新型Covid-19 Coronavirus上的前100名R资源

Antoine Soetewey 2020-03-12 48 minute read

冠状病毒是全球的严重关注。凭借其扩展,还有更多和更多的在线资源。本文介绍了Covid-19病毒上最好的R资源。

此列表绝不是详尽无遗的。我不知道关于Coronavirus在线在线提供的所有资源,所以请随时让我知道或者 联系我 如果您认为另一个资源(R包,闪亮的应用程序,R代码,博客文章,数据集等)值得在此列表中。

r闪亮的应用程序和仪表板

新冠病毒跟踪器

由开发 John Coene., 这 闪亮的应用程序 基于三个数据来源(John Hopkins,Weixin和DXY数据),跟踪Coronavirus的传播。使用ShinyMobile建造的闪亮的应用程序(这使其响应于不同的屏幕尺寸),以时间和地区的死亡人数,确认,疑似和恢复案件非常好。

代码可用 GitHub..

来自冠状病毒仪表板 {coronavirus} package

由作者开发的 {coronavirus} package, 这 仪表板 提供2019年新型冠状病毒Covid-19(2019-Ncov)流行病的概述。数据和仪表板每天刷新。

代码可用 GitHub..

从这个仪表板,我创建了另一个 特定于比利时的仪表板。随意使用可用的代码 GitHub. 建立一个特定于您所在国家的。查看更多细节 文章.

Covid-19全球案件

由开发 Christoph Schoenenberger., 这 闪亮的应用程序 通过地图,摘要表,关键数据和情节显示Covid-19大流行的最新进展。

代码可用 GitHub..

从作者那里找到更多关于这个仪表板的想法 文章.

Covid-19例的可视化

由开发 Nico Hahn., 这 闪亮的应用程序 使用传单,绘图和约翰霍普金斯大学的数据来可视化新型冠状病毒的爆发,并显示整个世界或单一国家的数据。

代码可用 GitHub..

建模Covid-19传播与医疗保健能力

由开发 艾莉森山博士, 这 闪亮的应用程序 使用基于经典SEIR模型的流行病学模型来描述Covid-19的传播和临床进展。它包括不同的感染临床轨迹,减少传输的干预措施,以及医疗保健能力的比较。

代码可用 GitHub..

Covid-19数据可视化平台

由开发 Shubhram Pandey., 这 闪亮的应用程序 在全世界的Covid19的影响下提供了清晰可视化,并且它还使用Twitter的自然语言处理提供了情绪分析。

代码可用 GitHub..

冠状病毒10天预测

由此开发 空间生态和进化实验室, 这 闪亮的应用程序 逐十大的冠状病毒病例,逐十大的预报,并为公民提供这种流行病的速度感。

查看该应用的详细说明以及如何阅读它 博客帖子。代码可用 GitHub..

冠状病毒(Covid-19)全世界

由开发 Anisa Dhana 与Datascience +合作,这 闪亮的应用程序 通过确认病例的地图可视化和病毒生长的图表在世界范围内监测世界各地的Covid-19传播。

使用的数据集是来自 Johns Hopkins CSSE. 其中部分代码可用 博客帖子.

2019冠状病毒病暴发

由开发 Thibaut博士Fabacher 与斯特拉斯堡大学医院公共卫生部的合作以及斯特拉斯堡医学教师的生物统计学和医学信息学实验室,这 闪亮的应用程序 显示一个用于全局监测感染的交互式地图。它侧重于每个国家的案件数量和发病率的给定时期的演变。

代码可用 GitHub. 还有这个 博客帖子 更详细地讨论它。

比较电晕轨迹

由开发 AndréCaleroValdez., 这 闪亮的应用程序 通过两个图表,将确认和死过期案例的数量与国家的案例轨迹进行比较。该应用程序还允许您通过表将国家的增长率和案例数字进行比较。

代码可用 GitHub..

压平曲线

由开发 Tinu Schneider, 这 闪亮的应用程序 以互动方式说明,在#flatthecurve消息背后的不同场景。

该应用程序已经在MichaelHöhle的建造 文章GitHub..

探索Covid-19的传播

由开发 Joachim Gassen., 这 闪亮的应用程序 允许您通过一个摘要图显示已确认的,恢复的案例和报告几个国家的死亡。

闪亮的应用程序基于以下数据:

博客帖子 在进一步的细节中解释了闪亮的应用程序,特别是 {tidycovid19} R package behind it.

政府和Covid-19

由开发 塞巴斯蒂安恩格尔狼, 这 闪亮的应用程序 以优雅的方式提供以下测量:

  • 连续的最大指数增长时间
  • 双重感染的日子
  • 今天的指数增长
  • 确诊病例
  • 死亡人数
  • 人口
  • 确认案件100,000名居民
  • 死亡率

代码可用 GitHub. 还有这个 文章 在进一步的细节中解释它。

模拟Covid-19在多哥 - 西非的流行病

由开发 KankoéSallah博士, 这 闪亮的应用程序 利用SEIR Metapulation模型在集水区之间的流动性,描述Covid-19的国家级传播以及West Africa的Toggo中的干预措施的影响。

Covid-19预测

由Manuel Oviedo和Manuel Febrero(Santiago De Compostela大学的Modestya Research Group开发)开发 闪亮的应用程序 在增长率的最后15天期间使用演变预测5天地平线的增长率。拟合三种功能回归模型并在新数据可用时重新估计。该应用程序还显示了一个互动的情节和表格,用于累积案件的预期数量和新的每日案件,每个地平线(针对确认和死亡响应)(来自 Johns Hopkins CSSE.)和西班牙地区(来自 iscii.)。

请参阅“关于”标签中的方法的说明。

Covid-19仪表板

由开发 Philippe de Brouwer., 这 仪表板 显示有关病毒爆发的几个关键措施(按国家或所有国家/地区组合),以及一些预测,世界地图和其他交互地块。

来自小说冠状病毒(Covid-19)的医疗保健工作者死亡

由Jonathan Gross开发,这 闪亮的应用程序 在新闻报道的美国报告的美国冠状病毒(Covid-19)的医疗保健工人死亡。它每天更新,代码可用 GitHub..

