５類移行後のデータ

2023年5月8日，新型コロナウイルス感染症が感染症法の2類（新型インフルエンザ）から5類感染症に移行した。

それはよいとしても（よくないかもだけど），問題はデータの収集が不十分になったことだ。5000の指定医療機関のサンプリングでも，全国としてはそれなりのデータが得られるかもしれない。しかし，実際に対応する都道府県レベルではどうなのだろう。

さらに，新しいデータの説明や従来のデータとの接続関係が十分に説明されていないことが気持ち悪い。公表されているのは1週間毎の定点把握であり，都道府県別の一指定医療機関当たりの平均感染者数だけだ。マスコミは視聴者の質問に答えるデータを用意していない（考えていないので質問も出ない）。生成系AIにきいても，医療情報なので提供できないといわれる始末。

Q1：指定医療機関のリスト（都道府県別数リスト）はありますか。（みつからない）

Q2；平均感染者数というのは一週当たりでなく一日あたりですか。（たぶんそうらしい）

Q3：全国や都道府県別の一日当たり推定感染者数はわかりますか。（全国はわかる）

しかたがないので，自分で計算してみよう。指定医療機関5000の都道府県分布が，全国8200の病院数の都道府県分布に比例すると仮定する。これで各都道府県別の指定医療機関数が推定できる。これに公表されている都道府県別の感染者数をかけると，一日あたりの都道府県別の感染者数が推定できる。これを合計して全国の病院数で割ると，2.60人／日・指定医療機関となって，報道されている5/8-5/14の全国の指定医療機関当たり平均感染者数2.63人とほぼ一致する。

2.63人／日・指定医療機関は，感染者数でいえば，13,000人／日なので，5月8日の国内の１日当たり感染者数9310人と同じオーダーである。ということで，感染者数は緩やかに増大を続けているようだ。なお，昨年12月下旬の第8波ピークでは，30人／日・指定医療機関であり，これは，14.8万人／日に対応する。実際にはピーク時では16.9万人だった。

これを踏まえて，従来の感染者数の報告値は，指定医療機関の報告値の15%増だとすれば，現時点の新規感染者数は15,000人／日程度となる（そもそも従来の感染者数も不十分な統計だという説もあるが・・・）。

図：新規感染者数／日・指定医療機関ではないのか（NHKから引用）

ファクターＸ

2年半前の2020年春，新型コロナ ウイルス感染症の蔓延が始まったころ，欧米諸国に比べて日本の感染者数や死亡数は圧倒的に少なかった。その原因は何かということで，あれやこれやの説があったが決定的な証拠がなくて，当初はファクターＸ（あるいはなぞなぞ効果 by コロラド先生）とよばれていた。

その後，優等生だったニュージーランドや韓国や台湾でも感染が急拡大してしまい，日本を含む東アジア太平洋地域の特殊性というのは，いつのまにか話題にならなくなった。

2022年夏の第7波のピークを過ぎた頃から，感染者数が過去に比べてかなり大きいにも関わらず，重症化率や致命率がそれほどでもないという理由で，様々な規制が緩和されようとしている。WHOも，コロナの終わりが視野に入ってきたと口走るようになった。

データアナリスト（マーケティングリサーチャー）の萩原雅之さんが，Our World in Dataから，日本の人口当たりの新規感染者数を世界と比較していたので，死亡数や致命率もあわせて確かめてみることにする。やはり，第6波以降の報告値は大きく変わってしまった。なんでだろう。

図１：百万人当たりの1週移動平均新規感染数（日本/世界）の推移（OWD）

第1,2波では世界平均の1/10ほどだったものが，第3,4,5波では。2-3分の1程度になり，なぞなぞ効果は消えたといわれた。さらに，第6波では世界平均を上回り，第7波では逆に1桁近く日本の方が大きくなってしまった。現時点では主要国中，台湾，韓国，に続き第3位になっている。

図２：百万人当たりの1週移動平均新規死亡数（日本/世界）の推移（OWD）

死亡数でも感染者数と同様の傾向があるが，世界平均を上回るのは第5波からである。第7波では，人口当たり死亡数は世界平均を1桁近く上回り，現時点では主要国中第1位になっている。ほとんどニュースでは取り上げられていないけれど。そして，その日本の中でもダントツなのが維新に牛耳られている大阪だ。

図３：１週移動平均致命率（日本/世界）の推移（OWD）

第1波から第4波の致命率は2〜5%もあって，行動制限も当然という状況だった。第5波には1%前後まで収まり，第6,7波にかけては0.1%のオーダーまで下がっている（たぶんそれでもインフルエンザよりは高い）。これがこのまま続くのかどうかは変異株の性質次第かもしれない。

