離戦略を採用したと仮定する。

このとき、この減少目標値qを有する社会的距離戦略を2週間以上に渡り、この地域で生活する人々全てが実行できたと仮定した場合に、感染者数の消失を確認することができるかについて検討する。

実は理論的には、モデルとして採用する遅れ付確率的SIRモデルの特性方程式の固有値\lambdaの実数部分が負となる条件を探していることに対応している。固有値の実数部分の正負により、有限時間で0に収束する解と有限時間で発散(飽和)する2つの解が存在しており、この固有値はモデルパラメータである\alpha, \beta, \tau, S(0), I(0), N0の関数R0 = G(\alpha, \beta, \tau, S(0), I(0), N_0)として表現される。qの値により感染率\alphaを変化させることにより、感染者数I(t)に減少が認められるということは、有限時間で0に収束する解の領域にパラメータがあることを意味し、その条件を継続して満足することで、感染者を有限時間で環境中から消失させることができる。目標減少率とはこの感染者を環境中から消滅させることができる閾値を意味し、そのようなレベルまで感染率を減少させる行動を社会全体で実行することができれば、COVID-19の感染拡大を抑止し、この感染連鎖を終息させることが可能となる。

この分析手法は全数調査を前提としておらず、感染者確認数は標本調査であるとしても基本的に日次累積感染者数の増加傾向からパラメータが決まっているのでパラメータは標本に対してほぼ同様に決定される。そのため、PCR検査の数が有限であっても基本的に、日々報告される感染者確認数は、標本調査であるとみなしてよく、母集団のよい推計となっている(ランダムサンプリングであれば)と考えます。

そして、感染者確認数の増加傾向から、環境中に存在する観測にかからない感染者の成長速度を標本調査としてとらえ、モデルにより標本に対するパラメータで母集団の成長傾向を推計しています。更に、最も大切なのは、推計されるパラメータにより環境中で成長する感染者数が成長できなくなる(すなわち感染リンクを継続できなくできる)感染率閾値\alpha_a = \alpha qとして計算し、このような感染連鎖を継続できなくなるような感染率を人との直接接触頻度を現状からqだけ減少させることにより実現しようとした場合の、直接接触頻度の低下目標値qとして計算しています。

そのため、以下で示すシミュレーション結果は、確かに標本に対する日々の感染者確認数の累積数ではあるのですが、ある意味、環境中に存在する我々には見ることはできない、感染者の母集団がどのように時間的に振る舞うのかを見ていることにもなっているのです。

シミュレーション結果

以下ではそれぞれの都道府県についてパラメータの推計並びに、減少目標値を数値シミュレーションから計算してみる。各都道府県の人口は2018年10月現在総務省統計局公表都道府県別人口推計値を使った。また、日次感染者数データとして、各都道府県が公表しているCOVID-19のPCR検査陽性反応の確認データを積算集計した。パラメータ推定値のうち感染率\alphaは名目上の未罹患者と感染者数の接触断面積に対して、人間の社会経済活動にともなう直接接触の結果決定される。そのため、現在実行している直接接触の頻度をq倍することにより、その感染率はq倍される。

よって、現状の積算での感染者数の累積人数の増加傾向から推計されたパラメータ\alpha_0\beta_0をベースラインとして、\alpha=q \alpha_0とした場合に、数値シミュレーションにより得られる感染者数がt \rightarrow \inftyにおいて0に収束する状況となるqの閾値を探す。この閾値が、現在行っている人間活動において直接的接触を伴う行動を減少させるべき、目標減少量qを与える。

感染者数上位の都道府県に対してフィッティング区間において二乗誤差をできる限り小さくするパラメータ\alpha,\betaを決めた場合の数値シミュレーションによる外挿結果を上図に示す。また、データ期間の最後日の次の日から社会構成員全員が人との直接接触頻度を減少目標値qに設定した場合にその後感染者数に減少が確認される減少速度(時定数)を確認するために、下図を示す。

