Covid19 situasjonen i Norge – En drøftelse.
Oppsummering.
Den lave sykehus dekningen har vært førende for strategien. Jeg tror ikke myndigheten har dimensjonert dekningen i henhold til beredskapsplanen. Hadde de hatt disse sengeplassene hadde de brukt dem. Forholdet har medført at pandemien har vart lenger og innskrenket de strategiske valgene man eller kunne hatt. Blant annet tyder tallene på at både Helse Midt-Norge og Helse-Nord kunne hatt ett tiltakregimet løsrevet fra Helse Vest og Helse Sør-Øst.
Det kan virke som om "smittenedgangen" i september 2021 rett før gjenåpningen, skyldes nedgangen i testing. Dette har skapt en stor differensen mellom registrert smitte og faktisk smitte. Økningen av antall innleggelser i samme periode forsterker inntrykket av dette. Etter samfunnets åpning starter folk å teste seg igjen og smitten øker dramatisk, særlig i er utviklingen i Helse Nord og Helse Midt-Norge påfallende. Disse regionen har hatt relativ liten smitte pga restriksjoner. Sammenlignet med i forhold til Sør-Øst og Vest har smitte trykket vært lavt, og dermed ikke opparbeidet seg en naturlig immunitet i befolkningen.
Spørsmålet er om man i fremtiden kan differensiere tiltak mellom Nord – Midt – og Sør-Norge. Utbruddene ser ut til å komme uavhengig av hverandre. Avstand og geografi tilsier også en slik mulighet. Om det går an juridisk er uklart, men så lenge differensieringen ikke usaklig, så går det vel greit.
Dårlig beredskap og mangel på sengeplasser/respirator mm. har gitt store begrensinger i mulige strategiske valg. Eneste gjennomførbare taktikk synes å være å redusere kontaktgraden, ved inngripende tiltak i den enkeltes frihet, og til store samfunnsmessige kostnader. Flere har mistet livsverkene sine.
Metoder
Gjennom analyse av situasjonen i Norge og vedtak er det myndigheten som stort sett danner grunnlaget for folks oppfatning av situasjonen. Tiltakene er inngripende, og utgjør en innskrenkning av demokratiske – og menneskerettigheter. Da jeg ville publisere beregninger og analyser ble jeg avskåret av Apple og Google fra å gjøre dette. Google presenterer data selv. Data ble publisert i alle nyhetkanaler. Data som publiseres er stort sett "nakne" historiske data som viser smittetall, innlagte og døde. Disse data er lite egnet til å skape forståelse for de inngripende tiltak som ble iverksatt. Data publisert i aviser er stort sett aggregert på kommune, eller landsnivå. Beregninger viser at det er store variasjoner mellom kommuner, innad i fylker og regioner. Jeg finner det mest naturlig å dele inn data inn i helseregioner, slik helse regioner er definert i Norge.
Alle data er hentet fra Folkehelseinstituttet (FHI) som de distribuerer via GitHub (Data fra FHI). Disse blir lastet og aggregert i MySQL database. Data blir lastet inn i Python, Pandas. Analyse verktøyet som brukes er covsirphy. En dypere beskrivelse av verktøyet kan du lese ved å følge denne lenken. Covsirphy er et såkalt klasse bibliotek og som kan brukes til mye. Det grunnleggende er at den bruker "Maskinlæring" til å detektere faser pandemien er, for så bruke Differensiallikningløser av type "Ordinære" (ODE = Ordinary Differenation Equtation) til kurvetilpasning. Dette er i henhold til matematiske beskrivelser av smitten, S.I.R modellen. Ut fra denne beregnes virusets reproduksjons tall R. Modellen har klare svakheter og baseres på til dels urealistiske forutsetninger. Blant annet "Modellen bygger på flere urealistiske antagelser, som for eksempel at det er så stor mobilitet i populasjonen at alle kan smitte alle. Videre er det antatt at det ikke er noen latenstid mellom det tidspunkt at man blir smittet til man selv er smittefarlig. Likedan bygger modellen på at en som er blitt resistent, ikke mister denne immuniteten senere." (Wikipedia-brukere, «SIR-modell», Wikipedia, https://no.wikipedia.org/w/index.php?title=SIR-modell&oldid=22150456 (besøkt 29. januar 2022)). Likefullt er det denne type modeller myndigheten anvender som grunnlag for de tiltak som gjøres. For fordypning kan Kaggle og denne artikkelen anbefales.
Bildet viser S.I.R. modellen med norsk populasjon og R = 1.4 som er planlagt scenario i norsk pandemisk beredskapsplan section 15 6. Modellen har start 12. mars 2020.
Situasjonen.
Den norske situasjonen 2022-01-29. Multi-grafen har tre kolonner og tre rader. 1. rad 1. kolonne (1.1) viser innlagte på grunn av (go med, ikke med men pga. noe annet) Covid-19, med ett bevegelig snitt på 7 dager. Det er usikkert hvor lenge gjennomsnittlig "liggetid" er, da jeg ikke har funnet slik statistikk. Graf 2.2 viser gjennomsnittlig vaksinerte pr kommune.
Graf 1.3 viser smittetettheten i samfunnet, mens 2.1 viser smitten demografisk. Den svarte vertikale streken som går igjen i alle grafene representerer dato da samfunnet åpnet opp, 25.09.2021. Jeg ber dere her legge merke til at rett før denne dato går antall tester ned (graf 2.2)- På dette tidspunktet er store deler av befolkningen vaksinert, bortsett fra de mellom 10 og 19 år. Dette er logisk da man ble forespeilet å være immun mot smitte. Om man nå tar en kikk på grafen for innlagte (1.1) ser man at denne stiger på samme tid. Dette er en sterk indikasjon på at smitten faktisk stiger. Grunnen til at antall smittede her synker (graf 1.3) er fordi det er antall tester som går ned, ikke fordi smitten går ned. Dersom man med den høye vaksinasjonsdekning hadde vært immun mot smitte ville samfunnet hatt såkalt flokkimunitet på dette tidspunktet. En kan også se andelen positive tester også øker rett etter åpningen av samfunnet. Ved å skille ut de interessante tabellene, fikse "stort avvikende" data i "Vaksine" tabellen blir den beskrevne sammenhengen litt mer tydelig.