東京における第7波の新規感染者数のピークは8月の第1週の3.3万人/日であった。現在まで，平均3.4%/日の割合で減少している。これが続けば，9月末には5700人/日，10月末には2000人/日，11月末には700人/日とおさまるペースだ。第8波については，変異株や冬場に向かう環境変化の効果次第でどうなるかわからない（なお，全国の値は東京の7-8倍程度である）。

COCOAの行方

COCOAログチェッカーからの続き

河野太郎デジタル大臣は，9月13日の記者会見で，厚生労働省が開発した新型コロナウイルス接触確認アプリ（COCOA）が近々サービス停止になると表明した。

自分がCOCOAをインストールして800日余り経過した。幸いなことにこれまで接触の報告はなかった。COCOAは当初から，そしてその途中でも散々ケチがついてしまったボロボロのシステムだった。4000万件ダウンロードされ，それなりの役目は果たす可能性はあったかもしれないが，本当に意味があったかどうかは検証されていない。

それにしても，せっかく開発した貴重なシステムをすべて水に流してしまうのか。確かに，コロナウイルス感染者の全数把握をやめた段階でMy HER-SYSが使えなくなるのであれば，連動してCOCOAからの陽性登録ができなくなるというロジックはわからなくもない。しかしながら，一端でき上がったシステムを簡単にチャラにしてしまうということに何の躊躇もないことに吃驚する。京大OCWの件と同じマインドがトップに染みついているわけだ。

デジタル庁がその管轄下に置きたがっているこの国のデータベースや情報システムの多くが利権を駆動力として立ち上がり，中抜きを重ねて一定の利益が回収できれば，伊勢神宮の式年遷宮のごとく新しく立て替えることに向かっていく。これが我が国のDXの本質のように見えてしまう自分の心は黒く染まっているのでしょうか。

P. S. なんで厚生労働省のシステムの話に，河野太郎が真っ先に口を突っ込んでいるの？

図：COCOAのアイコン（App Storeから引用）

図：COCOAの業務の流れ（東京新聞 2021/2/20 から引用）

［１］接触確認アプリCOCOA失敗の本質 （石橋秀仁）

［２］接触アプリCOCOAからの教訓（楠正憲）

SIDRモデル（２）

 SIDRモデル（１）からの続き

牧野さんの例では，感染期間/免疫消失期間が1/100 と小さくなる場合が示されていた。そこで，これに対応するケースの計算をしてみた。

R = 5; \[Gamma] = 13; \[Beta] = R/\[Gamma]; \[Alpha] = 130*10;
sol = NDSolve[{
x'[t] == \[Beta] x[t] (1 - x[t] - y[t] - z[t]) - x[t]/\[Gamma],
y'[t] == 0.9987*x[t]/\[Gamma] - y[t]/\[Alpha],
z'[t] == 0.0013*x[t]/\[Gamma],
x[0] == 0.01, y[0] == 0, z[0] == 0}, {x, y, z}, {t, 0, 3000}];
fx[t_] := x[t] /. sol[[1, 1]]
fy[t_] := y[t] /. sol[[1, 2]]
fz[t_] := z[t] /. sol[[1, 3]]
Plot[fx[t], {t, 0, 3000}, PlotRange -> {0, 0.5}]
Plot[fz[t], {t, 0, 3000}, PlotRange -> {0, 0.01}]

基本再生産数と免疫消失期間を前回のそれぞれ2.5倍，10倍にしている。

この結果，定常状態における全人口に対する感染者割合は0.77%，一日当たり死亡数は，97人/日となる。年間死亡数は3.5万人なので，季節性インフルエンザの3.5倍程度に収まることになる。

図１：SIDRモデルにおける感染者割合の推移

図２：SIDRモデルにおける累計死亡数の推移

（注）西浦さんの公式だと，$\frac{1-1/R}{1+\alpha / \gamma}\cdot \frac{n}{\gamma} =100$人/日となるので，上記の結果とよく対応している。

SIDRモデル（１）

 エンデミックからの続き　（参考：感染症の数理シミュレーション（２））

西浦博さんが紹介している既知のSIRSモデルは，年齢構造や平均余命まで考慮した精緻なモデルだが，一般ピープルがその振る舞いを試してみるには大層なので，単純なSIDRモデルを考えてみた。本質的に，牧野淳一郎さんが最近計算したモデルと等価であり，念のため死亡者数をちょっと取り出しただけだ。

図１：SIDRの概念図

$\dfrac{du_1}{dt} = -\beta \dfrac{ u_1 \cdot u_2}{n} + \dfrac{u_3}{\alpha}$

$\dfrac{du_2}{dt} = \beta \dfrac{ u_1 \cdot u_2}{n} -\dfrac{u_2}{\gamma_1} -\dfrac{u_2}{\gamma_2}$