Covid-19比利时住院住院

由开发 Jean-Michel Bodart, 这 仪表板 概述了比利时与地区和省的Covid-19相关住院的演变。

代码可用 GitHub..

CovidMinder:你在哪里生活!

由开发 rensselaer数据探索和应用研究所, 这 闪亮的应用程序 揭示了美国在美国的结果,决定因素和药物(例如,死亡率,测试用例,糖尿病和医院病床)的区域差异,特别关注纽约。

博客帖子 更详细地解释了闪亮的应用程序,并且可以提供代码 GitHub..

Covid-19加拿大数据资源管理器工具

由Petr Baranovskiy开发 数据爱好者的博客, 这 闪亮的应用程序 处理加拿大政府提供的官方数据集,并显示与加拿大SARS-COV-2流行有关的几个指标。

博客帖子 详细说明申请。

菲律宾Covid-19案例预测

由Jamal Kay Rogers和Yvonne Grace Arandela开发,这 闪亮的应用程序 为菲律宾提供了5天的确认阳性,死亡,死亡,恢复了5天的预测。

该应用还提供了菲律宾在菲律宾的10天预测和每日和累积案件的图形曲线。数据来源是约翰霍普金斯大学系统科学与工程中心(JHU CSSE)。

covid-19案例&死亡报告数校正器

由开发 Matt Maciejewski., 这 闪亮的应用程序 根据基于的参考国侧重于驳回潜断的Covid-19案例和死亡计数的纠正 Lachmann等人。 (2020),并通过乘法估算器进行总死亡和案例。一旦数据变得可用,估算器将变成后预测。

该应用程序在此中更详细地解释 文章 可以找到闪亮的应用程序的代码 GitHub..

covid-19:spqeir模型

由卢森堡大学系统Biomedicine(LCSB)的卢森堡中心的几个研究人员开发,Ku Leuven和Ugent,这 闪亮的应用程序 用新的 spqeir模型 模拟各种抑制策略(社会疏松,锁定,保护等)对Covid-19的发展的影响。

Covid-19预测

由开发 卡洛斯卡塔尼亚, 这 闪亮的应用程序 提供对不同国家(南美洲和一些欧洲国家)的Covid19传播的预测。该应用程序实施了SEIR模型的概括,其中包括其他隔间中的检疫和死亡 (彭等人。 2020).

比利时Covid案件跟踪器

由开发 Patrick Sciortino., 这 闪亮的应用程序 旨在估算真正的Covid-19案例曲线,基于时间的案例及时的想法 t 向我们通知我们前几天发生的感染。

Covid-19显示器

由开发 特拉福德数据实验室, 这 闪亮的应用程序 在英国可视化每日确认的冠状病毒病例和死亡。

它使用以下数据源:

可以找到代码 GitHub..

Covid-19公告板

由开发 魏苏, 这 仪表板 显示日本Covid-19流行病的实时可视化。它主要显示各种指标,包括但不限于PCR试验,阳性证实,医院排放和死亡,以及日本各县的趋势。还有各种图表,如群集网络,日志规模的新确认案例为用户参考。

仪表板基于此 日语版本 (由同一作者开发)。可以找到代码 GitHub..

Covid-19统计显示器

由CarlSansfaçon创建 WordPress插件 联系人R. {ggplot2} graphics 与Arima预测和PHP编码显示在不同国家,各国/省市和美国城市的确认,死亡和回收案件的演变。

它用 数据 来自约翰霍普金斯大学系统科学与工程中心的Covid-19数据存储库。插件可以安装为a WordPress插件.

coronamapper.

由奥克萨布的支持,由 Paolo Montemurro彼得格鲁伯 ,这种可视化显示了四天的平均生长指标,该指标清楚地表明病毒的某种统计数据如何随着时间的推移而发展,过滤噪声。

该网站从几个官方数据来源每小时接收数据,并在直观的情况下可视化Covid19的历史演变& interactive way.

Coronadash.

由开发 彼得劳宁克, 这 闪亮的应用程序 提供各种数据挖掘和可视化技术,用于将各自的Covid-19数据统计数据进行比较:

  • 通过指数平滑模型推断总确诊的病例,
  • 案件/死亡的轨迹传播,
  • 国家数据/统计数据的多维聚类 - 具有树木和群集表平均值,
  • 整个世界的聚合意见,
  • 国家基于DTW距离和SMA(+标准化)的预处理的分层聚类,用于快速比较大量国家的Covid-19大幅度和趋势。

博客帖子 进一步详细解释了上述列表的最后一点。应用程序的代码可用 GitHub..

covidfrance.

由开发 Guillaume Pressiat, 这 闪亮的应用程序 说明了法国(按部门)的住院,重症监护单位,回收和死亡人数的演变。

博客帖子 呈现应用程序和应用程序的代码可用 GitHub..

Covid-19对移动性的影响

由开发 Dimiter Toshkov., 这 闪亮的应用程序 与基线相比,显示了一个国家内部特定地点的移动性(访问和逗留时间)的相对变化。基线作为一周中的一周中的中位数计算在5周期期间,在1月3日至2020年2月6日之间的5周期间。因此,情节表明了移动性如何相对于在同一个国家的局势中发生变化年。

作者还开发了一个版本 美国各国.

数据来自 谷歌社区移动报告.

冠状病毒分析平台

由开发 Khaled M alqahtani., 这 闪亮的应用程序 提供强大的分析工具,包括:

  1. 描述性分析
  2. 增长率和曲线扁平
  3. 累积预测
  4. 每日案例预测含有16种不同型号
  5. 报纸分析
  6. 电视分析

数据来自 Johns Hopkins CSSE. 和 some GDELT APIs.

Covid-19跟踪器

由开发 Magda Bucholc博士 来自Ulster University,这 仪表板 报告案件在爱尔兰北部的地方政府区和爱尔兰岛上的县级,提供报告的案件,增长率和每10万人的统计数据的性别和年龄分类;它还具有来自Google和Apple的每日移动数据。

可以找到有关此仪表板的更多信息 这里.

