1/ Using GISAID data of 7 most prevalent #COVID19 variants from 42 countries, Delta variant still seems to have the largest growth advantage, but...
2/ Using sequencing data from the UK, AY.3 (which is also classified as Delta) and B.1.621 might have a growth advantage compared to B.1.617.2.
Word of caution: especially numbers of B.1.621 in the UK are currently low and growth advantage might be overestimated.
3/ Using GISAID data, B.1.621 seems to have a significant growth advantage compared to Delta only in the UK. The growth advantage of B.1.621 in the UK is therefore unlikely to indicate increased infectiousness. But might also be GISAID data issue
4/ On the other hand AY.3 seems to grow in other regions as well (USA; outbreak.info).
5/ Raw sequencing data in UK on a logit scale is shown below. Please note the downward deflection of B.1.617.2 which indicates that 'something else' is growing faster than B.1.617.2. This is most likely AY.3.
6/ In summary, more data is needed but I suggest keeping an eye on AY.3. It might be a different Delta variant compared to B1.617.2. *If* it has a real growth advantage over B.1.617.2, numbers in the UK might look like below
9/ Sidenotes: 1. Two weeks ago I performed the same analysis with similar results (below). 2. If only AY sublineages are difficult to classify (but not B.1.617.2), B.1.617.2 still seems to decrease in the UK during last 3 weeks suggesting that 'something else' is growing faster.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
2). Onze hersenen kunnen exponentiële groei moeilijk bevatten en zijn gevoelig voor gezichtsbedrog. Links is op een lineaire schaal, rechts dezelfde data op een logaritmische schaal. Links lijkt het mee te vallen, rechts niet.
Les 1: plot exponentiële processen op een log schaal
3). Hoe zit het dan in Gauteng met de verhouding tussen ziekenhuisopnames en besmettingen (uiteraard op een logaritmische schaal)?
1/ Using data of different #COVID19 variants from 42 countries in a multilevel multinomial model I compared the growth advantage of these variants.
The estimated growth advantage of Omicron compared to Delta (B.1.617.2) is 245%/week (95% credible interval: 205-297%).
2/ Extrapolation of these numbers in 42 different countries is demonstrated in the figure below.
If Omicron is detected in your country it will likely become the dominant variant within 1 month.
3/ Growth advantage of Omicron is heterogeneous between countries (South Africa < 189%/week, USA > 260%/week compared to Delta). This might be due to heterogeneous data quality, heterogeneous vaccine effects, different levels of restrictions, sampling bias etc.
Nu Omikron een serieuze bedreiging voor ons lijkt te zijn beginnen velen te *hopen* dat het allemaal meevalt, want *hopelijk* worden mensen er minder ziek van. Daarom goed om naar de cijfers te blijven kijken. Hieronder ziekenhuisopnames in Gauteng, Zuid-Afrika (>90% Omikron)
Update: Zuid-Afrika heeft data bijgewerkt. In Gauteng in 2 weken van 135 naar 580 opnames (x4.3). Dus elke week verdubbeling. En in Zuid-Afrika zijn mensen gemiddeld ~16 jaar jonger dan in Nederland (27.6 vs. 43.3 jaar).
Update 2: Zuid-Afrika heeft data bijgewerkt. In Gauteng in 2 weken van 136 naar 647 opnames (x4.8). Dus elke 6 dagen verdubbeling.
1). Een klein sommetje over de nieuwe coronavariant (Omicron) in Nederland.
🧵
2). In NL worden wekelijks ~1500 aselecte samples gesequencet (in de 'kiemsurveillance'). In de afgelopen 7 dagen waren er 156000 bevestigde covid gevallen. Dus ~1% van alle bevestigde gevallen wordt gesequencet.
3). De meest recente publicatie van gesequencete data is van samples die 10-16 dagen geleden zijn afgenomen. Tussen moment van besmetting en test zit ook nog ~7 dagen. Dus 17-23 dagen na besmetting wordt sequencing data gepubliceerd.
2). Hierin staat o.a.: 'Per vijf coronapatiënten zijn vier ongevaccineerd.' In Zuid-Afrika is 24% volledig gevaccineerd. Met deze gegevens kom ik op een *ruwe* vaccin effectiviteit van 20%.
3). Dit is een indicatie dat vaccins minder goed werken tegen Omicron, wat je ook verwacht gezien het hoge aantal relevante mutaties. Dit is overigens wat anders dan *bewijs* dat vaccins minder goed werken want daar moeten we nog even op wachten.
1). Ons demissionaire kabinet straalt momenteel veel twijfel uit. De #COVID19 cijfers zijn allemaal zo 'snel' en 'overwacht' opgelopen. Daarom een draadje met wat scenario's waar nu uit gekozen kan worden.
Spoiler:
Keuzemogelijkheden: zwart, zwarter of zwartst.
2). Het heden kan niet begrepen worden zonder het verleden, dus 1 tweet over het verleden:
- Besmettingscijfers 📈 sinds ~8 weken
- IC-bezetting 📈 sinds ~7 weken
- IC nu voor >55% vol met COVID patiënten
- Testcapaciteit schiet tekort
- Rt 1.10-1.30 sinds >8 weken
3). En dan heeft minister @hugodejonge ook nog moeilijke vragen gekregen waarop een antwoord verwacht wordt terwijl de modellen van Wallinga stuk zijn. Daarom kan wat extra ondersteuning geen kwaad en heb ik een paar modellen gemaakt >>