Jeg har markert 25. 11.2021 med brun vertikal linje i det tre grafene i første rad. Den 25. november er dato for det ulykksalige julebordet på DS Louise. Eller med andre ord, "Omikron variantens" inntok til Norge. I følge helsemyndigheten, v/Helsedirektør Guldvog mfl. utgjør denne dato en "game changer" i kampen mot pandemien. Vel er denne dato det?
Situasjonen som oppsto etter gjenåpningen 25 november. Omikron or not...
Selv om dato for "game changer" ligger nært opptil, så begynner faktisk ikke smittekurvens "gange" oppover denne dagen (kvelden). Smittekurven er allerede på vei opp. Denne kurven ser ut til å være mer sammenfallende med antall tester. Bunnen for "Antall Tester" datasettet mellom 01.09.2021 til 25.11.2021, inntreffer den 15.10.2021. Bunnen for smittetetthet for samme periode inntreffer 01.09.2021. Korrelasjonen er logisk, det er registrerte smittede grafen viser, ikke faktiske smittede, "ingen testede ingen smittede", tilsynelatende. Faktisk i denne perioden viser tester en svært svak men negativ korrelasjon mellom "Tetthet" og Tester. Altså flere tester mindre tetthet, mindre tester større tetthet. "Antall Innlagte" viser en sterk sammenfallende korrelasjon med "Tetthet".
Ved å normalisere "date," sette alle tall mellom 01 og 1, kan man sett ulke datasett inn i en graf, slik at man kan studere formen på de ulike datasettet. Dette er er det som er gjort i datasette i grafen under. Visualiseringen gjør at man nå kan se hvordan data sammenfaller. Vi har allerede sett at smittetetthet og antal innlagte er sammenfallende. Grønn og blå linje. Orange (tester) og de andre data er ikke like sammenfallende, noe "heatmapet" over også viser. Hvordan kan vi tolke dette? Smittetetthet går opp, Tester går ned, antall innlagte går opp. Vi ser av grafen øverst at andelen positive tester går opp. Dette forklarer bølgedalen den blå linjen "seiler over". Samtidig skyter den blå linjen fart oppover når folk begynner å teste seg igjen. Dette indikerer at det fordi folk ikke tester seg "tettheten" slakker av. Samtidig stiger antall innleggelser også før folk starter å teste seg igjen. Antall innleggelser er en funksjon av antall faktisk smittede. En andel av smittede blir syke, men de som rammes av denne sykdommen er skjevfordelt. Det vil si at man kan forvente en høyere andel av innleggelser om smitten rammer en bestemt demografi av befolkningen – de eldre og syke.
Vel... Er det økt smitte blandt de eldre og syke? De fra før syke har vi ikke oversikt over bortsett fra at vi kan anta statistikken over andel innlagte med Covid19 ikke er innlagt av Covid19 men er innlagt av andre grunner.
Det tydelig innlagte går bølgedaler som følge av smitten. Det er ett litt merkelig fenomen som inntreffer fra mars, til juli 2021. Grafen for "Antall innlagte" viser høye tall, men smittetaller for de eldre er lavt. Det indikerer mange innlagte fra andre aldersgrupper. Ser en på det tidsrommet vi fordyper oss i, rund gjenåpninger ser vi at smitten blant de eldre går opp, og det gjør antall innleggelser også. Antall vaksinerte på denne tiden for aldersgruppen over 70 er omtrent 90%, men ingen flokkimmunitet her. Smitten når også samme "peak" som den gjorde i "Apr", men rundt slutten av september er samfunnet åpnet igjen, kontakt graden øker, men det gjør antall innleggelser også, og det er ikke særlig mye mindre enn i Apr, der den er ca. 0,4, men i oktober ca 0,35. Smittetettheten er på dette tidspunktet tilsynelatende lav, til tross for vaksine. Det er nok grunnlag nå får å si at den smittetettheten skyldes manglende testing. Samfunnet er stengt ned frem til slutten av september. Så går smittetettheten litt ned før den skyter til himmels. Antall innleggelser følger etter, men faller så ned, mens smittetettheten fortsetter å stige. Enten skyldes dette at vaksinen har stor effekt sykdomsbilde på den nye varianten "omikron" eller så er "omikron" langt mer ufarlig. Vi får se hva som skjer med de som ikke er vaksinert?
Geografisk tilnærming til smittespredningen.
Norge er ett langstrakt land, med fjell, vidder, fjorder, strender, trange daler og åpne landskap. Du har store byer til små tettsteder og enkle gardsbruk. Den politiske inndelingen av landet er basert på kommuner og fylker.
I Norge er helsetjenesten delt inn i 4 helse foretak. Foretakene omfatter flere fylker.
-
Helse Nord, omfatter Nord-Norge (Nordland, Troms og Finnmark) og Svalbard
-
Helse Midt-Norge omfatter fylkene Trøndelag, og Møre og Romsdal
-
Helse Vest omfatter fylkene Vestland og Rogaland.
-
Helse Sør-Øst omfatter fylkene Viken, Innlandet, Oslo, Vestfold og Telemark, og Agder.
Regionene har ulik svært karakteristikk. Helse Nord har store geografiske områder å dekke. Helse Sør-Øst strekker nord seg fra Os i Østerdalen til Lindesnes kommune i sør. Aurskog-Høland i øst, til Hol kommune i vest. Helse Sør-Øst er størst i folketall, og omfatter store byer som Oslo, Bærum og Drammen, men også små tettsteder Aurskog-Høland og Flå. Det er vanskelig å se det pandemiske grunnlaget tilnærming til en slik organisering av helseforetakene, men er vel andre årsaker?
Juridisk reguleres pandemier av smittevernloven. Denne sanksjoneres av kommunene og departementet. Lovens formål er definert slik:
Smittevernloven § 1-1. Lovens formål
Denne loven har til formål å verne befolkningen mot smittsomme sykdommer ved å forebygge dem og motvirke at de overføres i befolkningen, samt motvirke at slike sykdommer føres inn i Norge eller føres ut av Norge til andre land.
Loven skal sikre at helsemyndighetene og andre myndigheter setter i verk nødvendige smitteverntiltak og samordner sin virksomhet i smittevernarbeidet.
