Search

Covid-19 weersverwachting

Ter ondersteuning van het corona dashboard van de rijksoverheid

Het dashboard van Hugo de Jonge waarin de overheid rapporteert over de stand van zaken met betrekking tot de COVID-19 epidemie is op vrijdag 5 juni  live gegaan. De eerdere blog gaat in op het feit dat het op zijn minst vreemd is dat het reproductiegetal op twee cijfers achter de komma wordt gepresenteerd naast rechte tellingen terwijl de (on)betrouwbaarheid van dat getal enorm groot is, misschien wel te groot om daar beleid op te bepalen. Om je een indruk te geven van die onzekerheid  hebben we deze eerste blog geschreven

 
DISCLAIMER  : Alle hierna getoonde data is voor demonstratie van toepassing op  de inhoud van deze blog. Wij zijn geen viroloog of anderszins deskundigen op de medische inhoud.

Rapportage onzekerheid

Een van de zaken die aandacht verdient is de rapportage onzekerheid, de rapportage van de ziekenhuisopnames ijlt nogal na. Er druppelen nog dagen later opnames binnen en zeker als er weinig nieuwe opnames zijn heeft dat een enorme invloed op het reproductiegetal. Wat opvalt in het dashboard van de overheid is dat de betrouwbaarheidsgrenzen (ook wel bandbreedte genoemd door het RIVM) wel wordt gepresenteerd.

Hoe komen ze daar aan als ze de R zelf niet hebben?

Simulatie

Een mogelijke aanpak kan zijn het aantal ziekenhuis opnames te simuleren. Je zou kunnen zeggen dat het exacte aantal ziekenhuis opnames dat we daadwerkelijk hebben gezien voor een deel toevallig is. Jan of Piet die al een paar dagen klachten heeft kan denken ” Weet je wat ik ga die COVID test morgen wel even doen”, dus voor je het weet het je 1 of 2 ziekenhuisopnames meer of minder. Dat kunnen we natuurlijk prima in de computer naspelen, een simulatie.

 

Als je de ziekenhuisopnames van de afgelopen 14 dagen als uitgangspunt neemt kun je daar eenvoudig een negatief binomiale distributie op fitten. Dit type distributie kun je gebruiken om voor 1 dag het aantal nieuwe ziekenhuis opnames te schatten, als je dat voor 14 dagen doet heb je dus een mogelijke versie van de werkelijkheid/toekomst. Die werkelijkheid kun je achter de cijfers plakken die we al gezien hebben en door het RIVM worden vrijgegeven en dan kun je het reproductie getal sommetje weer maken.

 

Maar dan heb je nog maar 1x het mogelijke verloop van het aantal ziekenhuisopnames gebruikt, we kunnen (en moeten) dat veel vaker doen om een beeld te krijgen van de onzekerheid die er in de toekomst verscholen ligt. Laten we zeggen dat we dit 25 x doen. Dan ziet de ontwikkeling van het reproductiegetal er op basis van die 25 simulatieruns er zo uit:

Het is op het moment van het maken van deze figuur 15 juni 2020, de grijze verticale stippellijn geeft vandaag aan. Voor iedere simulatie van de ziekenhuisopnames rekenen we het verloop van R uit (en haar bandbreedte), op vandaag zetten we een dikke rode punt, we doen dat 25 x, de “25 random runs”.

Deze 25 random runs kunnen we dan verder gebruiken om een schatting te doen van de posterior R (zoals ook al in mijn eerdere blog beschreven. Als we de posteriors van alle simulaties samen nemen voor iedere dag kunnen we voor iedere dag een distributie laten zien van mogelijke waarde die R op die dag zou kunnen hebben.

 

Als je de ziekenhuisopnames van de afgelopen 14 dagen als uitgangspunt neemt kun je daar eenvoudig een negatief binomiale distributie op fitten. Dit type distributie kun je gebruiken om voor 1 dag het aantal nieuwe ziekenhuis opnames te schatten, als je dat voor 14 dagen doet heb je dus een mogelijke versie van de werkelijkheid/toekomst. Die werkelijkheid kun je achter de cijfers plakken die we al gezien hebben en door het RIVM worden vrijgegeven en dan kun je het reproductie getal sommetje weer maken.

 

Maar dan heb je nog maar 1x het mogelijke verloop van het aantal ziekenhuisopnames gebruikt, we kunnen (en moeten) dat veel vaker doen om een beeld te krijgen van de onzekerheid die er in de toekomst verscholen ligt. Laten we zeggen dat we dit 25 x doen. Dan ziet de ontwikkeling van het reproductiegetal er op basis van die 25 simulatieruns er zo uit:

De 14 daagse COVID-19 weersverwachting

Dus op basis van de gesimuleerde data uit de voorgaande runs komen we dan tot de volgend weersverwachting (inclusief de enorme bandbreedtes die nu eenmaal bij een weersverwachting horen…)

De getoonde animatie geeft de posterior kansverdeling weer van de mogelijke waarde die het reproductiegetal R op enig moment kan hebben. De kansverdeling wordt gemaakt door 1000x een trekking te doen uit de geschatte kansverdeling die het reproductiegetal kan hebben gegeven de onzekerheden die er in het spel zijn.