このモデルを仮定した場合に、データをもっともよく説明するパラメータを推計する。そして、推計された感染率をq倍することで、感染者数の減少が確認できるパラメータを探す。もし、このような感染者数の低下をシミュレーション上で確認できるようにqが設定できているということは、観測される感染者数の増加速度から推測される感染率\alphaと除去率\betaを有して成長を続ける環境中の観測できていない感染者の感染リンクを確率的に継続できなくできていることを意味している。このような終息条件まで感染率を低下させることで、環境中の観測できていない感染者の増幅を停止させ、環境中に存在する感染者数を減少させる場合に、どの程度の速度で環境中の感染者が減少していくのか(時定数)を確認するために下図を示している。

議論

この感染者数の減少を確認できるようになる、人間の直接接触行動頻度の減少目標値qは、パーコレーション理論における浸透閾値と本質的に同じ問題を取り扱っている。

パーコレーション理論では、浸透閾値以下では有限サイズクラスタまでしかできず、もし感染連鎖がクラスタ内で進展していたとしても、システム全体までは感染連鎖は波及しないで有限時間を経過すると、感染症は消滅する。すなわち、感染者数は最終的には減少していくことを意味する。反対に、浸透閾値以上ではクラスタサイズはシステムサイズと等しくなる。この条件では、システム内で発生した感染連鎖はシステム全体まで波及していく。すなわち感染者数は全人口に向かって指数関数的な上昇を確認する。パーコレーション理論からの考察により、COVID-19による今回の疫病の蔓延が、終息するか、社会が破滅的状況になるまで停止しないかの2つの状況しか存在していないという結論が導かれる。

一般に、都道府県の感染者数の増加傾向から推計されるパラメータを使った終息を可能とする直接接触頻度の減少目標値は10%~25%程度である。この値は、通常の経済社会的な活動を持続的に行うには低すぎる値である。よって、通常の経済社会的活動を継続しながら、COVID-19の感染拡大を抑止する方法は存在していないと考えるべきである。

また、直接接触頻度の減少目標値を、環境中に存在する感染者が有意に減少していくまで直接接触頻度を低下させることができるとすると、ある程度の時間を経過すれば環境中の感染者は感染リンクを継続できなくなりそれ以上成長することがなくなる。その間に、徹底的なクラスター対策と、感染者の特定と隔離病棟における治療を実施することで、環境中に存在する感染者数を減らしていくことが可能である。

そして、そのような作業が完了し、環境中の感染者を全て特定し、治療に入ってもらった後には、これまでの直接接触頻度まで活動を再開させても、もはや環境中に感染者は存在しないためCOVID-19の感染拡大は生じないと考えられる。

結論として、 以下の方法が、唯一我々が、社会が破滅的状況となることを避ける方法であると考える。

  1. 社会的距離戦略を社会全体で採用し、直接接触頻度の減少目標値qまで人の直接接触頻度を低下させ、感染連鎖が継続しない状況を作る
  2. 新たな感染者が生まれ得ない状況を作り出し、そのような状況において、徹底的なクラスター対策と、検査、感染者の特定作業を行い、感染している人を探し出す(可能であれば発症前のウイルス保有状態で、ウイルスを減少させることができる方法を探し出し、ウイルス排出を高められることが望まれる)
  3. 検査の結果、感染が確認された方には、隔離的環境で治療に専念して頂き治癒を待つ
  4. COVID-19の発症者数が長期間に渡り確認されない状況となることを待ち、社会的距離戦略の直接接触頻度減少目標値qの上昇を待つ
  5. 社会的距離戦略の直接接触頻度減少目標値qの上昇に伴い、社会活動を再開することができ、通常の生活に戻っていくことができる

北海道

  • 人口 5,285千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.009557 (2020年3月21日以前), 0.019113 (2020年3月22日以降)
  • 回復率 (または除去率) \beta =  0.03
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 4.6%
  • フィッティング期間:2020年3月15日~2020年4月7日
日次感染者数の実績値●と対策をしなかった場合のシミュレーション結果〇)
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月8日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月8日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

茨城県

  • 人口 2,878千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率: \alpha = 2.347395(2020年3月17日以前9.389580 (2020年3月18日~2020年3月19日), 2.347395 (2020年3月20日以降)
  • 回復率(または除去率): \beta =  0.081
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 7%
  • フィッティング期間:2020年3月17日~2020年4月5日

