#Cévennes jour 4.
Mais chérie, tu ne gagneras pas la guerre contre l'Arachnide ! 😭
#Cévennes jour 6
Ai eu 2h pour me ballader avec les jumelles.
Circaète Jean Le Blanc 😍- Vautour fauve - Faucons crécerelle - Rolliers d'Europe 😍- Pie-grièches écorcheurs 📷- Bruants jaune - Chardonnerets - Tariers des prés - Hirondelles de fenêtres.
Do current Delta🦠waves in Europe correlate with temperature change?🌡️
Here's a graph for all 35 countries with > 1M population 👇
thread 🧵, 1/n
🔵Blue is the 7-day mean outdoor temperature.
⚪️White is the 7-day case ratio (i.e. new cases detected on a given date, divided by new cases detected 7 days earlier). This ratio can also be used as a rough estimation of R (i.e. the number of persons infected by a single case).
There are a couple tricks to align both variables :
👉 the temperature is plotted on a reversed axis (low temp. on top), as cold air is suspected to facilitate virus transmission (more on this below).
Météo ⛅️ + mobilité🚗: une carte 🗺️ pour essayer de ne plus naviguer à vue avec le #covid19.
Un fil (très) exploratoire 🔽🔽🔽
Comme vous avez pu le lire ici dans de multiples fils, en suivant de près le R de l’épidémie (le nombre de personnes contaminées par malade) et les courbes de température et d’humidité, il semble qu’un air froid et sec favorise la transmission.
Le “problème” c’est que ce qui détermine le R en premier lieu, ce sont les mesures de restrictions sociales, confinements etc.
On peut voir que les corrélations climatiques se “cassent la gueule” dès que le niveau des restrictions varie. germain-forestier.info/covid/meteo.ht…
Here's a quick-and-dirty attempt at transposing plots of covid transmission vs. weather to another country : Germany 🇩🇪
Plots for R vs. Temperature, and R vs. Absolute Humidity during summer :
As I don't have access to new hospitalization data, I had to estimate R from new cases, and shifted it by a delay of ~12 days to account for incubation, testing and reporting delays.
Remember the weather axes are flipped upside down.
The bottom plot is 1-month floating-window correlation (Pearson's r, y axis also inverted). Note how the correlation varies but remains always negative.
[disclaimer: I work as a biologist, but am no epidemiologist, so please use results with caution]
If weather influences covid19 transmission, it should show in reported cases with a delay, that is ~5 days from infection to symptoms + maybe 1 week for getting tested, receiving the results and get reported in state data.
The variable putatively influenced by weather is not directly case count, but Reproduction number R, the number of people infected by each sick person.
Covid19 en France : combien de jeunes à l'hôpital ?
il y a des données officielles sur les hospitalisations par classe d'âge, mais elles sont rarement représentées graphiquement. data.gouv.fr/fr/datasets/do…
Pourtant, à l'heure où une bonne partie des clusters ont lieu en milieu scolaire et universitaire, où les protocoles sanitaires sont discutés, il peut être utile de suivre les données hospitalières par classe d'âge.
Par ex le 15/09, pour que le n d'hospit en cours augmente de 181, alors qu'il y a eu 384 retours et 36 décès depuis la veille, il faudrait que le nombre d'entrées à l'hopital ait été de (181 + 384 + 36) = 601. Or le chiffre de nouvelles hospit donné pour ce jour là est de 642.
Cette différence sur le site d'information, je la retrouve dans les fichiers (fichier "nouveaux" vs. fichier "classe d'âge" en prenant la classe total "0") : la somme des var. journalières d'hospit en cours + retours + décès n'atteint en moyenne que 90% des nouvelles hospit.