Loven skal ivareta rettssikkerheten til den enkelte som blir omfattet av smitteverntiltak etter loven.
Smittevern tiltak skal være hensikt – og forholdsmessige.
§ 1-5.Grunnleggende krav ved iverksetting av smitteverntiltak
Smitteverntiltak etter loven skal være basert på en klar medisinskfaglig begrunnelse, være nødvendig av hensyn til smittevernet og fremstå tjenlig etter en helhetsvurdering. Ved iverksettelse av smitteverntiltak skal det legges vekt på frivillig medvirkning fra den eller de tiltaket gjelder.
Tvangstiltak kan ikke brukes når det etter sakens art og forholdene ellers vil være et uforholdsmessig inngrep.
Tilgrensende lovverk er helseberedskaploven, som pålegger myndigheten å planlegge, og forberede seg på situasjoner som kan true almenhetens helse.
helseberedskaploven § 1-1.Lovens formål og virkemidler
Formålet med loven er å verne befolkningens liv og helse og bidra til at nødvendig helsehjelp, helse- og omsorgstjenester og sosiale tjenester kan tilbys befolkningen under krig og ved kriser og katastrofer i fredstid.
For å ivareta lovens formål, skal virksomheter loven omfatter kunne fortsette og om nødvendig legge om og utvide driften under krig og ved kriser og katastrofer i fredstid, på basis av den daglige tjeneste, oppdaterte planverk og regelmessige øvelser, slik det er bestemt i eller i medhold av loven.
Planlegingen og forberedelsen skal skje etter ansvarsprinsippet
§ 2-1.Ansvarsprinsippet
Den som har ansvaret for en tjeneste, har også ansvaret for nødvendige beredskapsforberedelser og for den utøvende tjeneste, herunder finansiering, under krig og ved kriser og katastrofer i fredstid, med mindre noe annet er bestemt i eller i medhold av lov. Tilsvarende skal den som fører tilsyn med en virksomhet, også føre tilsyn med virksomhetens beredskap.
Norges beredskapplan:
15.6 Anbefalt planleggingsnivå/- scenario
Den kliniske angrepsrate varierer i de viste scenarier mellom 13-41 %. Alvorlighetsgrad
varierer fra moderat, som kan sammenliknes med sesonginfluensa, til svært alvorlig, som
avspeiler et ‘verste tilfelle’ scenario, hvor antallet av dødsfall i den øvre grense er valgt lik
estimater for spanskesyken. Man så under spanskesyken at mange ble syke, og en stor andel
av disse døde. Vi tror ikke man igjen vil stå overfor et så alvorlig scenario, vi har i dag en
bedre helsetilstand i befolkningen generelt, og vi har bedre helsetjenester og tilgang til
legemidler, noe som sannsynlig vil bidra til å redusere alvorligheten.
Basert på ovenstående simuleringer, har vi planlagt for et realistisk forløp, som vi må ha
kapasitet til å kunne møte. Som det britiske SPI har foreslått tenker vi oss at vi må kunne
møte en mulig pandemi med et basalt reproduksjonstall på R0=1,4 som innebærer en
angrepsrate på 25 % (25 % av den norske befolkning blir syk og får symptomer): helse- og
omsorgstjenesten må kunne ta seg av omkring 160-280 000 ekstra kontakter, sykehusene
må kunne ta imot opptil 14-16 500 innleggelser, hvorav 1400-2800 krever intensiv
behandling. Lokalt kan det forventes at snaut en ut av seks hendelser (17 %)det vil si 3-500
pasienter med behov for mer intensiv behandling i toppuken.
(Nasjonal beredskapsplan pandemisk influensa, https://www.regjeringen.no/contentassets/c0e6b65e5edb4740bbdb89d67d4e9ad2/nasjonal_beredskapsplan_pandemisk_influensa_231014.pdf,Regjeringen, 2014)
Så hvordan fordeler pandemien seg per helse region (merk y skalaen varierer):
Statistikken aggregert pr helse foretak.
Data viser antall smittede fordelt på helseregioner. Denne inndelingen av data er interessant da det er helseregionenes ansvar å implementere helseberedskapplanen. Data er en tidsserie og karakteriseres av en voldsom stigning i slutten av perioden. Siden enden på linjene er så dominerende er det ikke lett å se, med det er bølger, formasjoner tidsserie. Spørsmålet er om disse er sammenfallende? Grafene har forskjellig skala, da y aksen representerer antall smittede i regionen. For å overkomme dette har jeg normalisert data slik at de alle er mellom 0 og 1. Da blir det lettere å sammenligne sammenfallet.
Her er y skala mellom 0 og 1 slik at det blir lettere å se hvordan linjene sammenfaller.
De to vertikale linjene representer gjenåpning 25.09.21 og oppdagelsen av "omikron" 25.11.2021. Grafen reflektere nedgangen i smitte rett før gjenåpningen, men nå ser vi at i Helse-Nord faktisk har en påbegynnende oppgang i smitten. Rett etter åpningen skyter smitten fart i Helse Nord, med påfølgende økning i de andre foretakene. Igjen er det påfallende at økningen i smitten start før «omikron» påviselig kommer til landet. Så faller smitten pga Norge på nytt nedstengning, så skyter alle grafene fart eksponentialt. Angivelig pga «omikron» variantens smittsomhet.
Grid-grafen viser en sterk sammenheng mellom data de ulike helseregionene. Det er ulike variasjoner når data befinner seg mellom 0,2 og 0,5. Dette indikerer at "mindre" utbrudd av smitte opptrer uavhengig.
For utbrudd større enn 0,5 er korrelasjonene sterk. Data er sterkt konsentrert rund 0 og 0.1.
Klasediagrammet viser korrelasjonen mellom data for de ulike regionene. Den bekrefter den sterke korrelasjon vi kan se i Grid-grafen. Det Klasediagrammet også viser at korrelasjonen er sterkest mellom Helse Sør-Øst og Helse Vest, og minst med Helse Nord.
