Inleiding:
Tijdens de COVID-19-pandemie is veel aandacht besteed aan het monitoren van verschillende indicatoren, zoals sterftecijfers, rioolwateranalyses, en vaccinatiegraad. Dit onderzoek verkent de mogelijke correlaties tussen deze indicatoren, met als doel inzicht te krijgen in de impact van vaccinaties en het gebruik van rioolwatermetingen als vroegtijdige voorspeller van pandemische golven.
Methodologie:
In dit onderzoek worden datasets gebruikt van historische sterftecijfers, rioolwatermetingen en vaccinatiepercentages. De analyse is uitgevoerd in Python, waarbij gebruik is gemaakt van de volgende technieken:
- Multiple lineaire regressie: Om correlaties tussen de variabelen te onderzoeken.
- Variantie-inflatiefactor (VIF): Om multicollineariteit te testen tussen de onafhankelijke variabelen.
- Plotly: Voor het creëren van interactieve visualisaties van de gevonden correlaties.
De data wordt verzameld uit open bronnen, waaronder CBS, Eurostat en vaccinatiegegevens. Bovendien zijn rioolwatermetingen gebruikt om vroegtijdige tekenen van infectie-uitbraken te detecteren, gezien het feit dat virusdeeltjes in rioolwater kunnen worden gedetecteerd voordat symptomen zich bij de bevolking manifesteren.
Om te bepalen hoe seizoensinvloeden het beste kunnen worden geïntegreerd in de regressieanalyse, is onderzocht of zowel sinus- als cosinustermen opgenomen moeten worden, of dat slechts één van beide voldoende is. De analyse toont aan dat het gelijktijdig opnemen van beide termen de beste resultaten oplevert
Resultaten:
De uitvoer van het script is hier te zien
Het script analyseert de correlaties tussen sterftecijfers en rioolwatermetingen, met vaccinatiepercentages als mediërende variabele. Enkele belangrijke resultaten zijn:
- Sterfte en rioolwatermetingen: De lineaire regressie toont aan dat er een positieve correlatie is tussen verhoogde virusconcentraties in rioolwater en sterftecijfers.
- Vaccinaties en sterfte: De data laat zien dat er geen relatie is met het aantal vaccinaties en de sterfte.
- Seizoensgebondenheid: de analyse laat zien dat er een sterke seizoensgebondenheid is.
- VIF-analyse: Er is geen significante multicollineariteit gevonden tussen de onafhankelijke variabelen, wat erop wijst dat de modellen robuust zijn.
Er is gekeken naar de optimale verschuiving voor de correlatie.
Berekenen van de optimale verschuiving van de rioolwater gegevens vs overlijdens
Het is opvallend dat de optimale verschuiving verschillend is voor de verschillende periodes.
De analyse is ook uitgevoerd voor verschillende doodsoorzaken en leeftijdsgroepen.
Multi lineaire regressie doodsoorzaken en leeftijdsgroepen
Het valt op dat de correlatie tussen COVID-19 als doodsoorzaak en andere factoren laag is, wat kan wijzen op een slechte registratie. Daarnaast blijkt er geen invloed van RNA-deeltjes op overledenen onder de 49 jaar. Opvallend is de lage p-waarde voor vaccinaties en hoge voor RNA in de groep 50-59. Interessant is ook de hoge correlatie met verkeersongevallen en accidentele vallen, wat waarschijnlijk te wijten is aan seizoenseffecten.
De analyse is ook gemaakt met oversterfte, ziekenhuisopnames en IC opnames. De resultaten zijn vergelijkbaar.
Discussie:
De bevindingen bevestigen de hypothese dat rioolwatermetingen een waardevolle indicator kunnen zijn voor vroegtijdige detectie van pandemieën. De positieve correlatie tussen verhoogde virusdeeltjes en sterftecijfers ondersteunt het gebruik van deze metingen voor gezondheidsmonitoring.
Conclusie:
Dit onderzoek heeft aangetoond dat er sterke correlaties bestaan tussen sterftecijfer en rioolwatermetingen en niet met vaccinaties. Deze bevindingen kunnen bijdragen aan het verbeteren van de pandemische paraatheid en de volksgezondheidsrespons, met name in de context van vroege detectie via rioolwatermonitoring en de implementatie van effectieve vaccinatieprogramma’s.
Keywords: COVID-19, sterfte, rioolwatermetingen, vaccinaties, lineaire regressie, pandemische monitoring.
renesmit