茨城県内において2020年3月19日以降感染者が確認されるようになってきました。この感染率は極めて大きく、スペインドイツと同程度の感染率が推計値として得られました。これは、感染力の強い欧州亜種が茨城県内においても蔓延が2020年3月18日前後以降で始まったと見るべき結果です。第2波の影響が茨城県内においても、確認されはじめています。茨城県内において、今後東京都、大阪府のような感染者数の急増が継続して確認される可能性があります。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値qが3%と極めて小さな値が算出されます。危険回避的な行動を取るようにしてください。

日次感染者数の実績値●と対策をしなかった場合のシミュレーション結果〇)
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

埼玉県

  • 人口 7,330千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.157510 (2020年3月16日以前), 0.141759 (2020年3月17日~2020年3月21日), 0.567038 (2020年3月22日以降)
  • 回復率(または除去率) \beta = 0.02925
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 11%
  • フィッティング期間:2020年3月10日~2020年4月5日

埼玉県においても、欧州亜型の流行と推測される感染率の上昇が2020年3月24日以降から確認されるようになりました。2020年3月15日以前と比較して3.6倍の感染率の上昇が確認されました。

日次感染者数の実績値●と対策をしなかった場合のシミュレーション結果〇)
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

千葉県

  • 人口 6,254千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.038861 (2020年3月16日以前), 1.243547 (2020年3月17日~2020年3月19日), 0.213735 (2020年3月20日以降)
  • 回復率(または除去率) \beta = 0.0105
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 5%
  • フィッティング期間:2020年3月10日~2020年4月5日

千葉県内において2020年3月17日~2020年3月19日以降感染率の上昇が確認されています。2020年3月17日以降は2020年3月14日以前に比べ5.5倍の感染率の上昇と推計されます。これは、東京都、大阪府で確認されている感染力の強い欧州亜種が千葉県内においても蔓延が2020年3月17日前後以降で始まったと見るべき結果です。第2波の影響が千葉県内においても、東京都から遅れて確認されはじめています。千葉県内において、今後東京都、大阪府のような感染者数の急増が継続して確認される可能性があります。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値qが低下しています。危険回避的な行動を取るようにしてください。

日次感染者数の実績値●と対策をしなかった場合のシミュレーション結果〇)
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

東京都

  • 人口 13,823千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.055064 (2020年3月9日以前) 0.55064 (2020年3月10日以降)
  • 回復率(または除去率) \beta =  0.0139
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • フィッティング期間:2020年3月15日~2020年4月5日
  • 社会的距離戦略による減少目標値:q=2% (感染力が強いL亜型の感染拡大が発生していると仮定した場合2020年3月16日前後の活動頻度比, 速報値からの補正を行いました。)

東京都において、線形的増幅からの乖離を2020年4月3日以降から確認しました。2020年4月1日までのデータから推計されたパラメータ(増加傾向)で計算される増加傾向以上の増加速度で今後感染者確認数の急増が今後発生します。当初予想の2020年4月9日より5日間早く指数的増加が始まってしまいました。

潜伏期間パラメータ等のモデルパラメータの見直しを行いました。潜伏期間パラメータ\tau=10 [days]として一致性高いことが分かりました。

日次感染者数の実績値●と対策をしなかった場合のシミュレーション結果〇)
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

神奈川県

  • 人口 9,177千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.041121 (2020年3月13日まで), 0.179612 (2020年3月14日後)
  • 回復率(または除去率) \beta = 0.011
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 5%
  • フィッティング期間:2020年3月10日~2020年4月3日

神奈川県内において2020年3月15日以降感染率の上昇が確認されはじめました。2020年3月15日以降は2020年3月10日以前に比べ4.0倍の感染率の上昇と推計されます。これは、東京都、大阪府で確認されている感染力の強い欧州亜種が神奈川県内においても蔓延が2020年3月15日以降で始まったと見るべき結果です。第2波の影響が神奈川県内においても、東京から若干遅れて確認されはじめています。神奈川県内において、今後東京都、大阪府のような感染者数の急増が継続して確認されるものと予想します。厳重に注意してください。社会的距離戦略における直接接触頻度の減少目標値qが急激に減少を始めています。危険回避的な行動を取るようにしてください。

