よちよちpython

独習 python/Qpython/Pydroid3/termux/Linux

新型コロナのデータを見る

新型コロナのデータ 2021-07-03まで

どんな具合か久しぶりに見てみる。書き散らかしメモ。



目次



データファイル

# 新型コロナのデータファイルURLリスト
URLs = [
    "http://www.ipss.go.jp/projects/j/Choju/covid19/data/japan_deaths.xlsx", # 年代別データ(国立社会保障・人口問題研究所)
    "https://toyokeizai.net/sp/visual/tko/covid19/csv/demography.csv", # 年代別国内発生動向 (東洋経済オンライン)
    "https://www.mhlw.go.jp/content/pcr_positive_daily.csv", # 陽性者数 (厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/pcr_tested_daily.csv", # PCR検査実施人数 (厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/cases_total.csv",   # 入院治療等を要する者の数(厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/recovery_total.csv",  # 退院又は療養解除となった者の数(厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/death_total.csv",  # 死亡者数(厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/pcr_case_daily.csv",  # PCR検査の実施件数(厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/current_situation.csv",  # 発生状況(厚生労働省 オープンデータ)
    "https://www.mhlw.go.jp/content/severe_daily.csv",  # 重症者 (厚生労働省 オープンデータ)
    "https://www3.nhk.or.jp/n-data/opendata/coronavirus/nhk_news_covid19_prefectures_daily_data.csv", # 都道府県別感染者・死亡者(NHK)    
]

リストの1番上のExcelファイル以外を今回使います。10個

# 使用するデータファイル
from glob import glob

files = glob('*.csv')
files
['cases_total.csv',
 'current_situation.csv',
 'death_total.csv',
 'demography.csv',
 'nhk_news_covid19_prefectures_daily_data.csv',
 'pcr_case_daily.csv',
 'pcr_positive_daily.csv',
 'pcr_tested_daily.csv',
 'recovery_total.csv',
 'severe_daily.csv']
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib
%matplotlib inline



no.0 cases_total.csv

df_cases_total = pd.read_csv(files[0])
df_cases_total
日付\t 入院治療を要する者
0 2020/2/4 15
1 2020/2/5 16
2 2020/2/6 12
3 2020/2/7 12
4 2020/2/8 7
... ... ...
511 2021/6/29 16159
512 2021/6/30 16272
513 2021/7/1 16249
514 2021/7/2 16192
515 2021/7/3 16350

516 rows × 2 columns

# cases_total.csv 折れ線グラフ

# インポート x軸日付ラベルの重なり解消
import matplotlib.dates as mdates

# 時系列データに変換
df_cases_total_copy = df_cases_total.copy() # データフレームをコピー
df_cases_total_copy['日付\t'] = pd.to_datetime(df_cases_total['日付\t']) # 日付列をdatetime型に変換
df_cases_total_copy = df_cases_total_copy.set_index('日付\t')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_cases_total_copy)
plt.title('新型コロナ入院治療を要する者の数(2020-02-04~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('00_cases_total折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202450j:plain



no.1 current_situation.csv

df_current_situation = pd.read_csv(files[1])
df_current_situation
Unnamed: 0 PCR検査\n実施人数 ※3 陽性者数 入院治療等を要する者の数 うち重症者の数 退院又は療養解除と\nなった者の数 死亡者数 確認中 ※4
0 国内事例 ※1,※5\n(チャーター便帰国\n者を除く) 15,857,880 \n(+38,122) 802,203\n(+1,864)※2 16,350\n(+158) 496\n(-5)※6 770,414\n(+1,692) 14,837\n(+18) 1,342\n(+8)
1 空港,海港検疫 779,294\n(+3,879)※7 3,158\n(+14) 102\n(+10) 0 3,051\n(+4) 5 0
2 チャーター便\n帰国者事例 829 15 0 0 15 0 0
3 合計 16,638,003\n(+42,001) 805,376\n(+1,878)※2 16,452\n(+168) 496\n(-5)※6 773,480\n(+1,696) 14,842\n(+18) 1,342\n(+8)



no.2 death_total.csv

df_death_total = pd.read_csv(files[2])
df_death_total
日付 死亡者数
0 2020/2/14 1
1 2020/2/15 1
2 2020/2/16 1
3 2020/2/17 1
4 2020/2/18 1
... ... ...
501 2021/6/29 14735
502 2021/6/30 14776
503 2021/7/1 14797
504 2021/7/2 14819
505 2021/7/3 14837