Dus we hebben naar aanloop van het komende weekeinde kans op een onstuimige R groter dan 1, na het weekeinde weer iets rustiger weer en de R zakt weer richting de 1.

(Omdat het aantal ziekenhuisopnames de afgelopen week zeer klein was en de R een verhoudingsgetal voor het aantal ziekenhuisopnames nu in vergelijking met een week gelden is,is  het niet gek dat met slecht een aantal extra ziekenhuisopnames de R weer door de 1 schiet.)


Voor de duidelijkheid, deze analyse probeert de analyses van de RIVM na te doen op basis van de verstrekte informatie. Deze analyse is niet de werkelijke analyse zoals door het RIVM gedaan en is ook niet als zodanig bedoeld. We willen hier laten zien hoe de onzekerheid met betrekking tot het reproductiegetal tot stand komt en hoe je, door die onzekerheid duidelijker te laten zien, een alternatieve weergave kunt maken voor in het dashboard van de overheid.

Natuurlijk is alle commentaar welkom, met de kracht van open source data analyse kunnen we samen een aantal mooie suggesties voor het coronavirus dashboard ontwikkelen!

De code

In het kader van open source beleid ook hier natuurlijk een stukje R code waarmee je de bovenstaande animatie kunt maken.

 

# tweede blog over simualtie ziekenhuiopnames

library(EpiEstim)

library(ggplot2)

library(incidence)

library(readr)

in_ziekenhuis_opgenomen_patiënten <- read_delim(“data/in-ziekenhuis-opgenomen-patiënten.csv”,

“;”, escape_double = FALSE, trim_ws = TRUE)

names(in_ziekenhuis_opgenomen_patiënten) <- c(‘datum’,’nieuw’,’bekend’)

# convert to date

in_ziekenhuis_opgenomen_patiënten$datum <- as.Date(paste(in_ziekenhuis_opgenomen_patiënten$datum,’2020′,’ ‘),

format=’%d %b %Y’)

# orginele data behouden ter controle

df.izop <- in_ziekenhuis_opgenomen_patiënten

df.izop$alles <- df.izop$nieuw + df.izop$bekend

# incidence object heeft epistim nodig

df.ZKH.incd <- as.incidence(df.izop$bekend, dates = df.izop$datum)

# config settings voor epistim

## waardes afkomstig uit

# https://royalsocietypublishing.org/doi/full/10.1098/rspb.2006.3754

config <- make_config(list(mean_si = 4.8, std_mean_si = 0.6,

min_mean_si = 3.8, max_mean_si = 6.1,

std_si = 2.3, std_std_si = 0.5,

min_std_si = 1.6, max_std_si = 3.5))

res_uncertain_si_0 <- estimate_R(df.ZKH.incd,

method = “uncertain_si”,

config = config)

r0 <- dim(res_uncertain_si_0$R)[1]

plot(res_uncertain_si_0, ‘R’)

 

#a way to get separate plots for each plot

plot2 <- function(theplot, name, …) {

name <- paste0(name, “.png”)

png(filename=name, width = 1200, height = 627)

print(theplot)

dev.off()

} #plotting function

# generate new cases from distribution

# fit kans op nieuwe ziekenhuis opnames

# neem laatste 14 dagen

r <- nrow(in_ziekenhuis_opgenomen_patiënten)

df.14 <- in_ziekenhuis_opgenomen_patiënten[(r-14):r,]

df.14$alles <- df.14$nieuw + df.14$bekend

hist(df.14$alles, breaks=150)

nu <- in_ziekenhuis_opgenomen_patiënten[r,]$datum

# fitdistplus

library(fitdistrplus)

# fit the negative binomial distribution op de laatste 14 dagen van de ziekenhuisopnames

fit <- fitdist(df.14$alles, “nbinom”)

plot(fit)

# plaatje checken

f <- rnbinom(n=1000, size=fit$estimate[1], mu=fit$estimate[2])

hist(f, breaks=25)

# simulatie 2 weken vooruit

n <- 14 #dagen

# vanaf laatste datum n x doortellen

d <- seq(max(df.izop$datum+1), by=’day’, length.out = n)

# aantal random runs

rep = 25

# lijst met simulatie resultaten

sim = list()

sim_complete = list()

# Start simulatie runs

for (i in 1:rep) {

# sample from fitted dist

s <- rnbinom(n=n, size=fit$estimate[1], mu=fit$estimate[2])

 

# sample 14 dagen rapportages

df.s <- data.frame(d,rep(0,n),s,s)

names(df.s) <- names(df.izop)

 

df.izop.aug <- rbind(df.izop,df.s)

df.izop.aug.incd <- as.incidence(df.izop.aug$alles, dates = df.izop.aug$datum)

 

res_uncertain_si <- estimate_R(df.izop.aug.incd,

method = “uncertain_si”,

config = config)

 

#plot(res_uncertain_si, legend = FALSE)

