Nous essayons de prédire l'évolution du coronavirus dans différents pays, en particulier le moment des pics, uniquement en analysant les données de John Hopkins Univ. pour les pays, corona-data, open-zh pour la Suisse, pcm-dpc/COVID-19 pour l'Italie et opencovid19-fr pour la France (ci-dessous)

Vous trouverez un résumé pour quelques pays ici

Vous trouverez l'analyse des données pour les différents cantons de la Suisse ici

Données pour les différentes régions de l'Italie ici

Vous trouverez plus de détails ici, avec des explications sur la méthode utilisée

(O. Sauter, 1033 Cheseaux, CH) (Note: les lignes prédictives supplémentaires et comparaison avec la grippe saisonnière Suisse sont encore celles produites le 22 mars)

Analyse des données fournies par opencovid19-fr

(https://github.com/opencovid19-fr/data)

Les données pour les cas confirmés ne sont pas du tout fiables, c'est pourquoi nous montrons les données des personnes hospitalisées et les décès

Attention, cela ne tient pas forcément compte des cas en EHPAD



Données cumulées brutes

Sans normalization, pour les régions avec le plus de cas en date du 12 avril 2020



Données cumulées par 100'000 habitants rapportées au temps de référence

temps de référence: nombre de cas/100'000 hab ~= 3

Pour les cas enregistrés, nous voyons que les croissances sont similaires sauf pour Centre-Val de Loire et Île-de-France.



Dérivées logarithmique du cumul rapportées au temps de référence

Cela donne une idée lorsqu'on a passé le pic et en fin d'épidémie, valeur<<0.05

Il faudrait atteindre des valeurs sous le traitillé (0.02) pour avoir passé la vague et être en gestion "épidémie régulée"

(cf ici pour les détails)



Nombre de cas par jours (dérivée des cas cumulés ci-dessus fittés)

La courbe devrait croître, puis décroître une fois le pic passé

Il faut observer une décroissance également dans les décès pour être sûr d'avoir passé le pic



Les mêmes courbes avec les données en pointillé, pour montrer que les données ne sont pas encore assez stables pour faire des prédictions fermes.



Comparaison avec la grippe saisonnière en Suisse en 2017/2018, qui avait également une longue durée en haut de la coure des cas par jour (incidence par semaine divisée par 7)



Prédiction du pic à partir de dlog(exp)/dx=y'/y

A partir de y'/y, la courbe devrait décroître puis traverser y=0 au moment du pic puis rester en-dessous de 0.

Cela demande la 2ème dérivée des données cumulées, ce qui explique les oscillations et l'incertitude

Les droites traitillées viennent des fits de la Corée du Sud, de la Chine et des autres pays, ce qui prédit un pic environ 30 jours (noir) après le temps de référence pour les autres pays. (cf ici)





Données cumulées par 100'000 habitants: décès par rapport aux cas

évolution des cas cumulés et cas cumulés

Lorsque l'épidémie ralenti fortement, les courbes tendent à "monter" verticalement, donc le taux de décès effectif à augmenter car il y a un délai jusqu'à 3-4 semaines entre le début d'une hospitalisation et un décès (ex: la Suisse)

Dans quelques mois, lorsque le taux de cas confirmé sera mieux connu dans chaque pays, le taux de décès effectif diminuera fortement (axe x sera redimensionné à la hausse)




Mêmes graphiques pour toute la France



Analyse des données fournies par opencovid19-fr

(https://github.com/opencovid19-fr/data/tree/master/dist/chiffres-cles.json)

Données cumulées brutes

Sans normalization



Données cumulées par 100'000 habitants rapportées au temps de référence

temps de référence: nombre de cas/100'000 hab ~= 3



Dérivées logarithmique du cumul rapportées au temps de référence

Cela donne une idée lorsqu'on a passé le pic et en fin d'épidémie, valeur<<0.05

Il faudrait atteindre des valeurs sous le traitillé (0.02) pour avoir passé la vague et être en gestion "épidémie régulée"

(cf ici pour les détails)



Données cumulées par 100'000 habitants: décès par rapport aux cas

évolution des cas cumulés et cas cumulés

Lorsque l'épidémie ralenti fortement, les courbes tendent à "monter" verticalement, donc le taux de décès effectif à augmenter car il y a un délai jusqu'à 3-4 semaines entre le début d'une hospitalisation et un décès (ex: la Suisse)

Dans quelques mois, lorsque le taux de cas confirmé sera mieux connu dans chaque pays, le taux de décès effectif diminuera fortement (axe x sera redimensionné à la hausse)