Beskrivelse av datasettene:
|
Helse Nord |
Helse Vest |
Helse Sør-Øst |
Helse Midt-Norge |
---|---|---|---|---|
count |
602 |
602 |
602 |
602 |
mean |
0.082970 |
0.056914 |
0.059950 |
0.048942 |
std |
0.148049 |
0.115722 |
0.117057 |
0.108052 |
min |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
25% |
0.006858 |
0.010903 |
0.009378 |
0.005440 |
50% |
0.024583 |
0.019783 |
0.027967 |
0.012702 |
75% |
0.063410 |
0.039615 |
0.047910 |
0.036544 |
max |
1 |
1 |
1 |
1 |
Pandas describe output
«Lets capture the peaks...»
Vi finner igjen de vertikale linjene for gjenåpningen av samfunnet og «julebordet» på DS Louise. Klart begynner smitteøkingen i alle regioner før før «omikron» offisielt kommer til Norge. Data er kuttet ved 0,05 og 0,2. Vi ser at toppene opptrer alene, noe som stemmer med det allerede har funnet ut. Data korreler (sammenfaller) ikke så mye mellom 0,1 og 0,2. Vi ser at smitten øker kraftig i Midt-Norge, Helse Vest og Nord-Norge, rett etter gjenåpningen. Men i Helse Sør-Øst starter den stigningen rett før «omikron» først blir oppdaget. Så flater den ut i Helse Midt-Norge. Norge stenger ned igjen, smitten flater ut før den skyter i være, angivelig pga «omikron. Så her er vi dag.
Hvis vi zoomer inn på Helse-Nord mellom september - november 2021, kan vi se hvor og hvordan utbruddet utvikler seg. På denne tiden var samfunnet åpnet, og antakeligvis er det ett utbrudd med "Delta varianten".
Anbefalinger:
Økt bruk av digitale møter
Unngå sosiale sammenkomster på tvers av organisasjonen
Å forutsi fremtiden med utgangspunkt i fortiden kan det sies mye om, flere ting endrer forutsetningene som gjør at prediksjonen ikke samsvarer. Bare fremtiden vil vise dette. Det jeg forsøker her å forlenge grafen for "registrerte smitte", ved å "fange" grafens moment, eller stigninggrad, for deretter bruke denne stigninggraden til å forlenge linjen.
Maskinlæring / Kunstig intelligens
Når vi snakker om maskinlæring og fremtidseinblikk kommer vi allikevel ikke utenom historikk. For å kontrollere kvaliteten på «læringen» ber vi algoritmen (datamaskinen) gjette noe vi allerede vet. Læringen er også i dette tilfellet basert på noe som har skjedd i fortiden. Derfor ber vi maskinen gjette på historiske hendelser. Det er to linjer i graf gitteret. Den blå linjen representer faktisk registrert smittet, men den oransje stiplede linjen er algoritmens gjetninger.
Vi ser at den oransje linjen ligger tett på den blå. Dette betyr at «opplæringen» har vært god. Den bommer litt i dalbunnene og noen topper. Algoritmen detekterer faser pandemien er inne i, og beregner da virusets reproduksjongrad.
Oppsummeringsrapport
Helse Midt-Norge
Type | Start | End | Population | ODE | Rt | rho | sigma | 1/beta [day] | 1/gamma [day] | tau | RMSLE | Trials | Runtime | |
1st | Past | 04Nov2020 | 26Dec2020 | 733940 | SIR | 1,01 | 0,0657943108742349 | 0,0650379057907761 | 15 | 15 | 1440 | 0,210383597665 | 315 | 0 min 10 sec |
2nd | Past | 27Dec2020 | 07Jan2021 | 733940 | SIR | 3,6 | 0,160259941970678 | 0,0445655807265389 | 6 | 22 | 1440 | 0,174720764709373 | 126 | 0 min 4 sec |
3rd | Past | 08Jan2021 | 05Apr2021 | 733940 | SIR | 0,5 | 0,0371937845341193 | 0,0750534733130957 | 26 | 13 | 1440 | 0,518209124543928 | 570 | 0 min 17 sec |
4th | Past | 06Apr2021 | 24May2021 | 733940 | SIR | 1,01 | 0,0676241751721763 | 0,0671608456404348 | 14 | 14 | 1440 | 0,121317774438737 | 262 | 0 min 8 sec |
5th | Past | 25May2021 | 01Jul2021 | 733940 | SIR | 0,86 | 0,0544036231323585 | 0,0629049900661375 | 18 | 15 | 1440 | 0,226139041302042 | 331 | 0 min 10 sec |
6th | Past | 02Jul2021 | 09Aug2021 | 733940 | SIR | 1,1 | 0,0635194247071312 | 0,057743480866201 | 15 | 17 | 1440 | 0,259687015450316 | 177 | 0 min 5 sec |
7th | Past | 10Aug2021 | 29Aug2021 | 733940 | SIR | 1,12 | 0,0759627064945206 | 0,0681081589933917 | 13 | 14 | 1440 | 0,0751062922401705 | 177 | 0 min 5 sec |
8th | Past | 30Aug2021 | 09Sep2021 | 736668 | SIR | 2,95 | 0,0998525906291798 | 0,0338323369666602 | 10 | 29 | 1440 | 0,0400665733381742 | 403 | 0 min 13 sec |