506 rows × 2 columns

# death_total.csv 折れ線グラフ

# インポート x軸日付ラベルの重なり解消
import matplotlib.dates as mdates

# 時系列データに変換
df_death_total_copy = df_death_total.copy() # データフレームをコピー
df_death_total_copy['日付'] = pd.to_datetime(df_death_total['日付']) # 日付列をdatetime型に変換
df_death_total_copy = df_death_total_copy.set_index('日付')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_death_total_copy)
plt.title('新型コロナ累計死亡者数(2020-02-14~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('02_death_total折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202541j:plain



no.2.2 death_daily (death_total.csvを日毎に変換)

# death_totalの累計データを日毎に変換
narr = df_death_total.iloc[:, 1].to_numpy()
death_daily = np.append(1, np.diff(narr))
# データフレーム作成
df_death_daily = pd.DataFrame(df_death_total.iloc[:, 0])
df_death_daily['死亡者数(日毎)'] = death_daily
df_death_daily
日付 死亡者数(日毎)
0 2020/2/14 1
1 2020/2/15 0
2 2020/2/16 0
3 2020/2/17 0
4 2020/2/18 0
... ... ...
501 2021/6/29 35
502 2021/6/30 41
503 2021/7/1 21
504 2021/7/2 22
505 2021/7/3 18

506 rows × 2 columns

# death_total.csvをdailyに変換したデータの折れ線グラフ

# インポート x軸日付ラベルの重なり解消
import matplotlib.dates as mdates

# 時系列データに変換
df_death_daily_copy = df_death_daily.copy() # データフレームをコピー
df_death_daily_copy['日付'] = pd.to_datetime(df_death_daily['日付']) # 日付列をdatetime型に変換
df_death_daily_copy = df_death_daily_copy.set_index('日付')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_death_daily_copy)
plt.title('新型コロナ日ごと死亡者数(2020-02-14~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('02_2_death_daily折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202614j:plain

※右の方に1本飛び出して250人を超えてる部分があるのは、兵庫県神戸市が「カウントし損なっていたデータがあった」とかいう理由で2~3か月分の人数130人ほどを計上した為に不自然になっている。



no.3 demography.csv

df_demography = pd.read_csv(files[3])
df_demography
year month date age_group tested_positive hospitalized serious death
0 2021 6 30 10歳未満 26904 1988 0 0
1 2021 6 30 10代 59816 4261 0 0
2 2021 6 30 20代 176122 11154 0 8
3 2021 6 30 30代 118071 7507 0 27
4 2021 6 30 40代 115534 8337 29 106
5 2021 6 30 50代 103576 7795 60 301
6 2021 6 30 60代 66730 5677 99 939
7 2021 6 30 70代 58365 5673 139 2976
8 2021 6 30 80代以上 57535 5277 79 8094
9 2021 6 30 不明 10358 1094 7 259
# demography.csv 年代別棒グラフ作成
fig = plt.figure(figsize=(15, 20), facecolor='w')

data = [df_demography['tested_positive'], df_demography['hospitalized'], df_demography['serious'], df_demography['death']]
colors = ['orange', 'green', 'red', 'black'] # 色分け用
titles = ['陽性者数', '要入院者数', '重症者数', '死亡者数'] # タイトル用