Covid-19概述

由开发 Fabian Dablander., Alexandra Rusu., Marcel Schreiner., 和 Aleksandar Tomasevic. 作为其中的一部分 科学与科罗长 项目,这是 仪表板 概述各国所采取的确认案件,死亡和措施概述,以遏制病毒的传播。

有关此仪表板的更多信息,请参阅此 博客帖子.

Covid-19退出策略

发展为一部分 科学与科罗长 项目,这是 闪亮的应用程序 比较了几种替代出境策略,其目的是保持感染的数量尽可能低(例如,接触跟踪),或者旨在在不超过医疗保健能力的情况下发展畜群免疫力。

闪亮的应用程序基于由此开发的随机基于个人的SEIR模型 de vlas和coffeng(2020)。这 邮政 更详细地解释了闪亮的应用程序。

电晕病毒统计:Covid19

由开发 穆罕默德博士N. Alenezi, 这 仪表板 显示有关科因斯,GCC和世界的Coronavirus的最新信息。仪表板包含一个包含在8个选项​​卡下显示的不同情节和模型的集合。

新冠肺炎Data

由开发 dhafer halouche., 这 仪表板 提出200多个国家和地区的统计数据,估计复制数 \(r(t)\) 在过去的60天和Covid19国家分类。

谁covid-19 Explorer

由此开发 世界卫生组织(世卫组织), 这 闪亮的应用程序 旨在在全球,区域和国家一级提供关于确认案件和死亡的经常更新的数据可视化。

Covid-19场景分析工具

由此开发 MRC全球传染病分析中心(伦敦帝国学院), 这 仪表板 说明了流行病轨迹,医疗保健需求和 \(r_t \) & \(r_ {eff} \) 随着时间的推移在交互式地块中的措施。

仪表板使用 乡绅 r包,其中。

R包

{nCov2019}

{nCov2019} package 让您访问冠状病毒爆发的流行病学数据。1 该包提供实时统计信息,包括历史数据和闪亮的应用程序。这 小插图 解释了包的主要功能和可能性。

此外,包装的作者还开发了一个 网站 随着互动情节和时间系列预测,可以有助于通知公众并研究病毒在人口众多国家的传播方式。

{coronavirus}

由开发 rami krispin, 这 {coronavirus} package 提供2019年新型Coronavirus Covid-19(2019-NCOV)流行病的整洁格式数据集。从数据集中拉 John Hopkins.,R包裹通过州/省提供冠状病毒病例的日常摘要。数据集包含各种变量,例如确认的案例,死亡和跨越不同国家和国家的恢复。

有更多细节可用 这里, a csv format of the package dataset is available 这里 和摘要仪表板可用 这里.

{tidycovid19}

由开发 Joachim Gassen., 这 {tidycovid19} package 允许您直接从权威来源下载,整理和可视化Covid-19相关数据(包括政府措施数据)。它还提供灵活的功能和伴随 闪亮的应用程序 可视化病毒的扩散。

该包装可用 GitHub. 和这些博客帖子 这里这里 更详细地解释它。

R软件包来自r ePidemics财团

这些 R包 来自r Epidemics财团允许您找到专业流行病学家和专家分析疾病爆发的专家使用的最先进的工具。

{covdata}

由...出版 凯恩教授Heily, 这 {covdata} package 是一个R包,提供来自多个来源的Covid-19案例数据:

  1. 国家一级数据 欧洲疾病控制中心
  2. 来自美国的国家级数据 covid跟踪项目
  3. 来自美国的国家级和县级数据 纽约时报
  4. 来自美国疾病控制中心的数据 2019年冠状病毒疾病(Covid-19) - 相关住院监测网络 (COVID-NET)
  5. 数据来自 苹果 根据2020年1月中旬以来的城市和国家流动性的相对趋势,基于地图应用
  6. 数据来自 谷歌 以2020年1月中旬以来的地区和国家流动性的相对趋势,基于地点和活动信息

代码可用 GitHub..

{covid19italy}

covid19italy r套餐 提供2019年新型Coronavirus Covid-19(2019-Ncov)大流行爆发的整洁格式数据集。该软件包包括以下三个数据集:

  1. italy_total:国家一级爆发的日常摘要
  2. italy_region:地区级别爆发的日常摘要
  3. italy_province:省级爆发的日常摘要

有关此内容数据集的更多信息 小插图, 这 博客帖子和这个支持 仪表板.

数据源: 意大利民事保护部

{COVID19}

目标的目标 Covid-19数据集线器 是通过收集全球细粒度的案例数据为研究界提供统一的数据集线器,与外源变量合并有助于更好地了解Covid-19。米兰大学特色, 数据科学与经济学硕士 并由资助 数据算法研究所Ivado, 加拿大。

该包裹跨政府来源收集Covid-19数据,包括来自的政策措施 牛津Covid-19政府回复跟踪仪,并通过接口扩展数据集 世界银行开放数据, 谷歌流动报告苹果流动报告.

该包装可用 cr,它是100% 开源 欢迎外部贡献者加入。

{COVOID}

整套 (为了 COV.ID-19 O笔来源 Infection. Dynamics项目)是用于使用确定性分区模型(DCMS)建模Covid-19和其他传染病的R包。

它包含一个内置的 闪亮的应用程序 能够轻松使用和演示对没有R编程背景的关键概念,以及用于模拟和估计同质和年龄结构的先生,SEIR和扩展模型的扩展API。特别是CoVoid允许同时模拟年龄特异性(例如学校闭幕)和超不同时间间隔的一般干预措施。

代码可用 GitHub..

{cdccovidview}

由...出版 鲍勃鲁西斯, 这 {cdccovidview} package 可用于与美国CDC的新Covid-19跟踪器合作: Covidview.covid net..