9th | Past | 10Sep2021 | 03Oct2021 | 736668 | SIR | 0,53 | 0,0445537523340268 | 0,0836560724958222 | 22 | 11 | 1440 | 0,0479679425543947 | 42 | 0 min 1 sec |
10th | Past | 04Oct2021 | 26Oct2021 | 736668 | SIR | 0,99 | 0,080500897459636 | 0,0815983776040543 | 12 | 12 | 1440 | 0,0623778136899731 | 219 | 0 min 7 sec |
11th | Past | 27Oct2021 | 04Nov2021 | 736668 | SIR | 2,88 | 0,107784981395263 | 0,0374620242628384 | 9 | 26 | 1440 | 0,0608941287866293 | 186 | 0 min 6 sec |
12th | Past | 05Nov2021 | 13Nov2021 | 736668 | SIR | 2,52 | 0,0901191146651888 | 0,0357317821681211 | 11 | 27 | 1440 | 0,0539292633771561 | 213 | 0 min 7 sec |
13th | Past | 14Nov2021 | 21Nov2021 | 736668 | SIR | 1,81 | 0,100230214760537 | 0,055257964965698 | 9 | 18 | 1440 | 0,073088392049741 | 316 | 0 min 10 sec |
14th | Past | 22Nov2021 | 29Nov2021 | 736668 | SIR | 0,96 | 0,06810159518364 | 0,0707848153616988 | 14 | 14 | 1440 | 0,0282824081072297 | 363 | 0 min 10 sec |
15th | Past | 30Nov2021 | 06Dec2021 | 736668 | SIR | 1 | 0,0712586858935029 | 0,0711541912872092 | 14 | 14 | 1440 | 0,033022417036078 | 226 | 0 min 7 sec |
16th | Past | 07Dec2021 | 13Dec2021 | 736668 | SIR | 1,02 | 0,0713137818353015 | 0,0699353170178164 | 14 | 14 | 1440 | 0,0385923093730327 | 178 | 0 min 5 sec |
17th | Past | 14Dec2021 | 20Dec2021 | 736668 | SIR | 0,87 | 0,0624024120843101 | 0,0718219849105126 | 16 | 13 | 1440 | 0,0296204725577263 | 665 | 0 min 16 sec |
18th | Past | 21Dec2021 | 28Dec2021 | 736668 | SIR | 0,71 | 0,0592126278931912 | 0,083889394257893 | 16 | 11 | 1440 | 0,0263226032212808 | 121 | 0 min 4 sec |
19th | Past | 29Dec2021 | 04Jan2022 | 736668 | SIR | 0,86 | 0,0762084545762153 | 0,0889619379558626 | 13 | 11 | 1440 | 0,0465264842099128 | 41 | 0 min 1 sec |
20th | Past | 05Jan2022 | 11Jan2022 | 736668 | SIR | 2,09 | 0,10406990591257 | 0,0498477642451949 | 9 | 20 | 1440 | 0,0502339838056342 | 216 | 0 min 6 sec |
21st | Past | 12Jan2022 | 18Jan2022 | 736668 | SIR | 3,71 | 0,118149540051783 | 0,0318334624773989 | 8 | 31 | 1440 | 0,0506944838070308 | 294 | 0 min 7 sec |
22nd | Past | 19Jan2022 | 27Jan2022 | 736668 | SIR | 3,38 | 0,120636632094518 | 0,0357342035023187 | 8 | 27 | 1440 | 0,0383947732730997 | 120 | 0 min 3 sec |
Helse Nord
Type | Start | End | Population | ODE | Rt | rho | sigma | 1/beta [day] | 1/gamma [day] | tau | RMSLE | Trials | Runtime | |
1st | Past | 04Nov2020 | 28Dec2020 | 243311 | SIR | 0,8 | 0,0787924231605917 | 0,0979553423168263 | 12 | 10 | 1440 | 0,278887719248835 | 243 | 0 min 7 sec |
2nd | Past | 29Dec2020 | 01Mar2021 | 243311 | SIR | 0,73 | 0,073997939309721 | 0,101127232599671 | 13 | 9 | 1440 | 0,487836284979375 | 138 | 0 min 4 sec |
3rd | Past | 02Mar2021 | 26May2021 | 243311 | SIR | 0,91 | 0,0921471706239024 | 0,100968905456698 | 10 | 9 | 1440 | 0,405069097752271 | 198 | 0 min 6 sec |
4th | Past | 27May2021 | 01Jul2021 | 243311 | SIR | 0,81 | 0,0669554516967401 | 0,0823873482191419 | 14 | 12 | 1440 | 0,235783337447564 | 137 | 0 min 4 sec |
5th | Past | 02Jul2021 | 09Aug2021 | 243311 | SIR | 1,16 | 0,0655165959417036 | 0,0564070989398003 | 15 | 17 | 1440 | 0,164272975453006 | 169 | 0 min 5 sec |
6th | Past | 10Aug2021 | 06Sep2021 | 243311 | SIR | 1 | 0,0662913134917204 | 0,0664595457539521 | 15 | 15 | 1440 | 0,0843702823623793 | 142 | 0 min 4 sec |
7th | Past | 07Sep2021 | 23Sep2021 | 242168 | SIR | 1,45 | 0,0731897346606686 | 0,0503693642456819 | 13 | 19 | 1440 | 0,0418427934465711 | 162 | 0 min 5 sec |
8th | Past | 24Sep2021 | 18Oct2021 | 242168 | SIR | 0,87 | 0,0653096744514347 | 0,0750755755575551 | 15 | 13 | 1440 | 0,0634941917065643 | 128 | 0 min 4 sec |
9th | Past | 19Oct2021 | 28Oct2021 | 242168 | SIR | 2,15 | 0,106358077626175 | 0,049447690705916 | 9 | 20 | 1440 | 0,0495427867292677 | 345 | 0 min 10 sec |
10th | Past | 29Oct2021 | 05Nov2021 | 242168 | SIR | 2,3 | 0,095852445420638 | 0,0417349715326542 | 10 | 23 | 1440 | 0,0570162896452185 | 198 | 0 min 6 sec |