for i, (d, color, title) in enumerate(zip(data,colors, titles)):
    ax = fig.add_subplot(4,1,i+1)
    ax.bar(df_demography['age_group'], d, color=color)
    plt.title(f'年代別{title}グラフ', size=12)
    plt.xticks(size=12)
    plt.ylabel(f'{title}', size=15)
    plt.grid()

plt.savefig('demography_csv_bar_graph.jpg')
plt.show()
        

f:id:chayarokurokuro:20210707202703j:plain

これには年代別の検査数データを含んでいないので若年層は感染しやすいと勘違いするが、若年層の検査数は高齢者の2~3倍多い。
一日あたり累計の検査数で、たとえば20代の15万人に対し、80代は5万人とかそんな具合。しかし重症者数・死亡者数は高齢者に偏る。 某ワクチン企業の報告書にも「60代以上の重症化率は高い」とある。そんなことコロナに限ったことではないだろうけど。



no.4 nhk_news_covid19_prefectures_daily_data.csv

df_nhk_data = pd.read_csv(files[4])
df_nhk_data
日付 都道府県コード 都道府県名 各地の感染者数_1日ごとの発表数 各地の感染者数_累計 各地の死者数_1日ごとの発表数 各地の死者数_累計
0 2020/1/16 1 北海道 0 0 0 0
1 2020/1/17 1 北海道 0 0 0 0
2 2020/1/18 1 北海道 0 0 0 0
3 2020/1/19 1 北海道 0 0 0 0
4 2020/1/20 1 北海道 0 0 0 0
... ... ... ... ... ... ... ...
25187 2021/6/30 47 沖縄県 67 20783 2 183
25188 2021/7/1 47 沖縄県 63 20846 4 187
25189 2021/7/2 47 沖縄県 61 20907 4 191
25190 2021/7/3 47 沖縄県 76 20983 0 191
25191 2021/7/4 47 沖縄県 34 21017 0 191

25192 rows × 7 columns

# 都道府県ごとの各項目の合計値データフレーム 、各地の死者数_1日ごとの発表数に基づき降順で並び替え
df_nhk = df_nhk_data.groupby('都道府県名').sum().sort_values('各地の死者数_1日ごとの発表数', ascending=False)
# 不要列削除
df_nhk = df_nhk.drop(['都道府県コード', '各地の感染者数_累計', '各地の死者数_累計'], axis=1)
# 感染者数累計ごとの死亡者累計を算出 列追加
df_nhk['死亡累計/感染累計'] = (df_nhk['各地の死者数_1日ごとの発表数'] / df_nhk['各地の感染者数_1日ごとの発表数']).map('{:.2%}'.format)

df_nhk
各地の感染者数_1日ごとの発表数 各地の死者数_1日ごとの発表数 死亡累計/感染累計
都道府県名
大阪府 103850 2680 2.58%
東京都 176501 2239 1.27%
北海道 41466 1405 3.39%
兵庫県 41032 1308 3.19%
愛知県 51295 971 1.89%
神奈川県 68311 952 1.39%
埼玉県 46941 832 1.77%
千葉県 40874 710 1.74%
福岡県 35639 522 1.46%
京都府 16661 246 1.48%
沖縄県 21017 191 0.91%
岐阜県 9282 187 2.01%
広島県 11525 175 1.52%
茨城県 10651 165 1.55%
福島県 4962 161 3.24%
群馬県 8051 152 1.89%
静岡県 9401 151 1.61%
奈良県 8246 131 1.59%
岡山県 7596 126 1.66%
熊本県 6491 118 1.82%
石川県 3954 115 2.91%
三重県 5278 112 2.12%
長野県 5039 91 1.81%
宮城県 9187 90 0.98%
滋賀県 5571 90 1.62%
栃木県 7120 82 1.15%
山口県 3159 80 2.53%
愛媛県 2755 75 2.72%
長崎県 3216 69 2.15%
大分県 3494 64 1.83%
徳島県 1657 63 3.80%
新潟県 3423 52 1.52%
和歌山県 2693 49 1.82%
岩手県 1713 47 2.74%
山形県 2028 47 2.32%
鹿児島県 3698 38 1.03%
富山県 2042 38 1.86%
福井県 1327 35 2.64%
青森県 2520 31 1.23%
香川県 2099 31 1.48%
宮崎県 3094 27 0.87%
高知県 1851 26 1.40%
佐賀県 2565 24 0.94%
山梨県 2124 21 0.99%
秋田県 907 20 2.21%
鳥取県 491 2 0.41%
島根県 553 1 0.18%