$\dfrac{du_3}{dt} = \dfrac{u_2}{\gamma_1} -\dfrac{u_3}{\alpha}$

$\dfrac{du_4}{dt} = \dfrac{u_2}{\gamma_2}$

ここで，$u_1+u_2+u_3+u_4=n$は定数で，全国民数である。また，$\alpha$が免疫保持期間（day），$\gamma$は感染期間（day）である。CFRを$c$とすると，$\frac{1}{\gamma}=\frac{1}{\gamma_1} + \frac{1}{\gamma_2}$が成り立ち，$\frac{1}{\gamma_1}=\frac{1-c}{\gamma}，\frac{1}{\gamma_2}=\frac{c}{\gamma}$である。

微分方程式の両辺を$n$で割って，$x=\frac{u_2}{n}，y=\frac{u_3}{n}，z=\frac{u_4}{n}$とする。また，$s=\frac{u_1}{n}$を，$s=1-(x+y+z)$で消去すると次の3変数の微分方程式系が得られる。

$\dfrac{d x}{dt} = \beta (1-x-y-z)\ x -\dfrac{x}{\gamma}$

$\dfrac{d y}{dt} = \dfrac{(1-c)\ x}{\gamma} -\dfrac{y}{\alpha}$

$\dfrac{d z}{dt} = \dfrac{ c\ x}{\gamma}$

この式で$c=0$とすれば，牧野さんの式となる。次のMathematicaコードで検算したところ，彼の結果は再現できた。ここでは，次の値で計算してみる。$R=\beta \gamma =2，\gamma=13，\alpha=130，c=0.0013，x[0]=0.01$

R = 2; \[Gamma] = 13; \[Beta] = R/\[Gamma]; \[Alpha] = 130;
sol = NDSolve[{
x'[t] == \[Beta] x[t] (1 - x[t] - y[t] - z[t]) - x[t]/\[Gamma],
y'[t] == 0.9987 * x[t]/\[Gamma] - y[t]/\[Alpha],
z'[t] == 0.0013 * x[t]/\[Gamma],
x[0] == 0.01, y[0] == 0, z[0] == 0}, {x, y, z}, {t, 0, 1000}]
fx[t_] := x[t] /. sol[[1, 1]]
fy[t_] := y[t] /. sol[[1, 2]]
fz[t_] := z[t] /. sol[[1, 3]]
Plot[fx[t], {t, 0, 1000}, PlotRange -> {0, 0.2}]

その結果は図２のようなものであり，振動の後に平衡状態となり，感染者割合は4.5%に収束する。

図２：SIDRモデルにおける感染者割合の推移

また，400日目を過ぎると，死亡数は図３のように線形で増加するが，このときの1日あたりの死亡者割合は，4.5 x 10^-6 となり，540人/日に相当するので，年間死亡数は19万人に達する。これは季節性インフルエンザの超過死亡数（1万人）の20倍のオーダーである。

図３：SIDRモデルにおける累計死亡数の推移

エンデミック

8月19日， 新型コロナウイルスの全国の新規感染者数が過去最多の26.1万人に達した。医療現場の逼迫状態も進んでいるはずなのに，行動制限が設定されることもなく，手間のかかるHRS-SYS入力による感染者数の全数把握見直しの議論などが先行している（8月2日の専門家有志の提言）。

そういえば，菅政権から岸田政権に替わって，専門家が前面にでて説明することがなくなった。いいような悪いような。もちろん背景では，新型コロナウイルス感染症対策アドバイザリーボードが週１回の頻度で回っている。

8月18日のアドドバイザリーボードの資料で，京大の西浦博さんが，新型コロナウイルス感染症のエンデミック化についての数理モデル，SIRS（Susceptible-infectious-recovered-susceptible）について検討していた。

エンデミック（地域流行≒風土病）とは，感染症流行の第三段階である。パンデミック（汎発流行＝世界流行），エピデミック（流行≒アウトブレイク）の次に来るフェーズだ。ある感染症が一定の地域に一定の罹患率又は一定の季節で日常的に繰り返し発生する状態を表わし，まさにウィズ・コロナに相当する。

SIRSモデルでは，回復者の免疫が一定の時間で切れてしまうために，再び感染可能者に戻ってしまうというものだ。つまり，SIRモデルの回復者$R(t)$のところに，$R(t)$に比例した減衰項が付け加わり，その分が感染可能者 $S(t)$に加わる。

$\dfrac{dS}{dt} = -\beta \cdot S \cdot I + \delta \cdot R $

$\dfrac{dI}{dt} = \beta \cdot S \cdot I - \gamma \cdot I $

$\dfrac{dR}{dt} = \gamma \cdot I - \delta \cdot R$

平衡状態における定常解は，$\frac{dI}{dt} =0，\frac{dR}{dt}=0，N=S+I+R$から求まる。これらから，$N-I-\frac{\gamma}{\delta} I = \frac{\gamma}{\beta N}\cdot N$となるので，