11th | Past | 06Nov2021 | 11Nov2021 | 242168 | SIR | 3,24 | 0,127734542969716 | 0,0394776374386614 | 7 | 25 | 1440 | 0,0434511932610072 | 226 | 0 min 7 sec |
12th | Past | 12Nov2021 | 19Nov2021 | 242168 | SIR | 1,81 | 0,0701569907519985 | 0,0387103853125802 | 14 | 25 | 1440 | 0,0397175417541296 | 136 | 0 min 4 sec |
13th | Past | 20Nov2021 | 27Nov2021 | 242168 | SIR | 0,95 | 0,0673932418333013 | 0,0709013403116308 | 14 | 14 | 1440 | 0,0310163864519964 | 283 | 0 min 7 sec |
14th | Past | 28Nov2021 | 02Dec2021 | 242168 | SIR | 1,07 | 0,0883506139011103 | 0,0824612563956736 | 11 | 12 | 1440 | 0,0271197331676599 | 320 | 0 min 8 sec |
15th | Past | 03Dec2021 | 09Dec2021 | 242168 | SIR | 1,15 | 0,0780550157959658 | 0,06774443462528 | 12 | 14 | 1440 | 0,0520939004698449 | 327 | 0 min 8 sec |
16th | Past | 10Dec2021 | 20Dec2021 | 242168 | SIR | 1,1 | 0,0604077343514811 | 0,0549033884173608 | 16 | 18 | 1440 | 0,0434001174202626 | 739 | 0 min 17 sec |
17th | Past | 21Dec2021 | 03Jan2022 | 242168 | SIR | 0,53 | 0,0477750651045515 | 0,0896307683921438 | 20 | 11 | 1440 | 0,0338840255591937 | 39 | 0 min 1 sec |
18th | Past | 04Jan2022 | 11Jan2022 | 242168 | SIR | 1,76 | 0,112023306540937 | 0,0636646229494649 | 8 | 15 | 1440 | 0,0440873828466818 | 502 | 0 min 11 sec |
19th | Past | 12Jan2022 | 19Jan2022 | 242168 | SIR | 2,99 | 0,0832366820884918 | 0,0278599903103875 | 12 | 35 | 1440 | 0,0455772008298005 | 252 | 0 min 6 sec |
20th | Past | 20Jan2022 | 27Jan2022 | 242168 | SIR | 2,66 | 0,115374949841204 | 0,0433571926236195 | 8 | 23 | 1440 | 0,0464193840952189 | 499 | 0 min 11 sec |
Helse Sør-Øst
Type | Start | End | Population | ODE | Rt | rho | sigma | 1/beta [day] | 1/gamma [day] | tau | RMSLE | Trials | Runtime | |
3rd | Past | 22Jan2021 | 11Mar2021 | 3032671 | SIR | 0,91 | 0,0510740051993572 | 0,0562947828400833 | 19 | 17 | 1440 | 0,212174983814353 | 517 | 0 min 13 sec |
4th | Past | 12Mar2021 | 05Apr2021 | 3032671 | SIR | 1,44 | 0,0802993966404432 | 0,0557675015589102 | 12 | 17 | 1440 | 0,0886236084388723 | 294 | 0 min 8 sec |
5th | Past | 06Apr2021 | 13May2021 | 3032671 | SIR | 0,72 | 0,0602748973428037 | 0,0833599566806604 | 16 | 11 | 1440 | 0,0565651191423962 | 80 | 0 min 2 sec |
6th | Past | 14May2021 | 06Sep2021 | 3032671 | SIR | 0,91 | 0,0474516005356785 | 0,0521420960522863 | 21 | 19 | 1440 | 0,49170686444337 | 219 | 0 min 6 sec |
7th | Past | 07Sep2021 | 29Sep2021 | 3050722 | SIR | 0,81 | 0,0642272754619719 | 0,0791840935468171 | 15 | 12 | 1440 | 0,0950484140664686 | 257 | 0 min 7 sec |
8th | Past | 30Sep2021 | 04Nov2021 | 3050722 | SIR | 0,74 | 0,0431382114667701 | 0,0581019279857208 | 23 | 17 | 1440 | 0,202743367432445 | 288 | 0 min 8 sec |
9th | Past | 05Nov2021 | 23Nov2021 | 3050722 | SIR | 1,78 | 0,0880571300358307 | 0,0493337520610528 | 11 | 20 | 1440 | 0,048524694133249 | 414 | 0 min 11 sec |
10th | Past | 24Nov2021 | 02Dec2021 | 3050722 | SIR | 2,05 | 0,103941092161886 | 0,0505969446216033 | 9 | 19 | 1440 | 0,0401113020086247 | 376 | 0 min 10 sec |
11th | Past | 03Dec2021 | 11Dec2021 | 3050722 | SIR | 1,92 | 0,0978940800781187 | 0,0508981193049186 | 10 | 19 | 1440 | 0,0539656249161497 | 44 | 0 min 1 sec |
12th | Past | 12Dec2021 | 16Dec2021 | 3050722 | SIR | 3,42 | 0,153055158662445 | 0,0447827631237632 | 6 | 22 | 1440 | 0,0416288678358213 | 289 | 0 min 8 sec |
13th | Past | 17Dec2021 | 27Dec2021 | 3050722 | SIR | 0,99 | 0,0602894993777503 | 0,0608650399918997 | 16 | 16 | 1440 | 0,0415175411478189 | 337 | 0 min 9 sec |
14th | Past | 28Dec2021 | 04Jan2022 | 3050722 | SIR | 0,77 | 0,0705293089620326 | 0,0915328320815385 | 14 | 10 | 1440 | 0,0301766938881348 | 44 | 0 min 1 sec |
15th | Past | 05Jan2022 | 12Jan2022 | 3050722 | SIR | 1,9 | 0,106231308162026 | 0,0559731782067796 | 9 | 17 | 1440 | 0,0478486220896392 | 399 | 0 min 10 sec |
16th | Past | 13Jan2022 | 19Jan2022 | 3050722 | SIR | 3,21 | 0,105070399785285 | 0,0327562830364997 | 9 | 30 | 1440 | 0,0546094893324863 | 301 | 0 min 8 sec |
