Skip to content

I migliori grafici e grafici di Coronavirus Statistiche COVID-19

La curva globale si sta appiattendo, ma le infezioni da COVID-19 (coronavirus) sono ancora in aumento e potrebbero emergere nuovi hotspot, come il Brasile. Questo è un grande miglioramento rispetto a settimane di crescita terribile ed esponenziale in tutto il mondo. Ma le statistiche globali o persino americane sono difficili da analizzare quando stai cercando di capire se la situazione locale nella tua città e stato sta migliorando o peggiorando.

Fortunatamente, un mix di importanti specialisti della visualizzazione dei dati e scienziati appassionati ha sgranocchiato i numeri su COVID-19 (le statistiche sanitarie sono state compilate da artisti del calibro di Johns Hopkins o New York Times) per grafici e visualizzazioni che aiutano a fare luce sulla diffusione del virus.

Scopri quanto bene la tua contea sta combattendo l’epidemia rispetto ad altre, o se uno stato sta davvero appiattendo la sua curva, o forse ancora più importante, quanto piatta deve diventare la curva. Questi quattro grafici rivelano i modelli e le intuizioni che possono aiutarti a dare un senso alle ultime statistiche COVID-19.

91-DIVOC: Il modo più semplice per dare un senso ai dati essenziali

Questi grafici presentano i dati globali sul COVID-19 in modo onesto e intuitivo, allineando i paesi (o gli stati) in base allo stadio delle loro epidemie piuttosto che in base alla data del calendario e consentendo ai lettori di alternare tra lineare e log e visualizzare il paese (o lo stato ) dati normalizzati per la popolazione.

L’11 marzo, Wade Fagen-Ulmschneider e sua moglie hanno annullato il loro viaggio per le vacanze di primavera nella località turistica di Hilton Head Island, nella Carolina del Sud. “Ero un po’ deluso”, dice Fagen-Ulmschneider. Ma lo scienziato informatico specializzato in visualizzazione dei dati presso l’Università dell’Illinois a Urbana-Champaign ha tratto il meglio da una brutta situazione. E in 48 ore, Fagen-Ulmschneider ha rilasciato la sua visualizzazione incredibilmente semplice e interattiva della pandemia di COVID-19. Il sito ora attira fino a 70.000 lettori giornalieri, inclusi i governatori di Washington e Kentucky governatori, che hanno utilizzato i grafici 91-DIVOC nei briefing con la stampa.

I grafici non fanno previsioni. Piuttosto, estraggono i dati COVID-19 esistenti dal Archivio Johns Hopkins—casi, decessi e pazienti guariti — e visualizzare i dati in vari formati, ad esempio per paese, per stato degli Stati Uniti o normalizzati per popolazione.

I display 91-DIVOC sono stati ispirati da Le visualizzazioni di John Burn-Murdoch per il Financial Times, che confrontano le traiettorie di malattia dei paesi sovrapponendo le curve dei casi in base al giorno in cui ogni paese ha registrato un certo numero di infezioni. (Poiché i conteggi dei casi sono imprecisi a causa di test scarsi, questi grafici ora allineano i paesi in base ai “giorni da quando i decessi giornalieri medi hanno superato 3”.)

Il problema è che le immagini sono statiche. Fagen-Ulmschneider voleva vedere cosa rappresenta ogni punto: quali erano i numeri dei casi di ieri, quali erano cinque giorni fa. Voleva poter toccare i singoli punti dati per vedere i numeri dei casi sottostanti e i tassi di crescita. In altre parole, voleva “prendere un mucchio di dati e visualizzarli in un modo che tu possa smanettare con essi”.

I grafici 91-DIVOC possono essere visualizzati in formato lineare e logaritmico. Le curve lineari mostrano casi cumulativi in ​​funzione del tempo. Tuttavia, man mano che i casi crescono in modo esponenziale, come di solito fanno per le epidemie, i casi di ogni paese o stato sembrano proprio una mazza da hockey. Un grafico in scala logaritmica, in cui uno o entrambi gli assi aumentano in modo esponenziale (1, 10, 100, anziché 1, 2, 3), i dati vengono compressi per semplificare l’analisi delle tendenze esponenziali.

Tuttavia, le curve di registro possono distorcere l’elemento umano. Ogni caso di malattia “è una persona reale”, afferma Fagen-Ulmschneider. Mentre le curve lineari aumentano della stessa quantità per il primo, il decimo o il centesimo insieme di migliaia di casi, con i grafici a scala logaritmica “si vede sempre meno l’impatto di ogni nuova persona”.

La facilità di passare da una scala all’altra “è un’ottima caratteristica”, afferma Raymond Wang, MD, un genetista biochimico di Orange County che pubblica schermate 91-DIVOC su Facebook per mostrare come sta procedendo la pandemia nel suo stato natale, la California. “Vedere in termini assoluti come la California si confronta con altri stati è fondamentale”, afferma. “La scala logaritmica non sempre lo cattura.”

CovidTrends: Guarda i paesi che appiattiscono la loro curva

Questo animatod grafico maÈ estremamente chiaro quando i nuovi casi di un paese (o di uno stato) si stabilizzano tracciando nuovi casi rispetto ai casi totali.

Ai primi di marzo ha scritto il fisico Aatish Bhatia un po’ di codice per monitorare la velocità con cui il numero di casi confermati di COVID-19 è aumentato in diversi paesi, sulla base dei dati globali di Johns Hopkins. Ciò che ha scoperto è stato sorprendente: durante la fase esponenziale, i tassi di crescita erano molto simili tra i paesi, indipendentemente dalla popolazione o dal momento in cui si sono presentati i primi casi. Bhatia ha parlato con Henry Reich, creatore del canale educativo YouTube chiamato MinutePhysics, per trovare un buon modo per visualizzare questi dati.