データの期間は未確認。たぶん他のデータと同じく1年以上の累計。なぜリセットしないのかね。

これらの数字は各都道府県の人口や検査数に依存する。検査しなければ全て0。新型コロナ騒動以前のように。

コロナ感染者の99%以上は発症すらしない(ワクチン製薬会社2社共の発表によると)。これを集団免疫と言わずに何というのだろうか。
検査を増やせば致死率なども下がる。しかし99%以上の人には関係ないので検査するだけ費用の無駄とも言える。



no.5 pcr_case_daily.csv

df_pcr_case_daily = pd.read_csv(files[5])
df_pcr_case_daily
日付 国立感染症研究所 検疫所 地方衛生研究所・保健所 民間検査会社 大学等 医療機関
0 2020/2/18 472 75 398 0.0 79.0 NaN
1 2020/2/19 15 68 609 0.0 0.0 NaN
2 2020/2/20 20 15 758 0.0 0.0 NaN
3 2020/2/21 261 188 902 132.0 108.0 NaN
4 2020/2/22 341 127 677 2.0 19.0 NaN
... ... ... ... ... ... ... ...
496 2021/6/28 0 0 2002 38218.0 5277.0 24129.0
497 2021/6/29 0 0 2532 21037.0 4293.0 19854.0
498 2021/6/30 0 0 2416 32046.0 3854.0 17310.0
499 2021/7/1 0 2 2363 28021.0 3018.0 13821.0
500 2021/7/2 0 0 1208 NaN NaN NaN

501 rows × 7 columns



no.6 pcr_positive_daily.csv

df_pcr_positive_daily = pd.read_csv(files[6])
df_pcr_positive_daily
日付 PCR 検査陽性者数(単日)
0 2020/1/16 1
1 2020/1/17 0
2 2020/1/18 0
3 2020/1/19 0
4 2020/1/20 0
... ... ...
530 2021/6/29 1375
531 2021/6/30 1811
532 2021/7/1 1741
533 2021/7/2 1774
534 2021/7/3 1864

535 rows × 2 columns


# pcr_positive_dailyの折れ線グラフ

# 時系列データに変換
df_pcr_positive_daily_copy = df_pcr_positive_daily.copy() # データフレームをコピー
df_pcr_positive_daily_copy['日付'] = pd.to_datetime(df_pcr_positive_daily['日付']) # 日付列をdatetime型に変換
df_pcr_positive_daily_copy = df_pcr_positive_daily_copy.set_index('日付')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_pcr_positive_daily_copy)
plt.title('新型コロナ日ごと陽性者数(2020-01-16~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('06_pcr_positive_daily折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202802j:plain

検査数を100倍にすれば陽性者数・感染者数も100倍になるだろう。しかし重症者は100倍にはならない。死亡者も100倍にはならない。そんなことになれば、年間の全死亡者数をコロナが占めてしまう。どこにもそのようなデータは無い。2020年の超過死亡者は減ってすらいる。



no.7 pcr_tested_daily.csv

df_pcr_tested_daily = pd.read_csv(files[7])
df_pcr_tested_daily
日付 PCR 検査実施件数(単日)
0 2020/2/5 4
1 2020/2/6 19
2 2020/2/7 9
3 2020/2/8 4
4 2020/2/9 10
... ... ...
507 2021/6/29 61916
508 2021/6/30 67576
509 2021/7/1 77063
510 2021/7/2 67044
511 2021/7/3 38122