{babsim.hospital}

由几位研究人员出版 thköln., 这 {babsim.hospital} package 实现医院资源规划问题的离散事件仿真模型。卫生部门可用于预测重症监护床,呼吸机和员工资源的需求。

该团队还开发了一个 闪亮的应用程序 预测医院的Covid-19 ICU床资源。该应用程序以英语和德语提供。

R代码和博客帖子

用r分析Covid-19爆发数据

写道 蒂姆教堂这两个文章(part 1part 2)探索可用于分析CoVID-19数据的R工具和包。特别是,提交人认为当大流行将在中国消退时,然后转变日本,韩国,意大利和伊朗的分析。他还显示了对如此普遍的累积发病率的改善。此外,他介绍了R码来分析冠状病毒的传染性如何,因为传染性疾病爆发的经典先生(易感染性回收)隔间模型。2

代码可在github上使用(part 1part 2)。

第1部分实际上基于另一个较短的博客文章由霍尔格·冯···········塞里奇博士博士。 学习机器。阅读他 文章 有关如何模拟冠状病毒爆发的更简洁的分析,并发现它是如何传染性的。请注意,我亲自编写了一篇文章分析 Covid-19在比利时 基于这两个作者的文章。

最近,蒂姆教堂出版了一系列其他有趣的文章:

COV.ID-19 Data Analysis with {tidyverse}{ggplot2}

张昌博士赵 from RDataMining published a data analysis around the Coronavirus with the {tidyverse}{ggplot2} packages, for 中国全世界.

这两份文件都是在各国或地区的确认/治疗案例和死亡率的数据清理,数据处理和可视化的混合。

Covid-19累积观察病例死亡率随着时间的推移

写道 彼得·埃利斯, 这 文章 专注于Covid-19的观察病例情况如何随着时间的推移在7个国家而发展,并评论为什么价格有所不同(低测试率,人口的年龄,不堪重负的医院等)。

代码在文章的末尾可用。数据来自John Hopkins,它使用了 {coronavirus} package.

最近,作者发表了一系列其他文章:

  1. 一个国家的年龄崩溃对Covid-19案例死亡率的影响:根据这些国家的年龄分布(基于意大利的数据),它看起来估计不同国家的死亡率。数据来自istituto superiore disanità(roma),所有代码都显示在帖子中。
  2. 如何制作疯狂的狐狸新闻Y轴图表与GGPLOT2和秤:关于Covid19的少于关于如何使用正确的变换来重新创建奇异的福克斯新闻图,以使其规模适当的正确变换。
  3. 测试积极性和疾病的实际发病率和生长:此博客文章在Covid-19的高正面测试率下看几种不同的核算信息,并在时间点看着对有效再现数量估计的影响。
  4. 调整试验阳性后德克萨斯州Covid-19的发生率:作者审查了德克萨斯州Covid-19案件的趋势,随着测试积极率的平方根的乘数乘数,而不调整。

Covid 19跟踪

写道 凯恩教授Heily, 这 文章 讨论如何使用的是如何获得最佳死亡数量的概述 来自欧洲疾病控制中心的Covid-19数据.

代码可以在文章中找到 GitHub..

最近,作者发表了其他三篇文章:

  1. 一个covid小多个:本文讨论了如何按国家创建一个小多个案件,显示大量国家的爆发的轨迹,每个小型面板的背景也显示(以灰色)的轨迹国家比较。

  1. 苹果的Covid移动数据:本文使用Apple的几个城市和国家的时间序列移动数据(通过 {covdata} package)绘制三种环绕方式:驾驶,公共交通和行走。该系列于1月13日开始于该系列开头索引到100,因此趋势是相对于该基线的趋势。

  1. 新奥尔良和标准化:本文回应了一个周到的 邮政 Drang博士关于改善数据的正常化。

传染病和非线性微分方程

由...出版 Fabian Dablander.,这个数学密集 博客帖子 解释了先生和SIRS模型考虑到什么以及它们如何计算结果。

从大流行角度来看,作者写入“SIRS模型扩展了SIR模型,允许恢复的人口再次变得易感(因此额外的')。它假设易感人群与回收的人口成比例增加“。

最近,作者与其他研究人员合作,发表了另一个研究人员 博客帖子 概述Covid19大流行的一些优秀可视化,以及呈现自己的 仪表板.

使用SIR模型的Covid-19流行性建模

由...出版 托马斯威廉, 这 博客帖子 将SIR模型应用于英国数据。

作为模型的进一步扩展,提交人建议:

  • 使用SEIR模型(为受感染但尚未传染的人添加暴露的舱室)
  • 添加了“Q”层,因为许多人被隔离或隔离
  • 考虑到被感染的“隐藏”的人口,但由于考试短缺而被拒绝被拒绝进行测试
  • 年后疫情的第二波/爆发的可行性(如先前的爆发,如猪流感)

数据源:

造型流行病

由...出版 亚瑟·特伦蒂埃这一系列3个博客文章(part 1, part 2, part 3)通过SIR模型及其参数进行散步,如何解决它,并产生生殖率。它还给出了一个模型的数学解释,用于迅速将返回的速度迅速,尽管强度递减。最后,它解释了比SIR,SEIR模型更复杂的模型,并用埃博拉数据说明它。

最近,作者发表了另一个 文章 这检查了各种美国各国的人口比例已经过了新的冠状病毒,并试图回答以下两个问题:

  1. 每天测试多少人?
  2. 我们实际测试了什么?

最后但并非最不重要的是,这 邮政 再现他一个有名的科学论文之一“Covid-19大流行控制:在ICU可持续性下平衡检测政策和锁定干预“。

Covid-19:德国的案例

由霍尔格博士博士博士博士·冯······塞里奇发表 学习机器, 这 博客帖子 使用SIR模型和德语数据来估计大流行的持续时间和严重程度。

从中下载数据 莫尔根柱子.

