操作マニュアル

2-1) 「モデルパラメータの推定→」をクリック

Topページ、もしくはヘッダメニューの「予測する」タグにある「モデルパラメータの推定」ボタンを押します．
パラメータ推定をしない場合は手順4へ ．

2-2) 推定モデルの選択

2-3) 実測ウイルス濃度データ(fitting期間)の入力

• ○「有効データ行数」は入力データとして読み取れた行数を表しています．
  エラー表示が出たり有効データ数が少なく表示される場合は、区切りやファイルのフォーマットに問題がある可能性があります．
  特にコピー＆ペーストでテキスト入力した際に、日付と数値のカラムの間に区切りが２つ以上入ってしまうとエラーの原因になります．
  テキスト入力は使いやすいですが、元の表計算ソフトの仕様が合わない場合はエラーが出やすいのでご注意ください．

2-4) ウイルス濃度データに移動平均を適用するか

「適用しない」「３項移動平均」「５項移動平均」から選択します．

ウイルス濃度の測定は、報告数データに比べてサンプル数(測定頻度)が小さくバラツキも大きいです．移動平均でデータを少し平(なら)すとフィティングの精度が上がる場合があります．

2-5) 疫学データ(fitting期間)を入力

2-6) 「モデルパラメータ推定を実行」ボタンをクリックする

上記の入力フォームの設定を再確認し、間違いがなければ「モデルパラメータ推定を実行」ボタンを押します． 「モデルパラメータの推定結果」の画面が表示されます．

3-1) モデルパラメータの推定結果」の確認

推定結果画面の上から順番に説明します．

• ▷入力された設定値
  今回のパラメータ推定に使用した各設定の一覧です．
• ▷モデルパラメータ
  推定されたモデルパラメータが表示されます．

  • ・回帰モデルの場合、線形回帰した際の切片と傾きが表示されます．
  • ・疫学モデルの場合、

    v（発症者1人あたりのウイルス検出濃度 [GC/L]) :

    測定地点で検出された発症者１人あたりのウイルス濃度の平均値(GC/L)．
    発症日をピークとした感染者のウイルス排出量と検出感度に関係．

    ω（1日あたりの発症率[1/day]) :

    発症日前の感染者が排出するウイルス量の増加に関係．

    γ（1日あたりの回復率[1/day]) :

    発症日後の感染者が排出するウイルス量の減少に関係．

    となります．
    

• ▷[グラフ表示]の確認

  デフォルトではグラフ表示のテーブルがオープンになっています．タグから表示を開閉できます．
  ✅チェックボックスで対数軸と線形軸の切り替えができます．原則、対数軸を推奨します(Q5参照)
  ✅また、「95%信頼区間/95%予測区間を表示」、陽性報告数で入力した場合の「報告数を表示」の設定ができます．
  ※ただし、ここで表示される「報告数」は入力値とは限りません．データに欠損日がある場合は線形補間や集計入力モードによる均等割付けによる補間処理がされた後の数値となります．(解説資料「集計入力モードONの場合」「集計入力モードOFFの場合」 )

  グラフ表示で出力されるものは以下の3枚です．

  • ・ウイルス濃度 (fitting期間)
    入力した実測値に移動平均をかけたウイルス濃度が棒グラフで表示されます．
    移動平均を適応しない場合は入力値のままです．
    両端のデータは移動平均をかけても入力値のまま残されます．
    下限値以下のデータは除去されており、パラメータ推定には使用されません．
    データが不連続に飛んだ場合(下限値以下のカットも含む)は、移動平均が中断された部位を実測データで補っています．
    
  • ・発症者数 (fitting期間)
    入力した報告数から遅れ平均日数に従って逆進推定された発症者数と、ウイルス濃度からモデル予測された発症者数を比較することができます．両者が近いほど良くフィッティングできています．
    モデル予測曲線の95%信頼区間(濃い赤い帯)、モデル予測に使用した発症者数プロットの95%予測区間(薄い赤い帯)も同時に表示されます．
    また、「報告数を表示」にチェックを入れると、報告者数のプロットが追加表示されます．発症者数データ(発症日ベース)を入力した場合には報告数は表示できません．
  • ・発症者数とモデル予測発症者数の関係
    同じ日付で紐づけた発症者数とモデル予測発症者数のデータを散布図にしたものです．
    両軸とも常対数(log10)となっています．
    実測報告数から直接ワイブル分布で推定された逆進推定発症者数、もしくは実測発症者数と、さらにその逆進発症者数をウイルス濃度とフィティングさせたモデルパラメータに基づくモデル予測発症者数を比較することで、モデル予測の精度が判ります．
    プロットが傾き1の直線に近いほどフィティングが良いです．
• ▷[テーブル表示]の確認