La chiave, come spiega Reich in 7 minuti chiari video, consisteva nel tracciare entrambi gli assi x e y su scala logaritmica e rimuovere il tempo dal grafico. “La diffusione della malattia non importa se è marzo o aprile”, dice. “Preoccupa solo di due cose: quanti casi ci sono oggi e quanti nuovi casi ci saranno oggi”.

Con i nuovi casi confermati sull’asse y ei casi esistenti sull’asse x, tutti i paesi percorrono lo stesso percorso di crescita esponenziale, rappresentato da una linea retta. Quando un paese precipita verso il basso da quella diagonale, significa che è riuscito a fermare la diffusione esponenziale della malattia.

Per dire se uno stato o un paese sta facendo progressi contro la pandemia, “solo [look] per deviazione dalla linea”, ha detto Jessica Hullman, informatica della Northwestern University, in un marzo 31 seminario web sulla rappresentazione dei dati sulla pandemia. Gli utenti possono passare dal formato log a quello lineare, visualizzare casi o decessi e confrontare tra paesi o stati degli Stati Uniti (oltre a province all’interno di Cina, Canada o Australia) poiché tutte le curve iniziano al decimo caso confermato (o morte).

Chiusura Corona: Tieni traccia delle tendenze locali

Visualizzando i dati COVID-19 a livello di contea, questa mappa degli Stati Uniti mostra le variazioni geografiche e la diffusione spaziale della pandemia nel tempo. Guarda i casi crescere come metrica pro capite o per miglio quadrato per comprendere la densità e l’impatto della malattia.

Poiché le malattie infettive si diffondono come focolai localizzati, i dati sulle pandemie nazionali hanno spesso poca rilevanza per i singoli stati o contee. C’è questo concetto di media che vale per tutti e per nessuno, spiega Natalie Dean, biostatistica dell’Università della Florida. “Penso che un tasso pro capite per l’intero paese non si applichi a nessuno. Non è informativo per le persone in Idaho o Manhattan.

Per vedere cosa sta succedendo nelle regioni più piccole, gli studenti universitari Jason Zhu e Miranda Luong della Carnegie Mellon University hanno collaborato con Justin Chen, uno specialista in informatica alla New York University, per creare una mappa interattiva degli Stati Uniti che mostra il COVID a livello nazionale, statale e di contea -19 dati dal Archivio pubblico del New York Times.

“Il livello di granularità ci aiuta a vedere dove potrebbero esserci punti caldi specifici all’interno di uno stato”, afferma Robert Bednarcyk, epidemiologo della Emory University.

Ad esempio, sebbene i centri urbani riportino un numero maggiore di casi totali, alcune aree rurali mostrano un carico pro capite più elevato rispetto alle loro controparti urbane. È allarmante perché le infrastrutture mediche, come letti d’ospedale, unità di terapia intensiva e ventilatori, sono distribuite in modo non uniforme tra e all’interno degli stati, afferma Zhu. “Mentre la pandemia continua a fare il suo corso, è importante che queste aree siano riconosciute e non trascurate”.

COVID19-SEIR: Esplora scenari migliori e peggiori

Utilizzando un modello matematico per simulare il modo in cui il COVID-19 si diffonde in una popolazione, questa app mostra l’impatto di parametri regolabili come i tassi di mortalità e di trasmissione.

Quando scienziati e giornalisti hanno iniziato a promuovere l’idea di appiattire la curva in modo da non superare la nostra capacità sanitaria, Alison Hill, modellatrice di malattie infettive all’Università di Harvard, ha visto un’opportunità immediata di aiutare. L’idea di appiattire la curva era buona, ma l’illustrazione pubblicata o ritwittata non aveva numeri reali per rappresentare la capacità dei nostri ospedali. Hill voleva risolvere il problema e “mostrare quanto potesse essere estremo l’eccesso di assistenza sanitaria senza alcun ‘appiattimento’, dice.

Hill, la cui ricerca ha simulato la diffusione di infezioni resistenti ai farmaci e ha modellato le infestazioni di cimici dei letti, ha spostato la marcia verso il COVID-19 alla fine di febbraio, quando era chiaro che una pandemia era imminente. Il suo strumento di simulazione si basa sul classico modello epidemico “SEIR”, che tiene traccia di come gli individui suscettibili (“S”) vengono esposti (“E”) a un virus, quindi diventano infettivi (“I”) e infine guariscono (“R” ) o morire. Mostrando come le persone si distribuiscono in queste categorie nel tempo, il modello simula il corso naturale di un’epidemia di COVID-19 senza interventi.

Gli utenti possono introdurre interventi e variare i loro effetti, ad esempio aumentando o diminuendo la percentuale di trasmissione da infezioni lievi, per stimare il loro impatto su una popolazione e vedere cosa succede se un intervento viene interrotto troppo presto, afferma Hill.

Le velocità di trasmissione e i parametri clinici, come il periodo di incubazione, la durata della degenza in terapia intensiva, la percentuale di infezioni gravi, sono preimpostati sulla base dei dati pubblicati. Ma tutti i valori possono essere regolati. Personalizzandoli per adattarsi al tasso di crescita e al numero di decessi osservati in una regione specifica, il modello può stimare quanti residenti sono stati infettati dal virus COVID-19.

Hill afferma che dozzine di appaltatori governativi, dipartimenti sanitari locali e altre agenzie in tutto il mondo stanno utilizzando il simulatore COVID19-SEIR, o il codice alla base, per costruire i propri modelli. Anche insegnanti e professori lo usano nelle loro classi. E alcune persone stanno armeggiando con il simulatore per scoprire come le varie caratteristiche di una malattia possono influenzare la sua diffusione.

Leave a Reply

Your email address will not be published. Required fields are marked *