烈日炎炎下的新冠肺炎
夏天终于到了！
一年一度的五一劳动节，标志着夏季的到来，这几日的炎炎烈日正是太阳亲切的问候。在经历了艰辛和坚持后，社会生活秩序渐渐恢复。正如肖恩也回到了学校，准备毕业，然后步入社会。在社会重回正轨之际，看着海外严峻的疫情形势，我们不禁要问，这新冠疫情何时是个头？我们面前的口罩几时能脱下？
2003年，SARS席卷我国时，在夏季突然销声匿迹。于是我们期待着，COVID-19也能像SARS一样，被炎热逼退。但是
- SARS的离开真的是因为炎热吗？
- 如果SARS不耐热，那么COVID-19也不耐热吗？
新冠肺炎是否耐热，是否会在夏季消失或者减弱，这里面有许多的问题需要回答。而目前我们知道的还是太少了。我们可以给出概率统计， 但所有的概率统计，都是基于已知信息的最可能估计，不代表事件实际发生的可能性大小。
时至今日，疫情已在全球范围内肆虐了近3个月，纵观世界疫情整体情况，战斗没有停止，且在某些地方愈战愈烈。在中国，疫情并没有离开过，现在的它，只是去了别的地方，并试图返回中国。 今天我们再来做一些分析，看看疫情影响疫情的关键因素。本人能力有限，欢迎看客前来指正和建议。
数据获取
- 最最原始的数据是丁香园的
- 我这里使用的是github上别人爬取的数据，BlankerL/DXY-COVID-19-Data（2020-05-02，我发现丁香园和腾讯的数据某些国家上有较大的出入）
病死率的走势
一个国家的确诊人数，是由许许多多因素共同作用的结果，比如国家的政策，民众意识，民族文化，防护措施，病毒在该地的适应性（气温等）；这里面我认为国家的防疫措施最为关键，比如严格的隔离政策和经济稳定措施。而一个国家的病死率，可能更多的体现在医疗水平上和医疗物资水平。然而，许多发达国家，医疗水平近似，死亡率却相差很大，有些国家病死率约为5%，而有些国家病死率接近15%。
我们先来看一下几个疫情重灾区的病死率走势：
image.png
确诊人数与病死率
上图中，几乎所有的国家的病死率都是日益增加的，这可能和不断新增的确诊人数有关。当确诊人数达到当地医疗系统的上限时，医疗系统必定会陷入几近瘫痪的状态，物资告急，医务人员短缺，病床不够等等，不仅会大大降低院内病人的治愈率，更可悲的是大多数人可能一诊难求，病死家中。病人的病死率随着确诊人数的增加而增大。
那么病死率和确诊人数又有怎么样的关系？
为了让数据更有统计意义，我这里只统计目前累计确诊人数达到1000的国家或地区。这里我们不统计具体人数和病死率，只统计排行RANK。下图，是确诊人数排行和死亡率排行的连线图，左侧为确诊人数排行，右侧为死亡率排行。我们来看看哪些国家较好的控制了病死率，而哪些国家失控了。
compareRate.png
这是确诊人数排行和死亡率排行之差的频数统计
我们可以看到：
- 整体上看，高确诊人数的国家对应着较高的死亡率，低确诊人数的国家对应着较低的死亡率（大多数的线接近水平，斜率不大，频数大多数在0附近）
- 我们也可以在第一张图明显地观察到一个类似于“X”的图形
- X的中斜向下的国家，这些国家有着较高的总确诊病例数，但是其死亡率排行却不高，说明了他们有较好的治疗效果，控制住了病死率。我们将这些国家称为低病死率国家
- X的中斜向上的国家，他们总确诊人数不高，但是死亡率却较高，看来是医治不利。我们将这些国家称为高病死率国家。
这里的低病死率和高病死率，不是病死率的绝对值高或低，而是相对于确诊人数排行来确定的。
高/低病死率国家有什么规律吗？
如果我们可以找到高低病死率国家的一些通性，就可以预测一些高危地区，可能会对疫情的防控有所帮助。比如高低病死率是否和温度有关，是否和医疗条件有关等等。