17th | Past | 20Jan2022 | 27Jan2022 | 3050722 | SIR | 3,03 | 0,119000679811087 | 0,039293512353478 | 8 | 25 | 1440 | 0,0402557707484464 | 523 | 0 min 12 sec |
Helse Vest
Type | Start | End | Population | ODE | Rt | rho | sigma | 1/beta [day] | 1/gamma [day] | tau | RMSLE | Trials | Runtime | |
1st | Past | 07Oct2020 | 10Nov2020 | 1116423 | SIR | 1,71 | 0,0801310302156005 | 0,0469175900561487 | 12 | 21 | 1440 | 0,169387117125239 | 389 | 0 min 12 sec |
2nd | Past | 11Nov2020 | 05Jan2021 | 1116423 | SIR | 0,67 | 0,0559431193377269 | 0,0839243948131785 | 17 | 11 | 1440 | 0,328748748960397 | 423 | 0 min 13 sec |
3rd | Past | 06Jan2021 | 15Mar2021 | 1116423 | SIR | 0,74 | 0,0578513684187222 | 0,0785327862527168 | 17 | 12 | 1440 | 0,216984663137551 | 335 | 0 min 10 sec |
4th | Past | 16Mar2021 | 08Apr2021 | 1116423 | SIR | 1,61 | 0,0994872286086158 | 0,0616093686138015 | 10 | 16 | 1440 | 0,125232700277258 | 245 | 0 min 7 sec |
5th | Past | 09Apr2021 | 09May2021 | 1116423 | SIR | 0,85 | 0,0681120862403029 | 0,0799861741246717 | 14 | 12 | 1440 | 0,103127433994135 | 171 | 0 min 5 sec |
6th | Past | 10May2021 | 30Jun2021 | 1116423 | SIR | 0,82 | 0,0692798748048283 | 0,0848289616496057 | 14 | 11 | 1440 | 0,190268494846461 | 181 | 0 min 5 sec |
7th | Past | 01Jul2021 | 09Aug2021 | 1116423 | SIR | 1,07 | 0,0570637689524323 | 0,0531979528240413 | 17 | 18 | 1440 | 0,22599253436051 | 213 | 0 min 6 sec |
8th | Past | 10Aug2021 | 26Aug2021 | 1116423 | SIR | 1,32 | 0,0856796160670354 | 0,0648311217042751 | 11 | 15 | 1440 | 0,0479299553299724 | 202 | 0 min 6 sec |
9th | Past | 27Aug2021 | 23Sep2021 | 1121466 | SIR | 0,76 | 0,0610470869258023 | 0,0799914232095901 | 16 | 12 | 1440 | 0,135388098382711 | 267 | 0 min 8 sec |
10th | Past | 24Sep2021 | 31Oct2021 | 1121466 | SIR | 0,89 | 0,047274599966428 | 0,0531067606518946 | 21 | 18 | 1440 | 0,220137192833568 | 272 | 0 min 8 sec |
11th | Past | 01Nov2021 | 16Nov2021 | 1121466 | SIR | 2,26 | 0,101628608120655 | 0,0449617306313262 | 9 | 22 | 1440 | 0,0638060882615237 | 522 | 0 min 15 sec |
12th | Past | 17Nov2021 | 25Nov2021 | 1121466 | SIR | 1,55 | 0,0934121436846492 | 0,0601596954085679 | 10 | 16 | 1440 | 0,0422623164390046 | 295 | 0 min 9 sec |
13th | Past | 26Nov2021 | 03Dec2021 | 1121466 | SIR | 1,99 | 0,0840804053000976 | 0,042260632361272 | 11 | 23 | 1440 | 0,0483963605759727 | 388 | 0 min 10 sec |
14th | Past | 04Dec2021 | 09Dec2021 | 1121466 | SIR | 2,65 | 0,11149009359746 | 0,0420713583260128 | 8 | 23 | 1440 | 0,0328369577462813 | 252 | 0 min 7 sec |
15th | Past | 10Dec2021 | 18Dec2021 | 1121466 | SIR | 1,78 | 0,0882709906692358 | 0,0496991485965819 | 11 | 20 | 1440 | 0,0490568704807266 | 78 | 0 min 2 sec |
16th | Past | 19Dec2021 | 27Dec2021 | 1121466 | SIR | 1,19 | 0,0823718097308437 | 0,0693433380281068 | 12 | 14 | 1440 | 0,0678330860835738 | 140 | 0 min 4 sec |
17th | Past | 28Dec2021 | 04Jan2022 | 1121466 | SIR | 0,72 | 0,069310260758065 | 0,0965030381142381 | 14 | 10 | 1440 | 0,0381677913803567 | 39 | 0 min 1 sec |
18th | Past | 05Jan2022 | 11Jan2022 | 1121466 | SIR | 1,58 | 0,0930684414598431 | 0,058811567047397 | 10 | 17 | 1440 | 0,0422347486483078 | 347 | 0 min 8 sec |
19th | Past | 12Jan2022 | 18Jan2022 | 1121466 | SIR | 2,08 | 0,0952871391363433 | 0,0457777116254083 | 10 | 21 | 1440 | 0,0472195433600992 | 531 | 0 min 12 sec |
20th | Past | 19Jan2022 | 27Jan2022 | 1121466 | SIR | 2,99 | 0,121378703747069 | 0,040619872298166 | 8 | 24 | 1440 | 0,0414944439037244 | 396 | 0 min 9 sec |
Jeg skal ikke gå får detaljert inn i metodikken. De kolonnene det er viktig å merke seg er dato for de ulike faser Rt smittens reproduksjons tall (R), rho er kontakt graden og sigma er tiden man er smitteførende. tau er tidsenheten (1440 minutter i ett døgn). RMSLE er ett viktig tall RMSLE står for Root Mean Squared Logarithmic Error. Tallet forteller hvor treffesikker modellen er. Desto lavere tall jo bedre er den kunstige intelligensen til å gjette. RMSLE blir mindre jo mer data modellen har.