〇は対策をしない場合の数値シミュレーションの結果、●は日次感染者確認数の実測値
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

新潟県

  • 人口 2,246千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値
  • 感染率 \alpha=0.090889 (パラメータは3月27日より変化なし)
  • 回復率(または除去率) \beta=0.0182
  • 遅れ時間 \tau=14 [days]
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 30%
  • フィッティング期間:2020年3月10日~2020年4月5日
日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合のシミュレーション結果。

まとめに戻る

福井県

福井県内において2020年3月20日以降感染者が確認されるようになってきました。この感染率は極めて大きく、スペインドイツと同程度の感染率が推計値として得られました。これは、感染力の強い欧州亜種が福井県内においても蔓延が2020年3月5日前後以降で始まったと見るべき結果です。第2波の影響が福井県内においても、確認されはじめています。福井県内において、今後東京都、大阪府のような感染者数の急増が継続して確認される可能性があります。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値qが5%と極めて小さな値が算出されます。危険回避的な行動を取るようにしてください。

〇は対策をしない場合の数値シミュレーションの結果、●は日次感染者確認数の実測値
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

岐阜県

  • 人口  1,996千人(2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率: \alpha=0.56546
  • 回復率(または除去率): \beta=0.058500
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比): q = 10%
  • フィッティング期間:2020年3月16日~2020年4月5日

岐阜県内において2020年3月20日以降感染者が確認されるようになってきました。この感染率は極めて大きく、イタリアと同程度の感染率が推計値として得られました。これは、感染力の強い欧州亜種が岐阜県内においても蔓延が2020年3月9日前後以降で始まったと見るべき結果です。第2波の影響が岐阜県内においても、確認されはじめています。岐阜県内において、今後東京都、大阪府のような感染者数の急増が継続して確認される可能性があります。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値qが10%と小さな値が算出されます。危険回避的な行動を取るようにしてください。

〇は対策をしない場合の数値シミュレーションの結果、●は日次感染者確認数の実測値
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

愛知県

  • 人口  7,536千人(2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha=0.204156 (2020年3月21日まで), 0.094207 (2020年3月22日~ 2020年3月25日), 0.096623 (2020年3月20日以降)
  • 回復率(または除去率) \beta=0.007
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 6.7%
  • フィッティング期間:2020年3月10日~2020年4月5日

愛知県内において2020年3月22日以降感染率の上昇が確認されています。2020年3月22日以降は2020年3月16日以前に比べ4.0倍の感染率の上昇と推計されます。これは、東京都、大阪府で確認されている感染力の強い欧州亜種が愛知県内においても蔓延が2020年3月16日~23日以降で始まったと見るべき結果です。第2波の影響が愛知県内においても、東京から若干遅れて確認されはじめています。愛知県内において、今後東京都、大阪府のような感染者数の急増が継続して確認されるものと予想します。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値qが減少しています。欧州亜型の蔓延に備えて、危険回避的な行動を取るようにしてください。

日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

京都府

  • 人口: 2,592千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率: \alpha =   0.060744 (2020年3月17日まで), 0.425206 (2020年3月18日~2020年3月20日), 0.449503 (2020年3月21日以降)
  • 回復率(または除去率): \beta =  0.015
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比): q = 2.8% (2020年3月10日以前比)
  • フィッティング期間:2020年3月10日~2020年4月5日

京都府内において2020年3月16日以降感染率の急上昇が確認されはじめました。2020年3月19日以降は2020年3月15日以前に比べ7.4倍の感染率の上昇と推計されます。これは、東京都、大阪府で確認されている感染力の強い欧州亜種が京都府内においても蔓延が2020年3月16日~19日以降で始まったと見るべき結果です。第2波の影響が京都府内においても、東京から若干遅れて確認されはじめています。京都府内において、今後東京都、大阪府のような感染者数の指数関数的な急増が2020年4月10日以降で確認されるものと予想します。厳重に注意してください。社会的距離戦略における、直接接触頻度の減少目標値が2%まで減少しました。危険回避的な行動を取るようにしてください。

