Trajectories of COVID-19 cases in German federal states - 2020 Shiny Contest Submission

Trajectories of COVID-19 cases in German federal states

Authors: Matthias Flor
Working with Shiny more than 1 year

Abstract: A simple yet powerful way to visualize the exponential growth trajectories of COVID-19 cases in German federal states. The app is modeled after Aatish Bhatia's covid trends (https://aatishb.com/covidtrends), and the idea behind this representation is explained in this great Minute Physics explainer: https://youtu.be/54XLXg4fYsc.

Full Description: Translated with www.DeepL.com/Translator from the original which is in German (I'm too lazy right now to properly translate this, see below for German description):

This Shiny App is an interactive graph and displays the trajectories of confirmed COVID-19 cases in the German federal states. The number of new confirmed cases in the past week is plotted against the total number of confirmed cases. Both axes are scaled logarithmically in order to be able to resolve the development at the beginning of the spread.

This method of plotting reveals exponential growth as a straight line with a positive slope. All German states follow a very similar straight line from a total number of confirmed cases of about 100. The growth rate of exponential propagation is then comparably large in all federal states.

The adoption of measures for social distancing should initially be shown by the flattening of the slope and finally by a downward trajectory. However, the delay in reporting should be kept in mind, which is particularly noticeable in the last one or two days of the trajectories.

Tips:

  • States can be removed in the selection field after clicking with <Del> and can be added again after clicking in the white area of the field.
  • The Play button at the right end of the reporting date slider can be used to animate the entire development.
  • When the slider is selected, the arrow buttons can be used to jump back and forth by individual days.

Credits:

Data: Bundesamt fĂŒr Kartographie und GeodĂ€sie / Robert-Koch-Institut · Idea for this kind of representation: Aatish Bhatia and Minute Physics · Source: github.com/mattflor


Original German description of the app:

Diese Shiny App ist ein interaktiver Graph und stellt die Trajektorien bestÀtigter COVID-19-FÀlle in den deutschen BundeslÀndern dar. Die Anzahl der neuen bestÀtigten FÀlle in der vergangenen Woche wird gegen die Gesamtzahl bestÀtigter FÀlle aufgetragen. Beide Achsen sind dabei logarithmisch skaliert, um auch die Entwicklung am Beginn der Ausbreitung auflösen zu können.

Bei dieser Art der Auftragung offenbart sich exponentielles Wachstum als Gerade mit positiver Steigung. Alle BundeslĂ€nder folgen dabei ab einer Gesamtzahl bestĂ€tigter FĂ€lle von etwa 100 einer sehr Ă€hnlichen Gerade. Die Wachstumsrate der exponentiellen Ausbreitung ist dann in allen BundeslĂ€ndern vergleichbar groß.

Das Greifen von Maßnahmen zum Social Distancing sollte sich zunĂ€chst durch das Abflachen der Steigung und schließlich durch ein Abknicken der Trajektorie nach unten zeigen. Allerdings sollte hierbei der Meldeverzug im Hinterkopf behalten werden, der sich besonders in den letzten ein bis zwei Tagen der Trajektorien niederschlĂ€gt.

Tipps:

  • BundeslĂ€nder lassen sich im Auswahlfeld nach Anklicken mit <Del> entfernen und nach Klicken in den weißen Bereich des Feldes auch wieder hinzufĂŒgen.
  • Mit dem Play Button am rechten Ende des Schiebereglers fĂŒr das Meldedatum kann die gesamte Entwicklung animiert werden.
  • Wenn der Schieberegler ausgewĂ€hlt ist, kann mit den Pfeiltasten um einzelne Tage vor- und zurĂŒckgesprungen werden.

Credits:

Daten: Bundesamt fĂŒr Kartographie und GeodĂ€sie / Robert-Koch-Institut · Idee fĂŒr diese Form der Darstellung: Aatish Bhatia und Minute Physics · Source: github.com/mattflor


Category: Healthcare
Keywords: COVID-19, epidemiology
Shiny app: https://mattflor.shinyapps.io/covid-19-trakjektorien-app/
Repo: https://github.com/mattflor/covid-19-trajektorien-app
RStudio Cloud: https://rstudio.cloud/project/1102073

Thumbnail:
image

Full image:

1 Like