Vi kan jo se... Jeg ser er en høy R – 3,42 for Helse Sør-Øst mellom 12 og 16 desember i fjor:
published | title | summary | link |
Mon, 13 Dec 2021 19:01:21 GMT | Dette er de nye tiltakene | Regjeringen innfører skjenkestopp i hele landet, en kraftig innstramming på hjemmekontor og arrangementer – og gult nivå i skoler. | https://www.vg.no/nyheter/innenriks/i/QyEnjV/dette-er-de-nye-tiltakene |
Mon, 13 Dec 2021 18:52:29 GMT | Nye tiltak: - Du kan reise hjem i jula | Under en uke etter at regjeringen strammet inn med nye tiltak, gjør de det igjen. | https://www.vg.no/nyheter/innenriks/i/v58vwL/nye-tiltak-du-kan-reise-hjem-i-jula |
Mon, 13 Dec 2021 18:33:49 GMT | Restauranttopper frykter skjenkestopp: - Kan bli nådestøtet | Restauranter og utesteder frykter full nedstengning: – Vi var allerede skadeskutt. Dette kan bli nådestøtet, sier adm. direktør i Fursetgruppen. | https://www.vg.no/nyheter/innenriks/i/Jx3Ko7/restauranttopper-frykter-skjenkestopp-kan-bli-naadestoetet |
Mon, 13 Dec 2021 17:57:27 GMT | Regjeringen innfører nye tiltak – dette har helsemyndighetene anbefalt | Klokken 20 presenteres nye tiltak på en pressekonferanse. De har blant annet blitt anbefalt å innføre skjenkestopp og gult nivå i skolene. | https://www.vg.no/nyheter/innenriks/i/dnjodO/regjeringen-innfoerer-nye-tiltak-dette-har-helsemyndighetene-anbefalt |
Mon, 13 Dec 2021 16:48:19 GMT | FHI: Tror skolestenging kan øke smitte | FHI tror stenging av skoler har liten smitteeffekt. I tillegg vil de verne barn mot inngripende tiltak. | https://www.vg.no/nyheter/innenriks/i/0GbM7M/fhi-tror-skolestenging-kan-oeke-smitte |
Mon, 13 Dec 2021 15:56:45 GMT | Støre varsler kraftige tiltak: Må begrense møter mellom mennesker | Statsminister Jonas Gahr Støre varsler at det kommer to hovedgrep på pressekonferansen i kveld. | https://www.vg.no/nyheter/innenriks/i/KzlObo/stoere-varsler-kraftige-tiltak-maa-begrense-moeter-mellom-mennesker |
Mon, 13 Dec 2021 19:07:14 GMT | - Vet at dette er blytunge beskjeder | Regjeringen innfører nasjonalt skjenkestopp. Les alle de nye tiltakene her. | https://www.dagbladet.no/nyheter/dette-er-de-nye-tiltakene/74917792 |
Mon, 13 Dec 2021 18:02:24 GMT | Dette vil de stenge | Dette er helsemyndighetenes vurderinger og anbefalinger til regjeringen. | https://www.dagbladet.no/nyheter/dette-anbefaler-helsedirektoratet-og-fhi/74917434 |
Mon, 13 Dec 2021 17:51:04 GMT | - Forventer full lockdown | Daglig leder ved Parkteatret, Dan-Michael Danino, er forberedt på dårlige nyheter når regjeringen skal presentere nye tiltak mandag kveld. | https://www.dagbladet.no/nyheter/forventer-full-lockdown/74917136 |
Mon, 13 Dec 2021 17:01:26 GMT | - Må bare tåle det | FHI spår en dyster vinter med svært mange coronapasienter på sykehus. FHI-direktør Camilla Stoltenberg understreker at vi må handle raskt. Ahus forbereder nå å kunne utvide intensivkapasiteten ytterligere. | https://www.dagbladet.no/nyheter/viktig-a-handle-na/74914917 |
Mon, 13 Dec 2021 16:08:36 GMT | - Står klare og tripper | Dagbladet får bekreftet at apotekene skal brukes mer til vaksinering mot coronaviruset. Apotekene jubler. | https://www.dagbladet.no/nyheter/star-klare-og-tripper/74916300 |
Mon, 13 Dec 2021 15:42:55 GMT | Det blir en krevende vinter | Vinteren står for døra og det kan bli mer enn sykehusene som rystes denne gang. Selv direktørene i sykehusene værer skiftet og tar til avisspaltene om manglende kapasitet. | https://www.dagbladet.no/meninger/en-perfekt-storm/74890597 |
"spot on"...
Så treffsikkerheten er stor, og vi kan vel nå velge oss hvilken som helt fase. Siste fase viser en svært høy verdi av R. Nasjonen har innført tiltak, men vi kan å se hva tiltakene er basert på, eller hvordan fremtiden ser ut med tanke på smittespredning.
Smittesituasjonen ser ganske drastisk ut for alle regionene. Forhåpentligvis blir ikke så stor andel av de smittede alvorlige syke. Toppene synes å være nådd rund begynnelsen av april. Med tanke på at utflating av kurvene innebærer en forlengelse av pandemien, er dette scenariet en Guds gave. Om da denne varianten er mindre farlig? Dette er fremtiden slik den ser fra slutten av januar, dersom man ikke foretar seg noe. Gjør man tiltak vil fremtiden se annerledes ut. Formålet mitt med vurderingen er å kunne se om situasjonen(e) legitimerer tiltak. En kan også vurdere om de tiltakene som gjøres har ønsket effekt.
Avsluttende kommentarer.
Da jeg startet denne drføtelsen, hadde jeg ingen formening om hva de utvalgte data og aggregering ville avdekke. Data avdekker flere fenomen det kunne vært interessant å se nærmere på, bla. antall innleggelser i april 2021, med lav smitte blant de "utsatte"? Hvorfor synker smittetettheten rett før gjenåpningen 25. september? Eller skyldes utbruddet Helse Nord smitte bland uvaksinerte (som var ett tema)? Sikkert andre tema også. Jeg vet ikke om det er praktisk eller juridisk mulig å segmentere landet med tanke på restriksjoner fordelt på helse regioner. Kanskje er det også andre måter, eg. by/land, kyst/innland befolkningstetthet, eller demografi. Dette får kanskje bli ett fremtidig prosjekt. Uansett er det "snøen som falt i fjord", man får ikke de avgjørelsene som er gjort ugjort. Se Covid-19 Utbrudd av smitte Tromsø September 2021
En ting som kommer lite frem i offentligheten er N tallet. N er populasjonen, modellen forutsetter at denne er konstant. Det er den i realiteten ikke. Norge er en del av verden, så det reelle N er hele verdens befolkningen. Pandemien er med andre ord ett globalt problem. Pandemien forløp i den store verden angår også oss. Viruset "blomstrer" og muterer seg i utlandet, og før eller siden vil den muterte varianten komme til "oss". Dette innebærer nye forutsetninger med påfølgende nye vurderinger og tiltak.
Ett globalt problem har kun èn global løsnin!
Jeg tror det er viktig og etablere alternative kilder, Massemedia føler jeg nå løper i flokk, grupper henges ut. Pandemien utgjør så omfattende problem denne p. Følgende av den er dypt inngripende, og undergraver grunnleggende rettigheter. Feilinformering og manipulering av befolkningen må også påregnes – grupper settes opp mot hverandre, joggere, gamle, unge, syke, friske, vaksinerte, uvaksinerte mm. Det er når det stormen vi må stå sammen, forent, i kringvern om de individuelle rettigheter
Det er slik at en gruppe mennesker kan ikke velge å holde avstand til infiserte og syke – de som pleier andre. Mange av disse har ikke tilgang til vaksine, og løper en stor risiko for selv å blir smittet og syke. Man bør vurdere hvorvidt det er moralsk å stille unge, friske mennesker, eller andre som kan holde avstand og har liten sannsynlighet for utvikling av sykdom, foran disse modige omsorgspersonene i vaksinekøen.
Lykke til!
Om du liker dette, kan du bidra?