日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

大阪府

  • 人口 8,812千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha =0.042266 (2020年3月17日以前) 0.177571 (2020年3月18日-2020年3月20日), 0.219783 (2020年3月21日以降)
  • 回復率(または除去率) \beta =  0.01125
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • フィッティング期間:2020年3月10日~2020年4月5日
  • 社会的距離戦略による減少目標値:q=4% (2020年4月6日に実行した場合。2020年3月17日前後の直接行動頻度比)
日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

兵庫県

  • 人口 5,484千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.032325 (2020年2月25日以前), 0.016162 (2020年2月26日以降~2020年3月15日), 0.084045 (2020年3月16日以降)
  • 回復率(または除去率) \beta =0.009
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値(現時点直接接触頻度比) q = 8.8% (2020年2月26日前後比),
  • フィッティング期間:2020年3月15日~2020年4月5日
日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る

奈良県

  • 人口 1,338千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.013881 (2020年3月14日以前), 0.138811 (2020年3月15日以降)
  • 回復率(または除去率) \beta = 0.00425
  • 遅れ時間 \tau=10 [days] (欧州亜型を仮定)
  • 社会的距離戦略減少目標値: q=3% (2020年3月10日前後直接接触頻度比)
  • フィッティング期間:2020年3月10日~2020年4月5日

奈良県内において2020年3月15日以降感染率の急上昇が確認されはじめました。2020年3月15日以降は2020年3月10日以前に比べ10.0倍の感染率の上昇と推計します。これは、東京都、大阪府で確認されている感染力の強い欧州亜種が奈良県内においても感染拡大が2020年3月15日頃から始まったと見るべき結果です。第2波の影響が奈良県内においてすでに広がっていることが懸念されます。奈良県内において、社会的距離戦略における、直接接触頻度の減少目標値はすでに3%以下まで減少しています。危険回避的な行動を取り欧州亜種の流行に備えてください。

日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月6日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月6日から直接接触頻度をq=20%まで低下させた場合の 感染者数シミュレーション結果。

まとめに戻る

福岡県

  • 人口 5,108千人 (2018年10月現在 総務省統計局公表都道府県別人口推計2018年10月概算値)
  • 感染率 \alpha = 0.053804 (2020年3月16日以前), 1.237497 (2020年3月17日~2020年3月21日), 4.573358 (2020年3月22日~2020年3月27日)1.102986 (2020年3月28日以降)
  • 回復率(または除去率) \beta =0.013150
  • 遅れ時間 \tau=10 [days]
  • 社会的距離戦略減少目標値: q=1.2% (2020年3月12日前後直接接触頻度比)
  • フィッティング期間:2020年3月10日~2020年4月6日

福岡県内において2020年3月9日以降感染率の急上昇が確認されはじめました。2020年3月19日以降感染率が急速に上昇していました。東京都、大阪府で確認されている感染力の強い欧州亜種が福岡県内においても蔓延が2020年3月19日頃から始まったと見るべき結果です。第2波の影響が福岡県内において極めて深刻に広がっていることが確認されています。福岡県内において、指数関数的な増幅(爆発的感染拡大)が2020年4月12日頃から始まる可能性を強く懸念します。社会的距離戦略における、直接接触頻度の減少目標値は現在、1.2%と極めて小さな値を示しています。直ちに、危険回避的な行動を取り直接接触頻度を低下させ、感染蔓延を回避する危険回避を図るべきと考えます。すでに、福岡県内で1000名程度がすでに感染または発症しており、今後10日間で検査にて陽性が確認される可能性があります。

日次感染者数の実績値●と対策をしなかった場合の数値シミュレーション結果〇
日次感染者数の実績値●と数値シミュレーション結果〇 ( 2020年4月7日から全員が 直接接触頻度の減少目標値qを実行した場合のシナリオ。)
2020年4月7日から直接接触頻度をq=20%まで低下させた場合の感染者数シミュレーション結果。

まとめに戻る