512 rows × 2 columns

# pcr_tested_dailyの折れ線グラフ

# 時系列データに変換
df_pcr_tested_daily_copy = df_pcr_tested_daily.copy() # データフレームをコピー
df_pcr_tested_daily_copy['日付'] = pd.to_datetime(df_pcr_tested_daily['日付']) # 日付列をdatetime型に変換
df_pcr_tested_daily_copy = df_pcr_tested_daily_copy.set_index('日付')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_pcr_tested_daily_copy, label='検査実施件数')
plt.plot(df_pcr_tested_daily_copy.rolling(window=7, min_periods=1).mean(), label='7日移動平均') # 7日移動平均
plt.title('新型コロナ日ごと検査実施件数(2020-02-05~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.legend()
plt.savefig('07_pcr_tested_daily折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202838j:plain

no.7_2 陽性者数/検査実施件数 で陽性率を出す

# 結合
df_positive_tested_rate = df_pcr_tested_daily_copy.join(df_pcr_positive_daily_copy, how='inner')
# 陽性率列を追加
df_positive_tested_rate['陽性率'] = (df_positive_tested_rate['PCR 検査陽性者数(単日)'] / df_positive_tested_rate['PCR 検査実施件数(単日)'])  

print('陽性率平均値:', df_positive_tested_rate['陽性率'].mean())
print('陽性率中央値:', df_positive_tested_rate['陽性率'].median())
print('陽性率最大値:', df_positive_tested_rate['陽性率'].max())
df_positive_tested_rate.describe()
陽性率平均値: 0.10498579148938529
陽性率中央値: 0.048645076066993725
陽性率最大値: 10.017543859649123
PCR 検査実施件数(単日) PCR 検査陽性者数(単日) 陽性率
count 512.000000 512.000000 512.000000
mean 30920.425781 1557.212891 0.104986
std 30844.725439 1730.172948 0.462973
min 4.000000 0.000000 0.000000
25% 4901.750000 265.750000 0.025345
50% 21065.500000 915.000000 0.048645
75% 54593.250000 2371.500000 0.090876
max 176379.000000 7844.000000 10.017544

入力ミスか集計ミスかわからないが、陽性率の最大値maxが10を超えてる。そのせいでか陽性率平均値が高い。
このままグラフ化すると外れ値が一本飛び出していたので、それを以下で除外する。

# 外れ値を除外  4分位数範囲基準
def outlier(df) :
    for i in range(len(df.columns)):
        col = df.iloc[:, i]
        #四分位数範囲
        Q1 = col.describe()['25%']
        Q3 = col.describe()['75%']
        IQR = Q3 - Q1
        # 外れ値基準
        outlier_min = Q1 - (IQR)*1.5
        outlier_max = Q3 + (IQR)*1.5
        # 外れ値除外
        col[col < outlier_min] = None
        col[col > outlier_max] = None

    return df

df_rate = outlier(df_positive_tested_rate)  # 外れ値除去
df_rate = df_rate.dropna(how='any') # Nanがある行を除去
print('陽性率平均値', df_rate['陽性率'].mean())
print('陽性率中央値', df_rate['陽性率'].median())
print('陽性率最大値', df_rate['陽性率'].max())

df_rate
陽性率平均値 0.041858348606778575
陽性率中央値 0.033985348538630014
陽性率最大値 0.1198726857040391
PCR 検査実施件数(単日) PCR 検査陽性者数(単日) 陽性率
日付
2020-02-06 19.0 0.0 0.000000
2020-02-07 9.0 0.0 0.000000
2020-02-08 4.0 0.0 0.000000
2020-02-09 10.0 0.0 0.000000
2020-02-10 12.0 0.0 0.000000
... ... ... ...
2021-06-29 61916.0 1375.0 0.022208
2021-06-30 67576.0 1811.0 0.026799
2021-07-01 77063.0 1741.0 0.022592
2021-07-02 67044.0 1774.0 0.026460
2021-07-03 38122.0 1864.0 0.048896

