Inspiration

Viele Menschen haben kein Verständnis dafür, was hinter "exponentiellem Wachstum" steckt. Deshalb wollen wir anhand der vorliegenden Covit-19 Fallzahlen die Entwicklungen je Land / Bundesland / Stadt abbilden.

What it does

Unser Ziel ist es, mit der Visualisierung und Extrapolation diese Auswirkungen deutlich zu machen. Dabei soll es den Nutzern möglich sein, mit den Daten zu spielen, also selbst kleine Szenarien zu simulieren. Es geht darum, den Menschen bewusst zu machen, dass ihr persönliches Handeln einen direkten Einfluss auf die Verbreitung des Virus hat. Zielgruppe: Alle.

How we built it

Aktuell sind die Daten in verschiedenen Modellen abgebildet:

Python Dashboard Wir haben die frei zugänglichen Daten des RKI verwendet. (https://npgeo-corona-npgeo-de.hub.arcgis.com/datasets/dd4580c810204019a7b8eb3e0b329dd6_0/data). Diese haben wir mit Hilfe von Open Source Tools zur Datenanalyse und Visualisierung, wie pandas und plotly, in einem interaktiven Dashboard dargestellt. Unsere Software ist unter MIT Lizenz verfügbar (https://github.com/debsankha/covid-19/).

C++ Datenstruktur Außerdem haben wir eine Datenstruktur gebaut, mit open Source Tools wie Root, auf Grundlage der Daten von JHU: https://github.com/CSSEGISandData/COVID-19 welche international gezählte Neuinfektionen, Erholungen und Sterbefälle misst. Momentan steht die Datenstruktur und läuft und andere können weitere Dimensionen/ Variablen mit aufnehmen, um z.B. Einfluss von verschiedenen Quarantäne-Maßnahmen auf Verbreitung zu plotten, verfügbar, open access unter (https://github.com/krelltin/COVID19_GUI).

Challenges we ran into

Es gibt verschiedene Datenquellen, mit unterschiedlichen Informationsständen / Zeitstempeln. Den Überblick zu erlangen, war eine Herausforderung. Verschiedene Mitglieder der Gruppe konnten nicht zeitgleich an einem Problem arbeiten. Die Arbeiten zu synchronisieren, war ebenfalls eine Herausforderung. Wir hatten überlegt, die Informationen bezüglich Plätzen auf Intensivstationen (ICU) mit einzubeziehen. Wir haben dazu auch Daten gefunden https://www.divi.de/register/kartenansicht, diese waren aber unvollständig, da (noch) nicht alle Krankenhäuser an der Umfrage teilgenommen haben. Um zu vermeiden, dass Menschen aus unvollständigen Daten leicht falsche Schlüsse ziehen, haben wir diese Daten daher nicht verwendet.

Accomplishments that we are proud of

10 Minuten vor der ursprünglichen Abgabe mit dem Video zu beginnen, war sportlich. Hey und jetzt brauchen wir noch einen YouTube Channel. But we made it! Wir haben kein gepolishtes Pitch-Video, dafür aber 3-fach Computer Code der bereits rennt und von anderen genutzt werden kann!. :)

What we learned

Es gibt viele verschiedene nützliche Datenquellen. Allerdings gibt es auch viele Informationen, die nicht vorhanden oder nicht zugänglich sind, wie z.B. die Anzahl klinischer Test, die negativ ausgefallen sind. Ebenso fehlt eine verlässliche Quelle der genesenen Personen. Slack ist ganz cool.

What's next for 38_Daten_sub_215 aktuelle Zahlen Covit19 mit Extrapolation

Interaktives Dashboard (GUI) der JHU Daten, die anderen auf einer Website zur Verfügung gestellt wird, damit sie damit herum experimentieren können, sowie der Code. Implementierung der Interventionspunkte (bspw. Verordnungen und Erlasse der Bundes- und Landesregierungen) und Verknüpfung mit den Daten des RKI. Verändert sich die Kurve nach den Interventionen? Und wie hat sich die Kurve im Vergleich dazu in den anderen Ländern, die uns “voraus” sind, im vergleichbaren Zeitraum entwickelt.

Visualisierung der Fallzahlen und deren Entwicklung, auf Bundes- und Landesebende, dass man diese (interaktiv) vergleichen kann (z.B. indem man die Zeitachse verschiebbar macht). Außerdem sollte dieses Tool auch dazu beitragen, wie Maßnahmen, z.B. Schulschließungen, die Daten beeinflussen, indem man Daten von Regionen mit verschiedenen Maßnahmen in einem Graphen darstellt. Dabei sollten Nutzer*innen im Dashboard interaktiv auswählen können, was dargestellt werden soll.

Share this project:

Updates

posted an update

---- English version below ----- Wir haben jetzt die erste Demo des Prototypen erstellt, und zwar ein interaktives dashboard, welches sich regelmäßig updatet:

jupyterhub.debsankha.net:8080/

Dabei werden die Anzahlen der Infektionen/Todesfälle in jedem Bundesland, und in der ganzen Republik dargestellt. Wir zeigen:

  1. Die kumulative Zahl der Fälle zu jedem Datum.
  2. Die gleiche Zahl, aber aufgetragen über die Anzahl der Tage nach dem Erreichen des 50. Todesfalls. Somit kann man verschiedene Regionen (in denen das Virus unterschiedlich schnell angekommen ist) besser vergleichen.

---- English version ----- We have added a first prototype demo, an interactive, automatically updating dashboard:

jupyterhub.debsankha.net:8080/

It visualizes the number of confirmed cases/deaths in each federal state in Germany, as well as the whole country. We show:

  1. The cumulative number of cases/deaths over time.
  2. The same information, but the time starting at when the first death/50 cases occured in that federal state. This allows us to compare the progression of the pandemic in different regions.

Log in or sign up for Devpost to join the conversation.