#plot(res_uncertain_si, ‘R’)

 

df.ZKH.R <- res_uncertain_si$R

nms <- c(“t_start”, “t_end”, “Mean_R”, “Std_R”, “Q0_025″,”Q0_05″,”Q0_25″,”Median_R”,”Q0_75″,”Q0_95″,”Q0_975″,”dates”)

l <- length(res_uncertain_si$dates)

df.ZKH.R$dates <- res_uncertain_si$dates[1:(l-7)] # laatste week geen schatting

names(df.ZKH.R) <- nms

 

# append result to sim list

sim[[i]] <- df.ZKH.R

sim_complete[[i]] <- res_uncertain_si

}

df.ZKH.R <- sim[[1]]

# opzet van de plot

p <- ggplot(df.ZKH.R, aes(x=dates, y=Mean_R)) +

#geom_line() +

geom_hline(yintercept=1, color=”red”, linetype=”dashed”) +

geom_vline(xintercept=as.Date(nu), color=”grey”, linetype=”dashed”) +

annotate(geom=”text”, x=as.Date(‘2020-05-01’), y=1.5, label=paste(” “,nu), colour = ‘grey80’, size=20, alpha = 0.5) +

geom_line(data = df.ZKH.R[1:r0,], aes(x = dates, y = Mean_R), color=’blue’) +

geom_point(data = df.ZKH.R[r0,], aes(x=dates,y=Mean_R),size=2,color=’blue’) +

geom_ribbon(data=df.ZKH.R[1:r0,],aes(ymin=Q0_05,ymax=Q0_95),alpha=0.2) +

scale_fill_manual(values = colors) + ylim(c(0,3.5)) +

guides(fill=FALSE) +

ggtitle(‘Reproductiegetal R COVID-19’,

subtitle = ‘Op basis van simulatie ziekenhuisopnames’) +

#geom_label(label=paste(“Random run “,i)) +

theme_bw() +

theme(plot.title = element_text(size = 35, face = “bold”),

plot.subtitle = element_text(size = 20))

# invullen run na run

for (i in 1:rep) {

temp <- sim[[i]]

 

p <- p +

geom_line(data = temp[r0:(r0+n),], aes(x = dates, y = Mean_R), color=’red’) +

geom_ribbon(data=temp[r0:(r0+n),],aes(ymin=Q0_05,ymax=Q0_95),alpha=0.1) +

geom_point(data = temp, aes(x=dates[r],y=Mean_R[r]),size=2,color=’red’) +

annotate(geom=”label”, x=as.Date(‘2020-05-01’), y=2.5, label=paste(“Random run “,i),

colour = ‘grey’, size=20, alpha = 0.8, fill = ‘white’)

# plaatje maken voor animatie

plot2(p, name=paste0(“TEST_RAP”, i))

# rode lijn overschrijven met grijze

p <- p +

geom_line(data = temp[r0:(r0+n),], aes(x = dates, y = Mean_R), color=’grey80′)

 

}

# schatting Reproductiegetal van 14 dagen forecast

for (w in (r-7):(r+7)) {

res_unc <- sim_complete[[1]]

# gerommel met de naam van de plots

n=2

s <- paste0(‘000’,w)

s <-substr(s, nchar(s)-n, nchar(s))

 

# sample_posterior_R

sp <- sample_posterior_R(res_unc, n=1000, win=w)

 

for (i in 2:rep) {

res_unc <- sim_complete[[i]]

# sample_posterior_R

sp_i <- sample_posterior_R(res_unc, n=1000, win=w)

sp <- c(sp,sp_i)

}

 

df.post <- as.data.frame(sp)

names(df.post) <- c(‘posterior.R’)

 

# color if true then red else green

colors = c(‘TRUE’=’red’, ‘FALSE’=’green’)

 

p2 <- ggplot(df.post, aes(x=posterior.R)) + geom_histogram(binwidth=.01, aes(fill = posterior.R > 1.0)) +

geom_vline(aes(xintercept=mean(posterior.R)),

color=”blue”, linetype=”dashed”) +

geom_vline(aes(xintercept=1.0),

color=”red”, linetype=”dashed”) +

annotate(geom=”text”, x=2, y=600, label=paste(“R = “, round(mean(df.post$posterior.R),2)), colour = ‘grey’, size=40, alpha = 0.4) +

annotate(geom=”text”, x=2, y=300, label=paste(” “,res_uncertain_si$dates[w]), colour = ‘grey’, size=40, alpha = 0.4) +

scale_fill_manual(values = colors) +

guides(fill=FALSE) +

xlim(c(0,4)) +

ylim(c(0,1000)) +

ggtitle(‘Reproductiegetal R COVID-19’,

subtitle = ‘(Schatting o.b.v. Nederlandse ziekenhuisopnames, Posterior Kansverdeling n=1000)’) +

theme_bw() +

theme(plot.title = element_text(size = 40, face = “bold”),

plot.subtitle = element_text(size = 20))

 

plot2(p2, name=paste0(“FORE”, s))

}