369 rows × 3 columns

# 陽性率の折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_rate['陽性率'])
plt.plot(df_rate['陽性率'].rolling(7,1).mean()) # 7日移動平均
plt.title('新型コロナ日ごと陽性率(2020-02-05~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('07_2陽性率折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202915j:plain

アメリカCDCは少なく見積もってもアメリカ人の3分の1が既に新型コロナに感染しているという認識だという。1億人以上。
日本で3分の1なら4000万人。計算したところ、全国で1日あたり219万人を検査すれば妥当な陽性者数が出るかもしれん。
現在の水準では1~2桁足りませんね。
しかし感染者の99%以上は発症すらしないので、検査するのは無駄でしょう。

推定感染者数4000万人のうち1%が発症したとすると40万人。一日あたり1095人の発症。そのうち重症化するのは・・・
この後で見るsevere_daily.csvデータに載っている。



no.8 recovery_total

df_recovery_total = pd.read_csv(files[8])
df_recovery_total
日付 退院、療養解除となった者
0 2020/1/29 1
1 2020/1/30 1
2 2020/1/31 1
3 2020/2/1 1
4 2020/2/2 1
... ... ...
517 2021/6/29 763569
518 2021/6/30 765277
519 2021/7/1 766949
520 2021/7/2 768722
521 2021/7/3 770414

522 rows × 2 columns

大して意味なさそうなのでグラフ無し。



no.9 severe_daily

df_severe_daily = pd.read_csv(files[9])
df_severe_daily
日付 重症者数
0 2020/2/5 0
1 2020/2/6 0
2 2020/2/7 0
3 2020/2/8 0
4 2020/2/9 0
... ... ...
510 2021/6/29 523
511 2021/6/30 517
512 2021/7/1 511
513 2021/7/2 501
514 2021/7/3 496

515 rows × 2 columns

# severe_dailyの折れ線グラフ

# 時系列データに変換
df_severe_daily_copy = df_severe_daily.copy() # データフレームをコピー
df_severe_daily_copy['日付'] = pd.to_datetime(df_severe_daily['日付']) # 日付列をdatetime型に変換
df_severe_daily_copy = df_severe_daily_copy.set_index('日付')  # 日付列をインデックスにする

# 折れ線グラフ
plt.figure(facecolor='w')
plt.plot(df_severe_daily_copy)
plt.title('新型コロナ日ごと重症者数(2020-02-05~2021-07-03)')
plt.gcf().autofmt_xdate() # 日付ラベル重なり解消
plt.grid()
plt.savefig('09_severe_daily折れ線グラフ.jpg')
plt.show()

f:id:chayarokurokuro:20210707202946j:plain

↑の陽性率の所で、一日当たり1095人の発症者が出ると推定したが、1月は冬なんでまぁ分かるが、6月は多い。なんだろう? しかも重症者数でこの数値。「発症=重症」みたいな値。だいぶ高い。

風邪の原因の80~90%がウィルスによるもので、残りは菌だという。それらのウィルスのうち15%ぐらいがコロナウィルス。
年間に誰でも2~3回風邪のウィルスに感染しているらしいが、別の医療系サイトでは3~6回感染しているとしてあった。風邪の症状などそんなに頻繁に起こらないわけで、気づかないほどヘナチョコレベルか、発症していない、無症状なわけですよね。

仮に日本人全員が年間3回風邪に感染しているとして、そのうち15%がコロナウィルスなので、年間延べ5400万人がコロナウィルスに感染しているということになる。気づかないけど。
で、感染のうち99%以上が発症しない、いや、1%が発症するとして年間54054万人が発症。コロナウィルスで重症者が出まくるなんて今まで聞いたことないなぁ。「重症化=インフルエンザ」って認識はあるが。



以上。