Skip to content

Latest commit

 

History

History
119 lines (78 loc) · 3.89 KB

README.md

File metadata and controls

119 lines (78 loc) · 3.89 KB
Raw

COVID-19-situationen i Danmark

COVID-19 situationen i Danmark. Dagsaktuelle data og prognoser uden spin og skønmaleri.,

Vi modellerer og visualiserer scenarier omkring COVID-19 i Danmark for at formidle og synliggøre situationen og afvejelserne ved forskellige mulige løsninger.

De essentielle spørgsmål

En leders opgave er at stille de rigtige spørgsmål.

De centrale spørgsmål i situationen er:

  1. Hvor er vi nu? (situationen: data)
  2. Hvor stort bliver behovet for behandling (prognose)
  3. Hvor stor overskudskapacitet har vi til at behandle COVID-19 patienterne og samtidig behandle de "normale" patienter? (virkemidler under samfundets kontrol)
  4. Hvor hurtigt og hvordan kan vi øge kapaciteten?
  5. Hvor meget kan vi reducere behandlingsbehovet (udgangsforbud mv.)
  6. Hvilke scenarier er der (ud over "solskinsscenariet"), og hvilke tiltag skal vi sætte i værk i dag for at være beredt hvis noget går galt?

Og endelig:

  • Hvordan kommer vi foran bolden, så vi kan handle oplyst ud fra en overordnet plan og vision for alle relevante scenarier?

Når man reflekterer over denne ramme, er der rig inspiration til at formulere og teste hypoteser og scenarier.

Må det blive til inspiration og nytte!

Indhold

Forbedrede COVID-19 prognoser

Her modellerer vi epidemikurven, og undersøger hvordan det kan gå, og hvad der kan ske, og hvad vi kan gøre.

Vi genimplementerer Sundhedsstyrelsens og Statens Seruminstituts modelberegning som frit tilgængelig kode til peer review.

Se prognoser mappen.

Vi har brug for din hjælp

Du kan hjælpe med. For eksempel ved:

  • kontrol og kritik af modellen
  • replikering af modelberegningerne for at sikre, at de er korrekt og fyldestgørende
  • opstille nye spørgsmål og hypoteser
  • bedre visualisering af data

Hvorfor?

Alle må hjælpe hvor de kan.

Fordelene ved dette konkrete projekt er:

  • Det giver bedre information da vi modsat Sundhedsstyrelsen kan levere dagsaktuelle prognoser.
  • Det skaber transparens omkring situationen og beslutningsgrundlaget for den nærmeste fremtid.
  • Det skaber tryghed, når myndighedernes beslutningsgrundlag er åbent og udsat for peer review.
  • Det er rettidig omhu at vi som borgere er beredte og hjælper til i tide, inden situationen rammer os og vi stadig har manøvrerum.
  • Det kan hjælpe med bedre at formidle situationen og løsningsmulighederne til befolkningen.
  • Det er interessant matematisk modellering.

Hvem står bag

Projektet er startet af Martin Jul, inspireret af Morten Gram Pedersen og Matteo Meneghinis gode arbejde med at kvantificere COVID-19 i Italien. Se deres preprint, Quantifying undetected COVID-19 cases and effects of containment measures in Italy.

Bidragydere:

TODO

Hjælp os

Udvikling

Kom i gang med at arbejde med dine egne modeller.

Systemet kræver Python. XKCD forklarer essensen her: XKCD om Python miljøer.

XKCD 1987

https://imgs.xkcd.com/comics/python_environment.png

Brug af Anaconda (anbefales til Windows)

Installer

se environment.yml for det præcise miljø.

Miljøet kan etableres således:

conda env create -f environment.yml

Standard Python

Opsætning af miljø:

pipenv--three
pipenv install

Udvikling med Jupyter:

pipenv shell
jupyter notebook

Kontaktinformationer

Martin Jul, se www.mjul.com

Teknisk information

Modellerne er bygget med Python 3 med de gængse databehandlingsværktøjer NumPy, Pandas, SciPy, Matplotlib, Seaborn, Jupyter osv.