最近,作者发表了其他文章:

  1. Covid-19在美国:背面 - 信封的实际感染和未来死亡的计算:从Covid19报告的报告的死亡工作,帖子展示了如何根据有关死亡率和感染期的几个假设(并承认许多未知和数据问题)的若干假设来估算事先日期的感染。
  2. 如何使用r分析移动性趋势 使用匿名和聚合 苹果的移动数据 可供公众使用。该文章介绍了R函数以归还国家和主要城市的结构良好的格式返回数据,并以大流行引起的车辆和行人运动的可视化。

  1. Covid-19:假积极警报,展示了感染率对冠状病毒阳性阳性的可能性的重要性实际上是积极的。

压平Covid-19曲线

由...出版 MichaelHöhle. 从理论举行练习,这 博客帖子 讨论为什么要展平Covid-19曲线的消息是对的,但为什么一些用于显示效果的可视化是错误的:减少基本再现号码不仅仅是延伸爆发,它也降低了爆发的最终规模。

从大流行的角度来看,作者写道“由于健康能力有限,延长了较长时间段的爆发将确保,需要医院治疗的比例更大的比例实际上会得到它。这种方法的其他优点是赢得时间,以便找到更好的治疗形式,并且可能是最终发展疫苗“。

A 闪亮的应用程序 也建立在本文上方来调查不同的场景。

在题为“有效的再现号估计”, Michael Höhle estimates with the {R0} 包裹 the time-varying effective reproduction number during an infectious disease outbreak such as COVID-19. Using a single simulated outbreak he compares the performance of three different estimation methods.

最近,在这方面 文章 作者从统计角度看着传染病传播中的“超级概念”。他在基尼系数代替阴性二项分分布的通常色散参数,在后代分布中表征了在后代分布中的异质性,而不是负二项分子分布的常用分散参数。这使我们能够考虑更灵活的后代分布。

扁平化与缩小:#fratthecurve的数学

由Ben Bolker和Jonathan Dushoff发布 博客帖子 提供了对物理疏散的清晰解释,并解释了物理疏散如何使若干有益的结果。

代码可用 GitHub..

SomentCovid19挑战

由...出版 Przemyslaw Biecek., 这 博客帖子 概述了一种模型,该模型使用渐变提升以预测基于年龄,国家和性别的生存。它还展示了老年人的风险更大,它可以让你自己玩模特 Modelstudio交互式仪表板.

数据源:

r包探索新型冠状病毒

由...出版 帕特里克桐树 通过迈向数据科学,这 博客帖子 翻译成最初用中文写作的英语AN R包。

从腾讯收集数据,在 //news.qq.com/zt2020/page/feiyan.htm,其中包含冠状病毒最新的公共信息之一。

冠状病毒模型使用R - 哥伦比亚

由Daniel Pena Chavez发布 博客帖子 使用来自霍尔格博士博士博士博士博士的代码来在哥伦比亚的大流行和预测死亡的模型高度。作者还指出,需要考虑大量的其他变量,例如密度,气候和政府反应。

数据来自 rami krispin的GitHub.

最近,作者发表了另一个 文章 比较中国和意大利对数尺度的速率。

Covid-19:西班牙的案例

由何塞写的 依据 - 统计和R软件, 这 博客帖子,使用西班牙数据,应用SIR模型,然后是立方多项式回归模型,以预测感染,住院,死亡和高峰日期。

整理新约翰霍普金斯Covid-19时序数据集

写道 Joachim Gassen., 这 博客帖子 提供函数和代码,以处理不同的国家姓名和约翰霍普金斯网站上的更改。

最近,作者发表了一系列其他有趣的文章:

  1. 合并Covid-19与政府干预数据的数据:本文分析了对Covid-19传播的五种干预。

  1. 从PDF数字刮掉Google Covid-19社区移动数据: this article explains how to scrape data from a Google site that tracks movements of people. The author uses the {tidycovid19} r包 and prepares an analysis of Germany and then across countries.

  1. Covid-19:探索您的可视化人自由度:在本文中,作者使用Covid-19数据来演示图表如何沟通非常不同,并被操纵。他表明,让读者的“中性”信息远离微不足道,没有指导的可视化可能是特别误导。
  2. {tidycovid19}新数据和文档:最近的更新 {tidycovid19} 包在测试,替代案例数据,一些区域数据和适当的数据文档中带来数据。使用所有这些,您可以使用该套餐来探索(提升)政府措施,公民行为和Covid-19传播的协会。
  3. 探索和基准牛津政府响应数据:一个职位,评估非药物干预对基于Covid-19传播的影响 评估能力项目(ACAP)牛津Covid-19政府回复跟踪仪.

Covid-19在比利时

基于Tim Churches' 文章我发表了一个 对比利时专门的Covid-19分析。在本文中,我还使用最常见的流行病学模型,先生模型(以其最简单的形式),分析疾病的爆发,在没有公共卫生干预的情况下。我还展示了如何计算再现号码,我介绍了一些可以做出的一些额外改进,以进一步分析流行病。

代码可用 GitHub.此外,请随时使用它作为分析您所在国家/地区病毒爆发的起点。

关于Coronavirus疾病2019(Covid-19)的事实在使用R和GGPLOT2创建的5个图表中

写道 格雷戈里kanevsky., 这 博客帖子 compiles some useful facts about COVID-19 into 5 charts, including gauge charts, and discusses R and {ggplot2} techniques used to create them.

Covid-19部分的传染性I:数学拟合的改进

写道 Martijn Wettersings. 在学习机上,这 客人邮政 描述Covid-19数据与SIR模型的拟合,并解释了拟合方法的棘手部分以及我们如何减轻一些问题(例如,算法的早期停止或不良问题)。它提供了对标准模型的一些调整的非常明确的解释。

代码可用 这里.

新冠病毒:法国的空间平滑的死亡和Demeest Managation Map

来自Michael Ires的发布 R.Iresmi.net., 这 博客帖子 显示如何使用内核加权平滑与任意边界区域使用内核的R代码显示来自法国Covid-19的死亡地图。

作者还发布了另外两项关于如何从Covid-19建立动画死亡地图的其他文章 法国 和在 欧洲.

最近,作者发表了一个 文章 where he uses the {geogrid} 包裹 to show the incidence of Covid19 by French departments as well as spread.

另一个“压平Covid-19曲线”模拟......在r中

写道 javier fernandez-lopez, 这 博客帖子 显示R代码以创建静态图,然后模拟,以证明社交偏差如何有助于“平整COVID-19感染的曲线”。

用r追踪整个NJ的Covid19案例

写道 凯文唑, 这 博客帖子 shows how to use the {gganimate} 包裹 to create an animated time series map showing how Covid19 spread throughout the U.S. state of New Jersey’s counties.