  ウイルス濃度、報告数、逆進推定発症者数、モデル予測発症者数の時系列データがテーブル表示されます．
  逆進推定によって生成された発症者数の分布が、おおよそ「遅れ平均(日数)」だけ報告数の分布からずれていることが棒グラフから確認できます．
  モデル予測発症者数は、fitting期間におけるウイルス濃度と推定したモデルパラメータを導入したモデルから出力した値です．(解説資料「モデルパラメータ推定の実行」参照)

3-2) 「モデルパラメータの推定結果」のダウンロード

モデルパラメータの推定結果を個人の端末にダウンロードします．

• ▷CSVファイルのダウンロード [グラフ表示]

  テーブルの右上にCSVファイルのダウンロードボタン[↓CSV]があります．

  CSVファイルは左から順に以下のカラム構成です．

  Date :

  日付データ

  Prediction :

  モデル予測発症者数

  Virus :

  ウイルス濃度(下限値などの処理済み)

  Confidence Interval (Max) :

  信頼区間の上限値

  Confidence Interval (Min) :

  信頼区間の下限値

  Prediction Interval (Max) :

  予測区間の上限値

  Prediction Interval (Min) :

  予測区間の下限値

  Prediction log10 :

  モデル予測発症者数(log10)

  Virus log10 :

  ウイルス濃度(log10)

  Confidence Interval (Max) log10 :

  信頼区間の上限値 (log10)

  Confidence Interval (Min) log10 :

  信頼区間の下限値 (log10)

  Prediction Interval (Max) log10 :

  予測区間の上限値 (log10)

  Prediction Interval (Min) log10 :

  予測区間の下限値 (log10)

• ▷テーブル内の各グラフのダウンロード
  [グラフ表示] テーブル内の各グラフは、グラフ右下にダウンロードボタン[↓画像]があります．
  軸の選択と表示したい項目を選択し、ダウンロードボタンを押します．
• ・モデルパラメータもCSVファイルとしてダウンロード可能です．
  「入力された設定値」もこのファイルにコピー＆ペーストで保存しておくと便利です．

3-3) 「モデルパラメータの推定結果」のサーバーへの保存と共有

• ① ウインドウ下部の「 ＜ 再入力 」ボタンを押すと、再びモデルパラメータ推定フォームに飛びます．
• ②「 進む＞ 」ボタンを押すと、「モデルパラメータを保存する」ページへ飛びます．
  • ◦ ここで出力されたモデルパラメータはデータラベル(名称)、都道府県の選択、自治体・採取施設名等の情報、その他メモ欄への書き込みが可能です．
  • ◦ これら添付情報を記載した後に「保存する」ボタンを押すと、モデルパラメータと本フォームで書き込んだ内容がサーバー内に保存されます．
  • ◦ 保存データの読み出しは、Topページの下の方にある「プロフィール・保存データ管理」もしくはヘッダーメニューのアカウント名をクリックし、「保存したモデルパラメータ一覧」から欲しい結果の「詳細を見る＞」をクリックします．(手順6参照)

  また、保存されたモデルパラメータは、発症者数予測フォームのモデルパラメータ→「プリセットパラメータを使用する」をクリックすると出現するプルダウンリストに登録されます．

  さらに、以下の項目にチェックを入れると、他のユーザーともプリセットパラメータやモデルパラメータの推定結果を共有できます．

  ✅ 他のユーザーにモデルパラメータの推定結果を共有する

  共有するデータラベル(名称)のコード化はユーザー間で取り決めをしてください．

• ③「 保存する 」ボタンを押すと「モデルパラメータの保存が完了しました」という確認ダイアログがでます．
• ④「このモデルパラメータを使って予測をする＞」ボタンを押すと、発症者数予測フォームに飛びます． ここで出力されたモデルパラメータは予測フォームに自動入力されます．
  手順4-2)へお進みください．

3-4) 「発症者数の予測」フォームへ飛ぶ

出力されたモデルパラメータに問題がなければ、パラメータ推定は完了し、発症者数の予測へ移ります．

発症者数の予測フォームへ飛ぶには、手順3-3)にある「このモデルパラメータを使って予測する＞」ボタンで手順4-2)へ進むか、ヘッダーリストにある「発症者数の予測」もしくはTopページに戻って「発症者数の予測→」ボタンを押します．