我们先看看高低病死率国家分别有哪些？
低病死率 : ['德国', '俄罗斯', '土耳其', '秘鲁', '印度', '葡萄牙', '沙特阿拉伯', '新加坡', '巴基斯坦', '智利','以色列', '白俄罗斯', '卡塔尔', '阿联酋', '乌克兰', '韩国', '塞尔维亚', '孟加拉国', '澳大利亚', '科威特', '哈萨克斯坦', '巴林', '阿曼']
高病死率 :['印度尼西亚', '菲律宾', '埃及', '芬兰', '阿根廷', '阿尔及利亚', '匈牙利', '希腊', '尼日利亚', '伊拉克', '克罗地亚', '喀麦隆', '波黑', '爱沙尼亚', '保加利亚', '波多黎各', '古巴', '北马其顿', '立陶宛', '斯洛文尼亚', '斯洛伐克', '新西兰', '玻利维亚']
把他们画在地图上 是这样的：
image.png
蓝色：低病死率国家， 橙色：高病死率国家，绿色为目前无感染的国家(绿色部分由于国家名称不匹配问题，可能并不完全正确)
高温能抑制疫情吗
从这张图，我们其实也能看到一些信息，高低病死率和温度是没有关系的。我们能看到，高病死率或者低病死率都在低/中/高纬度有所分布。无感染国家也无明显纬度分布特点。
为了更直接验证温度是否影响病毒的传播，我又统计了最近一周各国出现的新增确诊病例数，看近一周的新增病例分布与纬度是否有关联。
但像美国和俄罗斯这样的大国，因为国家大，人数多，所以总确诊人数多，所以为了去除国家面积这个bias，我尝试使用确诊人数除以总国土面积（其实貌似除以总人口也可以），在一定程度上补偿国家大小带来的偏差，但在国土面积较小时，很不稳定，所以改用周确诊人数除以log2(国土面积),结果再取log作图：
image.png
呈现在地图上：
image.png
从上图，也能看到周新增较多的国家，大多数是人口大国和欧洲国家，在维度上，并没有什么明显趋势。反而像新加坡，多米尼加这样的低纬度国家疫情发展迅速。
经济水平对疫情防治的帮助
最后，我们来看一下，不同国家经济水平是否对疫情的治疗有影响。这里统计了高/低病死率国家的人均GDP（GDP per capita），通过可视化和T-test假设检验来统计高/低病死率国家在经济水平上是否有显著差异。
可视化为SwarmPlot + Boxplot，可见低病死率的国家整体上拥有较高的人均GDP。
image.png
使用T-test检验显著性，t=-2.27， p = 0.028，具有统计学意义。较好的经济水平确实与控制病死率相关。
结语
疫情的传播的防控需要国家的严格措施，而疫情的病死率需要足够的经济和科技力量去控制，然而如果确诊人数居高不下，无论多强大的经济和医疗水平都可能显得无力。在疫情面前，防控 >> 治疗。如今，我们能开学，能开心地和父母通话，都需要感谢国家的力量。
而我们需要谨记的是，疫情仍未离去，既然高温杀不死它，那么什么可以呢？可能明年的疫苗，也可能是全球人民众志成城隔离的决心，抑或某种药物。无论如何，我们都知道这将是漫长的战斗，我们不知道何时能战胜它，一年两年三年四年，前路艰辛，但我们坚信胜利。全球有无数的医护人员在努力和牺牲，无数的科研人员在追赶时间，无数的警察、安保在严格排查，更是有数不清的你我他在疫情期间自我隔离。我相信团结的力量，不会让大家的努力付之一炬。
最后，地球是个村，村子越来越小，鸡犬相闻，老死不相往来的日子已经过去。在面对这类全球的公共卫生危机时，没有人可以置身事外。新冠纵然非我们所愿，也是一次警钟。如何面对全球灾难，是所有村民需要思考的问题。
2020-05-03