看看Y C m(又一次的Covid模型)很有趣

由阿德里安巴内特撰写 中位数,所有的模型 博客帖子 are based on the excellent ordinary differential equation models by Alison Hill. They are microsimulations of those models that make heavy use of the {MicSim} 包裹 for running microsimulations in R.

新冠肺炎&一些计算 - 语料库语言学

写道 杰森蒂姆 (语言学博士),这 博客帖子 分析了第116届国会第二届会议的535名投票成员所产生的所有推文。更具体地说,作者认为将Covid19相关术语的使用情况作为时间和方面的职能。他还使用手套模型和多维缩放来调查Covid19相关术语的概念相关性。

covid-19和所有人一样糟糕吗?是的,它可能是

由弗朗西斯博士智能撰写 经济学通过模拟, 这 文章 显着解释一些决定Covid19的感染和死亡的一些因素,具有不同的严重情况。

Covid-19的潜在长期干预策略

在这方面 网站,斯坦福大学的几位教授和成员(Marissa Childs,Morgan Kain,Devin Kirk,Mallory Harris,Jacob Ritchie,Lisa Couper,Isabel Delwel,Nicole Nova,Erin Mordecai)开发了一个Covid-19的独木舟模型,以评估非的可能结果 - 适合社会疏远的药物干预措施。

该网站介绍了问题的介绍,可以使用模型来预测Covid干预策略的影响(感谢闪亮的应用程序),模型细节和加利福尼亚州圣克拉拉县的预测。

代码可用 GitHub..

冠状病毒时的动画

由Martin Henze撰写的 头或尾部博客, 这 文章 describes how to extract and prepare the necessary data to animate the spread of the virus over time in Germany, using {gganimate}{sf} R包 to create animated map visuals.

作者发布了与德国地图相关的数据集 kaggle.,他每天都在维持它。另外,他发布了一个版本 jhu美国县级数据集 在那里他从美国人口普查中添加了一些关键的人口信息。此数据集每天也更新。

Covid-19密歇根州的数据和预测

写道 Nagdev Amruthnath., 这 博客帖子 基于(不多)密歇根数据的状态构建和测试指数回归模型。

在美国Covid-19的数据可视化

写道 丹尼尔里夫, 这 文章 使用指数和后勤曲线检查Covid-19生长动态。

Covid-19对国家的蔓延 - 与r的可视化

由博客的谢尔盖博物写 Analyzecore.com., 这 文章 检查跨国病毒的速度和传播。一个动画可视化和两个静止图表显示:

  • 以前的阶段和阶段多长时间和密集
  • 比较不同国家的Covid-19的效果

可以在文章的末尾找到代码。

Covid-19和美国农村地区

由艾略特米德尔写的 共情扬声器, 这 博客帖子 专注于美国农村地区Covid-19的情况,包括在南方是否有特定国家似乎是一个异常值。

covid死亡率:数据是否正确?

写道 萨姆威斯, 这 邮政 提出有关案例编号报告准确性的问题,因为它们可能无法回收纠正数据。

最近,作者发表了两篇文章(part 1part 2)他在其中发现并可视化了在一个国家和来自中国进口的Covid-19测试正面的人数之间的一个关联。此外,他发现有特殊的行业与Covid-19速率特别相关。

Covid-19风险热图与位置数据,Apache arrow,马尔可夫链建模,而且闪亮

写道 Filip Stachura., 这 邮政 描述Appsilon的解决方案(Coronarank)提交给最近的大流行反应Hackathon。灵感来自谷歌的PageRank,它使用Apache条例格式的地理位置数据从Veraset使用Markov链建模的有效暴露风险评估。

Covid-19跟踪器印度尼西亚

由DIO ARIADI写道 数据Wizart., 这 邮政 在印度尼西亚的Covid-19案例和死亡中的区域变异上显示了一些非常好的地块,每个情节都有非常整齐的R码。

Covid-19使用机器学习的投影

由开发 yyyang gu, 这 网站 介绍一个直观的模型,在经典传染病模型的顶部构建机器学习技术,使美国,所有50个美国和60多个国家的Covid-19感染和死亡预测。

可以找到代码 GitHub..

比利时Covid-19:它还在吗?

写道 与教授合作 niko speybreeck.天使罗萨斯 - 雅缪尔重,本文展示了医院招生人数和比利时确认案件数量的演变(按省和国家层面)。

文章中提供了绘图的代码。

Covid-19案例通过种族

写道 Tommi Suvitaival., 这 文章 根据来自各种种族背景的县域人口百分比的函数调查Covid19死亡。

田纳西州Covid-19更新

由教授撰写 詹姆斯M. Luther, 这 文档 介绍了田纳西州日常数据的摘要。作者使用交互式地图,七天滚动平均值的各种指标,以及方面图表。

模拟Coronavirus爆发在具有原始目的地矩阵和SEIR模型的城市

由yihui粉丝撰写 数据bentobox.com., 这 博客帖子 基于原点 - 目的地矩阵和SEIR模型,在大东京地区进行模拟和可视化冠状病毒的扩散的逐步指导。

其他 邮政 来自同一个作者的重点是减少人口运动在管理冠状病毒爆发中的有效性。

Covid-19人口流动性 - 在Covid-19流行病下,人类流动如何变化?

写道 Kelsey E. Gonzalez., 这 可视化 旨在了解Covid-19流行期间的人口行为。

数据来自 Cuebiq.GitHub..

如何在5分钟内构建Covid-19数据驱动的闪亮应用程序

写道 Emanuele Guidotti., 这 教程 显示如何使用该简单但完整的闪亮应用程序 R包Covid19:R接口到Covid-19数据集线器。

在另一个 邮政,作者探讨了 r包 {COVID19} in further detail.

从Covid19 R包装分析数据

写道 PabloCánovas., 这 博客帖子 探讨是否正在准确地报告来自Covid19的死亡。

它使用数据来自 人类死亡率数据库Covid-19数据集线器.