4-1) 予測モデルを選ぶ

「疫学モデル(推奨)」と「回帰モデル」からパラメータ推定に用いたモデルを選択します．
※ 手順2-2)を参照

4-2) 「モデルパラメータ」を入力する

入力方法を選びます．

• ▷直前に推定したパラメータを使う場合
  手順3-3)の「このモデルパラメータ値で予測する＞」ボタンからジャンプすると、直前に推定したモデルパラメータが既に入力されています．
• ▷保存したパラメータを使う場合
  「プリセットパラメーターを使用する」の欄をクリックし、プルダウンされたリストから選択します．
  ※Q&AページのQ.4も参照
• ▷任意の値のパラメータを手入力する場合
  「手動入力」の欄をクリックし、各パラメータの数値をテキスト入力します．

4-3) ウイルス濃度データ(予測期間)の入力

※ 手順2-3)を参照

4-4) ウイルス濃度データに移動平均を適用するか

「適用しない」「３項移動平均」「５項移動平均」から選択します．
※ 手順2-4)を参照

4-5) [比較用] 疫学データ(予測期間)の入力 (省略可)

モデルパラメータの推定結果と同じように、モデル予測発症者数と発症者数(報告数データからの逆進推定もしくは発症日ベースの疫学データ)との比較をする場合、予測期間における疫学データを別途入力してください．
入力の手順や詳細設定は手順2-5)と同様です．

4-6) 「計算する」ボタンをクリックする．

モデル予測発症者数の出力画面が出ます．

5-1) 「発症者数の予測結果」の確認

入力したモデルパラメータが表示されます

• ▷[グラフ表示]の確認
  • ・ウイルス濃度 (予測期間)
    入力した実測ウイルス濃度に基づいた棒グラフが表示されます．
    ※ 操作については手順3-1)を参照
  • ・発症者数(予測期間)
    モデル予測発症者数が表示されます．
    さらに手順4-5)で[比較用]疫学データ(予測期間)の入力をした場合、それに基づく補間後報告数と逆進推定発症者数がプロットされます．
    ※ ここで表示される95%信頼・予測区間はモデルパラメータ推定の際の残差標準偏差を基にしています．比較用発症者数(予測期間)のデータから得た信頼・予測区間ではありません．あくまでも当てはまりの目安として表示してあります．また、モデルパラメーターの推定を行わずに直接発症者予測フォームから手動入力でモデルパラメータ値を入力した場合、95%信頼・予測区間は表示されません．
• ▷[テーブル表示]の確認
  • ・予測期間におけるウイルス濃度、および同期間におけるモデル予測発症者数の時系列データがテーブル表示されます．

5-2) 「発症者数の予測結果」のダウンロード

グラフの画像、CSVファイル、ともにダウンロードできます．
※ 操作については手順3-2)を参照
CSVファイルのカラム構成もモデルパラメータ推定の際と同様です．

5-3) 「発症者数の予測結果」のサーバー保存と共有

発症者数の予測結果フォームの「 保存・共有 ＞ 」ボタンをクリックし、「予測結果を保存する」ページに飛びます．

本フォームはモデルパラメータの推定結果と同様に解析結果の保存、添付情報の書き込み、共有設定ができます．手順3-3)参照．

6-1) 共有された保存結果の読み出し

Topページの「共有済み モデルパラメータの推定結果を見る→」「共有済み 発症者の予測結果を見る→」の項目をクリックすると、他のユーザーが公開した結果も含めて、「詳細を見る＞」ボタンを押すとデータを読み出すことができます．

読み出した解析結果からグラフ画像やCSVファイルのダウンロードが可能です．

6-2) 自身のアカウントの保存結果の読み出し

自身が保存した結果を読み出すには、Topページ下方の「プロフィール・保存データ管理＞」ボタン、もしくはヘッダーメニューのアカウント名をクリックし、「プロフィール」のタグをクリックします．
こちらには公開、非公開双方の保存結果が一覧できます．
個々のリストの「詳細を見る＞」ボタンから保存結果が読み出されます．

6-3) 保存結果の編集と削除

「編集する＞」ボタンを押すと保存結果の編集フォームへ飛びます．
ここで保存結果の添付情報や公開設定を書き換えることができます．
再度「編集する」ボタンを押すと添付情報と公開設定が更新・保存されます．
保存結果の削除もこの編集フォームの「削除する」ボタンから行います．