$\dfrac{I}{N}= \dfrac{1-1/R_0}{1+\gamma/\delta}$と平衡状態での全人口に対する感染者割合が求まる。ただし，$R_0=\frac{\beta N}{\gamma}$は基本再生産数である。これが，西浦さんが資料で示した下図に示されている。免疫が半年で切れるとして，全人口の1%〜2%程度が常に感染していることになる（これは，オミクロン株での免疫持続時間3〜4ヶ月と感染者割合2〜8%という英国の観測値と整合している）。

図：アドバイザリーボード西浦博さんの資料から引用

エンデミック（ウィズコロナ）を認めるということは，常に数%の感染者が存在することを容認することになる（季節性インフルエンザの10倍）が，高齢者比率の高い日本では，その死亡リスクが他国にくらべて高いことに十分注意する必要があるというのが結論だった。

仮に，オミクロン株の致命率CFRとして，0.13%（季節性インフルエンザの10〜20倍）を採用し，感染期間を13日とする。平衡状態での感染者割合が2%の場合，全人口に対する1日当たりの死亡者数割合は，0.0013/13*2%=2*10^{-6}となるので，毎日250人程度の死者が出続ける（現在までの新型コロナ感染症死者数のピーク値がずっと続くのがウィズコロナだ）。

手計算による第7波ピーク予測（２）

手計算による第7波ピーク予測（１）からの続き

2週間前に感染者数の予測をしたが，おおむねこの範囲で推移しているようにみえる。

今週末（7/30土）の東京の週平均新規感染者数/日は，3.17万人/日である（ピークは7/28木の4.0万人）。先週末（7/23土）の同じ値は，2.30万人/日だったので，前週に対する平均の1週間増加率は，1.37である。この増加率が2週間後に0になるとすれば，週単位でみたら，来週末8/6土には，3.7万人/日（対前週増加率は1.18）でピークアウトする。

NHKが好きな名古屋工業大学の平田グループのAI予測では，8/6土に3.9万人/日ということで，まあ今回はこちらの値と一致しているが，AI予測の意味があるのかどうだか・・・。

それはそうと，ついに，日本の100万人当たりの新規感染者数/日が世界一になっている。Our World in Data の，Daily new confirmed COVID-19 cases per million people（1週間移動平均）である。日本と韓国がほぼ同様の振る舞いを見せて，ニュージーランドを追い越してしまった。

図：100万人当たりの新規感染者数/日（Our World in Data より）

手計算による第7波ピーク予測（１）

新型コロナウィルスオミクロンBA.5株（BA.4はどこに行った？）による感染者数がこのところ急増している。その一方で，近鉄大和西大寺や祇園祭は人であふれているらしい。

京大の西浦博さんは過去の経験で懲りたのか，ポルトガルの分析グラフを解説するだけで，本邦の数値予測をマスコミには見せていない。KEKの野尻美保子さんも仕事先のヨーロッパで感染して忙しいらしく，以前のような感染者の重症度重み付きグラフを出していない。

名古屋工業大学のグループによるAI予測の結果が，7月8日にNHKで取り上げられていた。それによれば，東京では7月25日に18,000人のピークを迎えるという。実際には，7月15日に19,000人であり，たった1週間先もまともに推定できていなかった。感染症数理モデルの専門家をよんでこないとだめじゃないの。タイトルにAIがあればよいという発想がアウトだ。

そんなわけで，素人が，費用0円，手計算で第7波のピークを予測することにする。

図：新規感染者数の増減率の常用対数値（2021.7.7 - 2022.7.13）

NHKによる都道府県別新規感染者数の日々データから，前週値との新規感染者数の比率を増減率とする。これを1週間移動平均した値の対数値をプロットしたものが上図になる。図のピークは新規感染者数グラフの変曲点を表わし，正の値が続いている間は感染者数が増加している。第6波の増加期間は約60日であり（コロラド博士の9週間=63日ピーク説と符合），この山の増加率の常用対数値はピークを挟んでほぼ1次関数で増減している。

第7波が始まったのは約1ヶ月前の6月中旬であり，7月中旬にはすでに増加率はピークを越えてしまった。増加率の絶対値は前回より小さい（4割程度）が，開始からピークまでが30日というのは前回と同じだ。増加率の減少過程も前回同様だと仮定すれば，8月13日のお盆前まで新規感染者数は増加が続くことになる。

そこで東京について，3つの場合について計算してみる。7月中旬のピーク以降，(A) 3週間で増加率の常用対数値が一様に減少して0になる。(B) 4週間で増加率の常用対数値が一様に減少して0になる。(C) 5週間で増加率の常用対数値が一様に減少して0になる。例えば，7/17 の1.4万というのは前週の新規感染者数の平均値を表わしている。

(A) では，7/17 1.4万，7/24 2.1 万，7/31 2.5万，8/7 2.6万 → 8月第1週でピークの2.6万人/日

(B) では，7/24 2.2万，7/31 2.9 万，8/ 7  3.4万，8/14 3.5万 → 8月第2週でピークの3.5万人/日

(C) では，7/24 2.2万，7/31 3.1 万，8/ 7  3.9万，8/14-21 4.4万 → 8月第3週でピークの4.4万人/日

ということになる。全国に換算する場合は7倍して，それぞれ，(A) 18万人/日，(B) 24万人/日(C) 31万人/日が第7波のピークの値ということになる。

まとめれば，使用する元データは，NHKの新規感染者数から得られた対前週増減率の7日間移動平均だけ。仮定する理論は，その対数値が幅60日の三角波になっている第6波の経験値だけ。その結果は，8月の初旬〜中旬に全国20〜30万人/日でピークとなるということ。

（付録）計算方法：　7/17（東京1.4万人/日）における一日当たり新規感染者数の対前週増加率は，10^0.25=1.8倍である。そこで，(A)では，0.25/3≒0.08として，10^0.17=1.48，10^0.09=1.23，10^0.01=1.02と毎週減少する，(B)では，0.25/4≒0.06として，10^0.19=1.55，10^0.13=1.35，10^0.07=1.17，10-0.01=1.02と毎週減少する，(C)では，0.25/5≒0.05として，10^0.20=1.58，10^0.15=1.41，10^0.10=1.26，10^0.05=1.12，10^0.00=1.00と毎週減少するとして，上記の予測値を得た。

WHOのデータ

 WHOによる，COVID-19における世界各国地域別の感染者・死者数日別データをjson形式で取り込んでいたが，形式が変わったのか読み込めなくなってしまった。jsonの形を再び分析する気にならなかったので，探してみるとWHO Coronavirus (COVID-19) DashboardにCSVデータが見つかった。

データ形式をころころ変えるのはやめてほしい。これが日本だと，URLごとデータが消えてしまうので，それよりはましかもしれない。これまでのコードを生かしながら，修正プログラムを作った。

#!/usr/bin/perl
# 02/10/2022 K. Koshigiri
# usage: covid.pl 2022/02/22 3
# extract 3 days' data from 2022/02/22
# original data = https://covid19.who.int/page-data/table/page-data.json
# data https://covid19.who.int/WHO-COVID-19-global-data.csv

use Time::Local 'timelocal';
\$in = "whox";
\$out = "who-dat.csv";
\$cvd = "https://covid19.who.int/WHO-COVID-19-global-data.csv";

(\$sec, \$min, \$hour) = (0,0,0);
(\$year, \$month, \$day) = split '/', \$ARGV[0];
\$epochtime = timelocal(\$sec, \$min, \$hour, \$day, \$month-1, \$year-1900)+32400;

system("lynx -source \$cvd > \$in");

open(OUT,">\$out");
  print OUT "Date, Country Code, Country, Region Code, Confirmed, Cumulative Confirmed, Deaths, Cumulative Deaths \n";

  for (\$i=0; \$i<\$ARGV[1]; \$i++) {
    \$ut=\$epochtime+86400*\$i;
    {\$sec, \$min, \$hour, \$day, \$month, \$year) = gmtime(\$ut);
    \$year += 1900;
    \$month += 1;
    if(\$month < 10) {
      \$ym = "\$year-0\$month";
    } else {
      \$ym = "\$year-\$month";
    }
    if(\$day < 10) {
      \$dt = "\$ym-0\$day";
    } else {
      \$dt = "\$ym-\$day";
    }
    print "\$dt\n";

    open(IN, "<\$in");

　　　 while() {

        if(/\$dt/) {
          print OUT;
      　}
    　}
    close(IN);
  }
close(OUT);

乗法的積分

新型コロナウィルス感染症のオミクロン株の感染者数を見ている。かつては，実行再生産数が話題になることが多かった。いまは，前週との感染者数の比較によって増加や減少の傾向が議論されている。その場合でも，指数関数的（等比級数的）な振る舞いかどうかをみるには，曜日による変動を除くために，前週の感染者数との比率が重要になる。

例えば，東京と大阪の各曜日の前週に対する感染者数比率の相乗平均を週ごとに計算してプロットすると次のようになる。増加率のピークで6倍になったのは1月の初旬である。この比率は1.0に近づいているので，感染者数のピークアウトがそろそろ視野に入ってきた。

図：東京・大阪の感染者数前週比の推移

この比率関数のモデル化が容易ならば，逆算して一日当たり感染者数関数を求めることができる。もっとも，大阪維新によって破壊されている行政統計は出鱈目なので，そもそも意味があるかという問題は残るのだが。

さて，増加比率$r(t)$からもとの関数$f(t)$を求める問題を$f(t+h)/f(t) =r(t)^h$と定式化した。$\lim h \rightarrow 0$で両辺は1になる。この両辺の対数をとると，$\log f(t+h) - \log f(t) = h \log r(t)$ であるから，$\lim_{h \to 0} \dfrac{\log f(t+h) - \log f(t) }{h} = \dfrac{d}{dt} \log f(t) = \log r(t) $ が得られる。

これから，$\log f(t) = \int_c^t \log r(t') dt'$ となり，$f(t) = e^{\int_c^t \log r(t') dt'}$ が得られる。適当な関数を使って試してみたが，比率のピーク関数を時間方向に対称にとれば，感染者数の関数は対称ではなく，後方に広がるといった程度の定性的なイメージしか得られなかった。

ところが，こうした関数の比率についての解析的な議論は，乗法的積分のうちの幾何積分としてすでに知られていることがわかった。数列の和から普通の積分が導かれるように，数列の積から乗法的積分が得られるのだった。なるほど，数学の奥は深い。

第３回ワクチン接種

 第２回ワクチン接種からの続き

1月30日14:00に第3回のワクチン接種を予約していたが，その接種が完了した。

第2回のファイザーワクチン接種が2021年6月26日だったので，当初は8ヶ月後の2月26日以降に接種することになっていた。ところがこれが早められて7ヶ月で3回目の接種が可能ということになり，天理市では早速，接種時期が前倒しされることになった。

オンラインや電話での予約受付は1月17日からはじまり，1月26日以降の日付で接種できることになった。当初の案内では，前回と同じタイプのワクチンを接種するということで，ファイザーの注意書きが送付されてきた。ところがその後，各医院での個別接種を除いた文化センターや高井病院での集団接種ではモデルナが指定されることになった。

世の中では，モデルナを忌避する傾向がみられ，これによる調整の遅れが第3回接種が進まないことの一因とされている。前2回のファイザーの接種ではほとんど副反応がなかったが，第3回のモデルナについても接種後8時間経過した時点までは大丈夫である。

13:45に会場に到着し，14:10には待機の15分も完了した。だいぶ要領がよくなっているようだ。65歳以上の高齢者が対象のためモタモタすることも多いが，十分に配置されたスタッフが手際良く動線を管理しているので，天理市の集団接種は非常にスムースに進んでいる。

写真：天理市文化センターの集団接種会場（撮影 2022.1.30）

COCOAログチェッカー

 2020年の7月に厚生労働省の接触確認アプリCOCOAをインストールして568日目になる。COCOAは2020年の6月19日にリリースされており，現在までに2400万件ダウンロードされた。最初からアプリのトラブルが続き，開発の責任問題などを巡りゴタゴタしたことから普及が進まず，現時点でも全国民の20%程度というなさけない状況だ。

登録された陽性者と1m以内の距離に15分間以上の接触をしたというアラームは，まだあがってきたことがない。COCOAには，さらに詳しい接触通知ログ情報が14日間分，スマートフォンに記録される仕組みがある。このログを解析するツールが，COCOAログチェッカーというウェブアプリだ。

iOSの場合は設定に「接触通知」という項目があり，その中の「接触チェックの記録」に過去14日間の接触ログデータが格納されている。その一番下にある「接触チェックの記録を書き出す」がある。これを選んでコピーボタンを押すとログデータがクリップボードに保存される。そこで，先ほどのCOCOAログチェッカーの入力欄にこれをペーストしてチェックボタンを押せばOKだ。

早速やってみると，自分の場合，３件の新規陽性登録者が近くにいた記録が確認された。昨日は天王寺キャンパスの夜間の対面授業（次回はオンラインにする）があったので大阪に出たのだった。近鉄，上本町，地下鉄，天王寺地下街，大阪教育大学，天王寺駅などと16:00から21:30まで周回してきたので危ない危ない。15分以上は接触していないのでまあ大丈夫だとは思う。COCOAの普及率が20%だったから，一度大阪に出ただけで（先週は大学入学共通テストのため休講だから），この5倍の15人の陽性者と接触したことになる。

図：COCOAログチェッカーの画面

新規感染者数の増減率

 NHKが毎日発表している都道府県別の新規感染数・死亡数のデータがある。これから東京都と大阪府の数値を取り出して，新規感染者数の対前週比率の常用対数を日毎に求めて整理している。簡易実行再生産数も別に計算しているが，それより直接的に感染者数の動向をみることができる。

これによれば，11月末まで減少を続けてきた感染者数は東京では12月第1週から，大阪では12月の第2週ころから増加に転じた。12月下旬の現在では，週平均値で1.6倍〜1.7倍近くの増加傾向を示している。オミクロン株の影響が見えてきたのかもしれない。

これまでの例では，市中感染が見つかってから4ヶ月ほどで新規感染者数がピークを迎えているので，これから年末・年度末にかけて再び感染の波がやってくるのかもしれない。それにしても，空港検疫でPCR検査をせずにすませるという考えが理解しがたいのだった。

図：新規感染者数の対前週比率の常用対数の推移

新型コロナワクチン接種証明書アプリ

 12月20日，厚生労働省じゃなかった，デジタル庁による新型ワクチン接種証明書アプリがリリースされた。

早速インストールしてみる。手順は以下のとおり，

(1)  アプリをダウンロードする（iOSの場合）

(2) アプリを起動して，これからの操作を選択

(3) マイナンバーカード取得時の４桁の暗証番号を入れる（そもそも何種類も番号あるのがおかしいわけだけれど）

(4) スマホ（iPhone）をマイナンバーカードの上において情報を読み取り

(5) パスポートを用意して画面撮影により情報を読み取り

(6) 接種した自治体を選択

(7) 以上で出来上がり（これで2次元QRコードが生成されるようになる）

マイナンバーカードに旧姓併記がある方（※近日中に対応予定），パスポートに旧姓・別姓・別名の併記がある方は利用できないというトンデモ仕様になっていた。面倒なこと夥しいので，さっさと選択的夫婦別姓制度を実現したら良いものを。3回目の接種分の証明は自動的に追加されるのだろうか？

図：新型コロナワクチン接種証明書アプリのアイコン

新型コロナワクチン接種予約（３）

 新型コロナワクチン接種予約（２）からの続き

天王寺キャンパスの非常勤授業から帰ってきたら，天理市から新型コロナワクチン接種予約追加（３回目）の接種券が届いていた。6月5日に１回目，6月26日に２回目の接種をしているので，2022年1月17日（月）から予約受付開始，2月26日（土）以降に接種可能になる。

これはちょうど8ヶ月の間隔を空けたことに対応しているが，2ヶ月の前倒しが必要な場合はまた連絡があるとのこと。電話予約の場合は，年齢ごとに受付曜日が決まっているが，オンライン予約は24時間無休でいつでも可能である。

予診票に，ファイザーかモデルナかを選ぶ欄がないなあ（あると混乱するだけなのだが）と思っていたが，ファイザー社ワクチンであるという説明書が入っていた。前回の接種時とは異なり，高齢者接種でのファイザーワクチン数が足りなくて，テレビではさかんに交互接種のメリットを宣伝していた。接種者の希望でということにすれば混乱するのにと思っていたが，天理市ではそれはないかもしれない。

インフルエンザの予防接種

 天理市からインフルエンザの予防接種の案内があったので（個別ではなくて広報誌なのだが），しばらく前に予約していたら，間の悪い事に久々の雨降りの午後が予約と重なってしまった。仕方がないので，車で天理市メディカルセンターに向かった。

これは高齢者（65歳以上）向けに，インフルエンザ予防接種の助成をするもので，2021年10月1日から2022年1月31日迄の期間，1500円で1回接種できるというものだ。

予約した1時30分の30分前にセンターに着いたが，もう15名くらいが椅子に座って待っている。体温を測って問診票を受付に出すと14番の書類が渡された。時間が来たらスイスイと接種が終了していく。これも痛くはありませんでした。

次は，コロナワクチンの3回目で，こちらの方は12月接種券配布，1月予約，2月接種というスケジュールになりそうだ。

接種済証ケース

 天理市から新型コロナウイルスワクチンの接種済証ケースを送ってきた。色々と気がつく市長さんである。もちろん，本来ならば接種済証明アプリがあれば良いのだけれど，COCOAで懲りたのか，新たな利権構造ができていないのか。地域独自のものはあるようだが全国版がない模様で，厚生労働省もやる気なし。

調べてみると，民間ベースのワクパスというのがある。いいのだけれど，これが乱立したら真正性をどうやって保証するのだろうか？ちょっと試してみると，登録がうまく進行しない。アイコンのデザインもイマイチなのでもう少し様子を見たほうがいい。

写真：天理市の接種済証ケース（2021.11.11撮影）

コロナワクチン接種状況（５）

 コロナワクチン接種状況（４）からの続き

8月が終わったので，ここまでのコロナワクチン接種状況を復習しておく。6月21日から職域接種が開始された。7月中に65歳以上の希望者全員のワクチン接種を完了するという目標のもとに，6月21日から7月20日の平均接種回数は約150万回になった。しかし，その後，少し失速して7月21日から8月20日の平均接種回数は約130万回にとどまっている。

8月末に総接種回数は1億3千万回に達しており，子どもを除く必要総回数2億2千万回の56%に達している。現在，平均120万回/日の速度で接種が進んでいるため，もしこのペースが維持できれば，9月末には1億6千万回（75%），10月末には2億回（90%）となるので，次に来ると考えられる第6波の様相はこれまでとは違ったものになるのかもしれない。

6月21日以降のデータとして報告されているワクチン接種回数は，土日や祝日が欠損しているので，これを線形補間してさらに7日平均接種回数の値を求めたのが次のグラフである。なお，職域接種の統計への計上は8月に入ってからなので，これも6月22日から線形にならしている。

図：7日平均ワクチン接種回数の推移（6/22-9/3）

空気感染

 日本の新型コロナ感染症対策がみごとに失敗している件。これまで，厚生労働省の医系技官やネット上の医療系クラスターによって，1) PCR検査は感染を拡大するからなるべく避けるべきという抑制論，2) コロナは空気感染しない＝飛沫感染論が跋扈してきた。

ようやくこれに対する揺り戻しがはじまった。一つは，科学社会学系の東北大学の本堂毅さんとKEKの平田光司さんが世話人となった最新の知見に基づいたコロナ感染症対策を求める科学者の緊急声明である。例のごとく3行で要約すると

「新型コロナウイルス感染拡大を受け，政府や一部医学関係者から「策が尽きた」との声が聞こえている。早期発見と隔離やワクチンなど有効な施策がないとの意見には同意できない。未だ様々な方法が残されており，それらによる感染拡大の阻止は可能である」

またつぎの３点を提案している。

A）ウイルス対応マスク装着についての市民への速やかな周知と必要な制度的措置

B）熱交換換気装置や空気清浄機，フィルター等の正しい選択と有効な活用についての行政の理解と市民一般への十分な周知

C）効果の科学的証明には時間を要するため，最新の知見から有効と予想できる対策は，中立的組織による効果の検証を平行しつつ，公平性や安全性に配慮して実施する

Scienceの論文 [1] でも空気感染の定義が再検討されて，COVID-19における空気感染=エアロゾル感染を再認識することの重要性が指摘されている。

今後の展望：病原体の空気感染は，これまで十分に評価されていませんでした。その理由のほとんどは，エアロゾルの空気中での挙動に関する理解が不十分であったことと，少なくとも部分的には，極めて重要な観察結果が誤って伝えられていたことによります。飛沫感染や付着物による感染の証拠がないことや，エアロゾルによる多くの呼吸器系ウイルスの感染の証拠がますます強くなっていることを考えると，空気感染はこれまで認識されていたよりもはるかに広く行われていることを認識しなければなりません。SARS-CoV-2の感染について分かったことは，すべての呼吸器系感染症においてエアロゾルによる感染経路を再評価する必要があるということです。換気，気流，空気ろ過，紫外線消毒，マスクの装着など，近距離と遠距離の両方でエアロゾルの透過を緩和するための予防措置を講じなければならない。これらの対策は、現在のパンデミックを終わらせ、将来のパンデミックを防ぐための重要な手段である。

図：空気感染に関する論文［１］より引用

また，PCR検査抑制論への反論については朴勝俊先生の [3] が詳しい。

［１］Airborne transmission of respiratory viruses
［２］FAQs on Protecting Yourself from COVID-19 Aerosol Transmission
［３］クロス表とベイズの公式に基づく新型コロナPCR検査抑制論の検討（朴勝俊）

［４］PCR検査抑制論の年譜と語録（伊賀治）
［５］東京と日本の現状と今後(2021/8/28)（牧野淳一郎）

［６］人命尊重のコロナ政策最優先への根本的転換を（世界平和アピール七人委員会）

不可視化

コンピュータの応用が進むとともに，科学や統計の様々な分野で可視化というタームがはやった。

新型コロナ感染症をめぐっては，マスメディアによって世界中の刺激的な映像場面によって危機が可視化されてきた。また，信頼性にかけるとはいいながら，新規感染者数の日々の推移グラフは目に見えるデータとして機能してきた。

昨日の菅首相のアナウンスは次のような意味らしい（もっとグダグダな表現だったが），

政府は新型コロナウイルスの流行拡大を受けては患者が急増している地域で入院させる基準を引き上げて重症化するリスクの高い患者に限定する方針を示しました。新しく示された方針ではこれまで入院の対象としていた持病などのリスクがある軽症の患者や呼吸困難や肺炎の症状がある中等症患者のうち重症化リスクが低い人を入院の対象から外し基本的に自宅療養にします。自宅療養の患者に対してはオンライン診療やパルスオキシメーターの配布で健康観察を強化します。（テレ東Bizより引用）

なんのことはない「医療崩壊」がきているということだ。その現場が，カメラの届かない感染者の私的領域（自宅）へと広く分散されて隠ぺいされることにより，「医療崩壊」は不可視化されることになった。その結果は運が良ければ数ヶ月後に衆議院選挙も終わったあとの祭りの死亡統計でようやく観測されることになる。

結局は，オリンピック報道もその一面だけれど，マスメディアを政府・自民党・財界に完全に牛耳られているという問題なのか。