体重和Covid-19和流感的风险

由教授撰写 拉迪福德尼尔, 这 博客帖子 从流感疾病和一些初步Covid19数据看待数据。作者的结论是,严重且严重的肥胖是严重呼吸道疾病的危险因素。

最近,作者发表了一系列其他文章:

HMD - 每周数据

写道 罗纳德里士曼, 这 博客帖子 探讨目前正在使用人为死亡率数据库的高度不可能的死亡水平,最近在13个国家的每周死亡数据序列的最近开始。

在克里斯莫尔的博客上的客座帖子

这是由skylar hara撰写的 博客帖子 审查夏威夷州长发出留在托管后的Covid19的发病率。

由ronja steinbach写的,这 博客帖子 收集特朗普或克林顿国家的数据,少数群体的百分比和中位家庭收入来回答以下问题:

  • 2016年选举中缔约国的缔约国会员是否对该州病毒发生率产生了重大影响?
  • 少数民区和中位数家庭收入的人口比例是否影响了跨国病毒的事故率?

由Akemi Santiago撰写,这 邮政 在美国和白人美国人之间表现出非洲裔美国人之间的统计学不同的死亡率。

由Masha Rutenberg撰写,这 邮政 专注于国家人口与该国确诊感染数量之间的相关性。

所有作者都是教授的学生。 克里斯穆尔.

进入流行病学的R视图

由Joseph Rickert撰写 意见, 这 博客帖子 跟踪R包帮助流行病学研究,并显示最近几个月的下载数量为五个最受欢迎的包装。

罗布·赫恩德曼的文章

Rob J Hyndman,蒙纳士大学(澳大利亚)统计和经济学和商业统计部长教授,发表了一系列Covid19相关文章:

  • 预测Covid-19:这个博客帖子不使用R,虽然Hyndman教授是一个专家,但它确实解释了时间序列预测或其他预测方法的一些问题
  • 为什么日志比对于跟踪Covid-19有用:此帖提出了报告日志尺度图形的好处
  • 2020年的多余死亡:每个国家的报告的Covid19死亡往往被低估了。探索大流行的真正死亡率的一种方法是看“过度死亡” - 今年死亡率与往年同时的差异
  • 季节性死亡率:这篇文章显示了人类死亡率数据库发布的每周死亡率数据如何用于探索死亡率的季节性。由于温度和其他与天气相关的效果,已知死亡率是季节性的

土耳其与德国:Covid-19

由Selcuk Disci撰写的 数据geek., 这 文章 比较土耳其和德国控制大流行的努力,并测试几种回归模型。

实践:如何在R-Shiny中建立交互式地图:Covid-19仪表板的示例

由sangmeng写的,这 邮政 介绍如何用闪亮构建交互式仪表板与一个例子 Covid-19仪表板.

在摩洛哥建模Covid-19

写道 Zakariah Gassasse., 这 博客帖子 在摩洛哥的Covid19案例中提出数据,并适用 SIR模型 to the data.

最近,作者发表了另外两篇文章。首先 文章 通过使用简单但有效的时间序列分析提供摩洛哥的Covid-19病例和死亡的短期预测。第二 文章 映射爆发以查看最多的区域遭受困扰。

SIR模型与Kermack和McKendrick

写道 皮埃尔·雅各布, 这 博客帖子 大多数是追溯看看习惯的SIR模型的起源。

Johns Hopkins Covid-19数据和R

写道 史蒂夫米勒,这些博客帖子(part 1 & part 2)展示由约翰霍普金斯大学发表的Covid-19的Covid-19的日常病例/死亡数据的处理,并可视化案件和死亡的移动平均值。

作者还发布了一个 博客帖子 在美国,在美国专业人员中提出失业索赔。

估算Covid-19的 \(r_t \) in Real-Time

写道 ramnath vaidyanathan, 这 教程 展示如何估计 \(r_t \),称为有效的再现数的措施,这是当时每种传染性人感染的人数 \(t \).

从静态到动画时间序列:十分之一

写道 Giulia Ruggeri., 这 邮政 通过创建动画Covid-19时间序列情节所需的步骤进行。

Sneak Peek:新的峰会数据工具可帮助客户可视化Covid-19病毒影响最严重的区域

写道 科尔比齐格勒, 这 博客帖子 describes a tool (built primarily in R using the {leaflet}, {tidyverse}, 和 {tigris} packages) tracking and displaying the total number of confirmed COVID-19 cases and deaths by U.S. county, overlaid with the locations of Certified Community Development Financial Institutions (CDFIs).

如何重现金融时报风格Covid19每日报告?

写道 Peyman Kor, 这 博客帖子 展示如何在r r r r r o按国家/地区的教堂划分。

关于联系跟踪应用程序的推文可以告诉我们对公共卫生数据分享的态度吗?

写道 霍莉克拉克,这2个博客帖子(part 1 & part 2)讨论联系跟踪应用程序的态度,以管理Covid-19的传播和公共卫生的数据共享,使用推文,文本分析和自然语言处理。

在比利时可视化Covid案件

在这方面 博客帖子, Koen Hufkens. 情节在比利时案件,解决了地球空间策划的挑战。

西班牙Covid-19发病率的环境相关的时空分析

写道 Antonio Paez. 和几位共同作者,这 博客帖子 看着西班牙的天气,湿度和其他因素来创造一个血液模型。

其他 邮政 由Antonio Paez使用谷歌社区移动报告调查美国Covid-19的发病率。

Covid-19分析

写道 Rizami Annuar., 这 邮政 将马来西亚案件和死亡的数据与其他国家进行比较,包括相关性。

澳大利亚政府可以选择减缓冠状病毒的传播,但他们需要立即行动

写道 马特牛牛头, 这 博客帖子 shows that Australia early on had relatively few cases, but the post argues that the country needed to act urgently. Data is from the {gtrendsR} package.

