新型コロナ・予測モデルによる重症者数等シミュレーション

予測モデル(新規感染者数) 予測モデル(入院者数・重症者数)

お知らせ

下水疫学調査を用いた新型コロナウイルス感染症の感染予測について

本プロジェクトによるGoogle AIを用いた新型コロナウイルス感染症の感染予測の更新は2022年2月に停止していましたが、次の特徴を持つ新たな予測モデルを用いて2023年3月から予測を再開しました。

1. 新たな2つの予測モデルでは、いずれも相模川流域下水処理場において実施している下水疫学調査から得られるデータを使用している。
2. 2021年から2022年まで用いた旧予測モデルにおいて使用していたGoogleによる「COVID-19感染予測(日本版)」の神奈川県全体の感染予測のデータ(2022年2月10日以降に更新停止)は、新しい予測モデルでは使用していない。

下水疫学調査を用いた2つの予測モデルの概要(2023年3月〜)

• 2つのモデルはいずれも、下水疫学調査から得られる「下水中の新型コロナウイルスRNA濃度」を使用しています。

(1)予測モデル(新規感染者数)

下水疫学調査が実施されている相模川流域について、1週間後の週当たり新規感染者数を推定します。新規感染者数については、2022年9月26日の新型コロナウイルス感染症全数届出の見直しにより、神奈川県内で感染者の全数把握が簡略化されました。本推定は、「全数把握が簡略化されなかった場合に報告されるであろう新規感染者」と解釈できます。本推定モデル(PRESENSモデル*)は、共同研究者である、北海道大学の北島正章准教授(現 東京大学大学院工学系研究科付属水環境工学研究センター特任教授)の研究グループが開発しました。

(※(注記))https://www.hokudai.ac.jp/news/2023/01/covid-19-5.html(別ウィンドウで開きます)

方法論の概要(新規感染者数)

相模川流域内の下水中ウイルス濃度データに基づいた新規感染者数の推定予測

1 目的

本予測モデルでは、下水疫学調査が実施されている相模川流域において、下水中ウイルス濃度データに基づき1週間後の当該地域の(臨床PCR検査等に基づく)新規感染者数を推定することで、医療ひっ迫の可能性を予め察知するものです。

2 推計方法

(1)共同研究者である北海道大学の北島正章准教授(現 東京大学大学院工学系研究科付属水環境工学研究センター特任教授)の研究グループは、糞便中へのウイルス排出動態を組み入れた、数理モデル(PRESENSモデル*)を開発した。本モデルを活用し、下水中新型コロナウイルスの定量調査を入力値として、流域の新規感染者数を予測した。

(*)https://www.hokudai.ac.jp/news/2023/01/covid-19-5.html(別ウィンドウで開きます)

(2)当日の推計値のみならず1週間後の予測値も合わせて算出し、継続的に予測モデルの妥当性を評価、必要に応じて再学習・モデルの微修正等を行った。

調査結果(新規感染者数)

相模川流域内の下水中新型コロナウイルス濃度データに基づき、週当たり新規感染者数を推定しました。

予測モデルによる2025年10月21日以降1週間の予測(2025年10月29日時点)

2025年8月下旬から減少傾向にあり、直近の2025年10月21日からの1週間では、新規感染者数が前回報告期間(10月14日〜10月20日)と比べて約57%減少すると推定されている。

[画像:2025年10月予測感染者数の推定のグラフ]

この図は、相模川右岸・左岸流域内の週当たり新規感染者数についての実測と推定で、横軸が日付を、縦軸が新規感染者数を示します。図中の赤色の曲線は実測値を示し、青色の曲線は推定値を示しています。

週当たり新規感染者数(人)の推定値、実測値の値(CSV:4KB)

第7波と第8波の蔓延期、直近4週間の週当たり新規感染者数の表

(*) 2023年(令和5年)5月8日以降は、5類感染症に移行したため該当データはない。

(2)予測モデル(入院者数・重症者数)

下水疫学調査から得られる下水中新型コロナウイルスの定量値、人流のオープンデータ、ワクチン接種状況等のデータを加味し「中等症」及び「重症」となる患者数を推計するモデルを開発しました。この予測モデルは、地域別の「入院者」、「重症者」が、確保病床数、重症用病床数を超えてしまうタイミングを予測できます。

方法論の概要(入院者数・重症者数)

神奈川県全体の入院者と重症者数についての推移予測

1 目的

本予測モデルでは、今後14日間に入院治療を必要とする重症者、入院が必要な患者等の数を予測することで、医療ひっ迫の可能性を予め察知するものです。

2 推計の概要

神奈川県全県だけでなく、二次医療圏別(横浜市、川崎市はそれぞれ1医療圏とする)/重症度別(中等症、重症)に、今後14日間の予測シナリオを提示しました。予測のため、過去の下水疫学調査から得られる下水中新型コロナウイルスの定量値、二次医療圏別の重症度別の療養者数やワクチン接種率、人流の変化率を考慮した回帰モデルを用いました。

3 推計方法

(1)二次医療圏における最も直近の重症度別の入院者数を被説明変数として、時系列回帰モデルを構築しました。説明変数として、過去の下水疫学調査から得られる下水中新型コロナウイルスの定量値、重症度別の患者数、ワクチン接種率、人流の変化率、年齢階級別の人口等を含め、それぞれの回帰係数を推計しました。

(2)(1)に基づき、今後7日間の重症度別入院患者数を二次医療圏別に推計しました。

(3)(2)に、過去7日間の重症度別入院患者数の週毎の変化率を乗じ、今後8日〜14日間の重症度別入院患者数を二次医療圏別に推計しました。神奈川県全県の推計は、二次医療圏別の推計値の総和として推計しました。

調査結果(入院者数・重症者数)

2023年

• 5月23日時点
• 4月18日時点 4月25日時点
• 3月14日時点 3月17日時点

旧予測モデルの概要(2021年〜2022年2月)

• 「GoogleAI・COVID-19感染予測(日本版)」や人流のオープンデータ、ワクチン接種状況等のデータを加味し「中等症」及び「重症」となる患者数を中心に推計するモデルを開発しました。
• 例えば、現在からある割合の人流が抑制されると、地域別の「重症者」、「入院者」、「療養者」について、「最もよく起こる」、「最良」、「最悪」の3パターンの予測がどう変化するかなど、表及びグラフでシミュレーションすることが可能となりました。
• これにより、「人流」「ワクチン接種率」等の変化の割合等が入院者数や療養者数に与える影響について、シミュレーションが実施可能になるなど、有効な新型コロナ感染防止対策の影響度を測りやすくなります。

(1)旧簡易モデル

「旧簡易モデル」は、地域別の「重症者」、「入院者」、「療養者」について、「最もよく起こる」、「最良」、「最悪」の3パターンで推計し、確保病床数、重症用病床数に対して、いつ超えてしまうのか、表とグラフでシミュレーションができるようになります。

旧簡易モデル 概要

旧簡易モデル

2022年

• 1月22日時点 1月26日時点

2021年

• 12月6日時点 12月13日時点 12月17日時点 12月23日時点 12月31日時点
• 11月7日時点 11月22日時点 11月29日時点
• 9月26日時点

(2)旧主要モデル

神奈川県立保健福祉大学 分析チーム

チームリーダー

Yoo,Byung-Kwang

メンバー

渡邊 亮

このページの所管所属は 衛生研究所です。