在一个更近期的 邮政,使用Google Trends数据用于与失业相关的关键词,作者跟踪了Covid19在澳大利亚的影响。

除了这些帖子外,还有一系列其他帖子发布 斯蒂芬Duckett.Brendan Cy.:

covid是否会提高每个人的相对危险的相似之处的风险?更多的证据

由教授撰写 David Spiegelhalter. (这本伟大的书的作者“统计艺术“), 这 邮政 使用来自U.K.的国家统计办公室的数据来通过年龄和性别来看待相对死亡率。

跟踪coronavirus:构建参数化的报告以分析更改数据源

在这方面 邮政,使用约翰霍普金斯数据, 泰勒桑德斯 构建一个病毒仪表板,可以用只需点击按钮即可更新每一天,作为如何构建参数化报告的示例 r markdown..

映射Covid-19的NZ案例

在这方面 邮政, using his own choropleth package ({DHBins}) and its hexagonal bins, 托马斯·卢姆利 新西兰健康委员会地图地图Covid19案例。

用#covid-19可视化大流行

在这方面 邮政, 新汉钱 通过Covid19数据进行各种探索,包括美国电影票房收入和餐厅预订中的陡峭下降。

探索美国Covid-19案件的时间演变

写道 罗伯特沃克尔曼科林华尔兹, 这 邮政 清楚地表明了如何在美国创建Covid19感染的传播的动画曲线。

R数据分析:Covid-19

发表在博客上 锋利的视线这一系列博客帖子(部分 1, 2, 3, 4, 56) explain how to rename and reorder columns, standardize dates (with the {lubridate} package), merge datasets, take other preparatory steps, plot with the {ggplot2} 包裹 and finally, reproduce in R a plot that shows the relative progress of 16 countries in coping with the pandemic.

所有帖子都使用Johns Hopkins数据和来自公司自己的收集的数据。

GA Covid-19报告

基于来自公共卫生报告的GA系的数据, 安德鲁贝什 张贴美国佐治亚州的日常分析,死亡,ICU使用等。

他的所有报告都发布在 中等的 并且代码可用 这里.

Corona在比利时

发表于 bnosac.be., 这 邮政 涵盖了Covid19的指数传播的早期探索,专注于比利时和荷兰。

从Twitter的角度来看意大利的冠状病毒

由撰写的 kode团队这两个帖子(这里这里)使用文本挖掘技术在意大利的意大利和意大利总理关于Covid19的讲话中分析意大利的推文。

他们还发表了一个 交互式仪表板 允许探索每天发布的数据 民事保护.

使用R和Tidycensus查看Covid-19风险因素

写道 RenéF.Najera, 这 邮政 使用美国人口普查数据来识别“过度拥挤”区域,并在Covid19风险方面考虑它们。

随着时间的推移动画美国Covid-19热点

写道 内森努, 这 邮政 在美国新的Covid-19案件的7天滚动平均水平的动画地图。动画地图的代码可直接在帖子末尾提供。

这篇文章是他之前发帖的延伸 在阿肯色州的Covid-19可视化.

了解Connecticut的Covid19。它需要一个小镇

基于这两个 帖子 由Nathan Chaney, 查克鲍威尔 展示他的 邮政 如何在康涅狄格州(镇上)创建新的Covid19案例的新Covid19案例的动画地图。

数据

其他列表或资源集合

对于冠状病毒的许多巨大资源,其他人也收集和组织了类似的清单。3 在一些收藏率以下,我已经幸运地发现了:

我希望,除了我的收藏之外,其他人的富裕清单将为您提供足够的背景材料来分析您自己的Covid-19爆发(或至少一些想法)!

非英语资源

本节可能对只有有限的数量或人感兴趣,但仍然存在英语以外的语言资源。请参阅以下列出的下面的集合:

  • 日本人:
  • 德语:
  • 西班牙语:
    • GitHub.存储库与官方政府数据和R代码用于提取它,看 这里这里
    • covid-19 en智利:这个闪亮的应用程序显示累计确认的传感器案例,并提供了每个市政府的增长率的估计
    • 由que oferton开发,这 闪亮的应用程序 概述了2019年新型冠状病毒Covid-19在中美洲的流行病,包括统计,预测,先生和SEIR模型。数据和仪表板每天都会刷新
  • 法语:
    • 由Arthur Charpentier写的,这 博客帖子 展示如何使用法国死亡率数据量化过量的死亡率

谢谢阅读。我希望你能在Covid-19 Coronavirus上找到这些R资源有用。如果我错过了一个,请随时让我知道。

特别感谢Rees Morrison为他收集和组织几篇文章的巨大工作,这大大帮助改善了博客帖子的部分。阅读他的文章(part 12)提出对收集所有员额的描述性分析。

虽然我仔细阅读了所有资源,但包含在列表上并不意味着我赞同发现。此外,一些分析,代码,仪表板,包或数据集可能超出日期,因此默认情况下,不应将这些分析为默认情况下作为当前发现。如果您是其中一个资源的作者,请不要犹豫 联络我 如果您看到任何不一致或者您想从本文中删除它。

一如既往,如果您有问题或与本文所涵盖的主题相关的建议,请将其添加为评论,以便其他读者可以从讨论中受益。

参考

De Vlas,Sake J,以及Luc E Coffeng。 2020.“逐步控制控制:在国家一级对Covid-19实现畜群免疫力的实际战略。” Medrxiv..

凯特勒,斯蒂芬米,克里斯汀Tedijanto,爱德华戈德斯坦,玉田H毕业,以及Marc Lipsitch。 2020.“通过水平期间投射SARS-COV-2的传输动态。” 科学 368 (6493): 860–68.

彭,连龙,武悦阳,东燕张,长京朱翠,刘红。 2020.“通过动态建模在中国的Covid-19流行分析”。 ARXIV预印迹ARXIV:2002.06563.


  1. 包裹也是一个主题 预印迹.↩︎

  2. 查看有关此流行病学模型的更多信息 邮政 by Marc Choisy.↩︎

  3. 请注意,与我的列表不同,其他人的集合可能包括Covid-19上的资源,而不是R. ↩︎



喜欢这篇文章?

获取更新 每次发布新文章。
任何垃圾邮件都没有任何垃圾邮件。
分享: