2b:null 2c:["$","title",null,{"children":"COVID-19 i Danmark | Jakob Eg Larsen | Observable"}] 31:T73a,md`Nedenstående datavisualiseringer er baseret på data fra [Statens Serum Institut (SSI)](https://www.ssi.dk/). ### Indhold 1. [Udviklingen i antal bekræftet smittede over tid](#udviklingOverTid) 1. [Fordelingen af bekræftet smittede på aldersgruppe](#fordelingAldersgrupper) 1. [Estimeret kontakttal over tid](#kontakttallet) 1. [Antal testede, antal tests og positivprocent](#antalTestedeOgPositive) 1. [Bekræftet smittede fordelt på køn](#fordelingKoen) 1. [Indlæggelser og dødsfald over tid](#indlæggelser) 1. [Vaccinationer](https://observablehq.com/@jakobeglarsen/covid-19-dk-vaccination) (separat notebook) 1. [Senfølger af Covid-19](#senfølger) 1. [Taksigelse](#taksigelse) 1. [Datahåndtering](#datahaandtering) Data er hentet fra [SSIs arkiv med tidligere publicerede overvågningsdata](https://covid19.ssi.dk/overvagningsdata/download-fil-med-overvaagningdata), fra arkivet med [PCR- og antigentests fra private udbydere](https://covid19.ssi.dk/overvagningsdata/private-tests), samt fra arkivet med [Vaccinationstilslutning til covid-19](https://covid19.ssi.dk/overvagningsdata/vaccinationstilslutning). For perioden 12. marts 2020 til 5. maj 2020 er data om fordelingen på alder hentet fra [SSIs Epidemiologiske overvågningsrapporter](https://covid19.ssi.dk/overvagningsdata/download-fil-med-overvaagningdata). _Disclaimer/ansvarsfraskrivelse_: Disse datavisualiseringer er udelukkende tænkt til forsknings- og undervisnings-brug i datavisualisering. Dette er derfor _ikke_ tiltænkt som et beslutningsværktøj. Måden hvorpå SSI har offentliggjort data har ændret sig _adskillige gange_, hvorfor jeg ikke kan udelukke at der kan opstå fejl i processeringen af data. Check og verificér derfor venligst med [de officielle tal fra SSI](https://covid19.ssi.dk/overvagningsdata/download-fil-med-overvaagningdata/). `32:T51a,viewof akkumuleretBekraeftetSmittede = { const stackedBarChart = vl.layer( vl.markLine({tooltip: true, color: 'darkgrey', strokeWidth: 4}) .encode( vl.x() .timeYMD('date') .title('Dato'), vl.y() .fieldQ('total') .title('Akkumuleret antal smittede') .scale(logAxis.includes('semilog') ? {type: 'log'} : {}) ), /* vl.markLine({color: 'darkblue', strokeDash: [4, 4]}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 9, "date": 1}, {"year": 2020, "month": 12, "date": 1}] }), vl.regression('total').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')), vl.markLine({color: 'darkred', strokeDash: [4, 4]}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 12, "date": 8}, {"year": 2020, "month": 12, "date": 21}] }), vl.regression('total').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')), */ ) return vl.data(casesBySexTotal) //casesByAgeByDay) .vconcat(stackedBarChart.width(WIDTH).height(HEIGHT*1.5)) .title(title('Akkumuleret antal bekræftet smittede over tid')) .render({renderer: 'svg'}) }33:T4a2,// plot smittede viewof smittedePrDag = { const plot = vl.layer( vl.markLine({tooltip: true, color: 'darkgrey', interpolate: 'monotone'}) .encode( vl.x().fieldT('date').title('Dato'), vl.y().fieldQ('cases').title('Antal smittede').scale(logAxisDay.includes('semilog') ? {type: 'log'} : {}) ), /* vl.markLine({color: 'darkblue', strokeDash: [4, 4]}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 9, "date": 1}, {"year": 2020, "month": 12, "date": 1}] }), vl.regression('cases').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')), vl.markLine({color: 'darkred', strokeDash: [4, 4]}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 12, "date": 1}, {"year": 2020, "month": 12, "date": 17}] }), vl.regression('cases').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')) */ ) return vl.data(cases) .vconcat(plot.width(WIDTH).height(HEIGHT*1.5)) .title(title('Antal smittede pr. dag over tid')) .render({renderer: 'svg'}) }34:T1012,viewof akkumuleretBekraeftetSmittedeLog1 = { const plot = vl.layer( vl.markLine({tooltip: true, color: 'darkgrey', strokeWidth: 4}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .scale({type: 'log'}) .fieldQ('total') .title('Akkumuleret antal bekræftet smittede'), ), // 11. marts 2020 - 11. april 2020 vl.markLine({tooltip: true, color: 'red', strokeWidth: 3, opacity: 0.3, strokeDash: [5, 3]}) .transform( vl.calculate('log(datum.total)').as('totalLog'), vl.filter({"field": "date", "range": [{"year": 2020, "month": 3, "date": 11}, {"year": 2020, "month": 4, "date": 11}] }), vl.regression('totalLog').on('date').method('exp').as('x','y'), vl.calculate('exp(datum.y)').as('totalInvLog') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('totalInvLog')), // R2 vl.markText({align: 'left', size: 15, color: 'red'}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 3, "date": 11}, {"year": 2020, "month": 4, "date": 11}] }), vl.regression('total').on('date').method('exp').params(true), vl.calculate('"R² = " + format(datum.rSquared, ".4f")').as('r2') ) .encode( vl.x({datum: {"year": 2020, "month": 4, "date": 1}}), vl.y({datum: 2000}), vl.text().field('r2') ), // 1. maj 2020 - 1. september 2020 vl.markLine({tooltip: true, color: 'green', strokeWidth: 3, opacity: 0.5, strokeDash: [5, 3]}) .transform( vl.calculate('log(datum.total)').as('totalLog'), vl.filter({"field": "date", "range": [{"year": 2020, "month": 5, "date": 1}, {"year": 2020, "month": 9, "date": 1}] }), vl.regression('totalLog').on('date').method('exp').as('x','y'), vl.calculate('exp(datum.y)').as('totalInvLog') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('totalInvLog')), // R2 vl.markText({align: 'left', size: 15, color: 'green'}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 5, "date": 1}, {"year": 2020, "month": 9, "date": 1}] }), vl.regression('total').on('date').method('exp').params(true), vl.calculate('"R² = " + format(datum.rSquared, ".4f")').as('r2') ) .encode( vl.x({datum: {"year": 2020, "month": 7, "date": 1}}), vl.y({datum: 10000}), vl.text().field('r2') ), // 1. september 2020 - 15. december 2020 vl.markLine({tooltip: true, color: 'red', strokeWidth: 3, opacity: 0.3, strokeDash: [5, 3]}) .transform( vl.calculate('log(datum.total)').as('totalLog'), vl.filter({"field": "date", "range": [{"year": 2020, "month": 9, "date": 1}, {"year": 2020, "month": 12, "date": 8}] }), vl.regression('totalLog').on('date').method('exp').as('x','y'), vl.calculate('exp(datum.y)').as('totalInvLog') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('totalInvLog')), // R2 vl.markText({align: 'left', size: 15, color: 'red'}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 9, "date": 1}, {"year": 2020, "month": 12, "date": 8}] }), vl.regression('total').on('date').method('exp').params(true), vl.calculate('"R² = " + format(datum.rSquared, ".4f")').as('r2') ) .encode( vl.x({datum: {"year": 2020, "month": 11, "date": 1}}), vl.y({datum: 35000}), vl.text().field('r2') ) ) return vl.data(casesByAgeByDay.filter(d => d.date<='2021-01-01')) .vconcat(plot.width(WIDTH).height(HEIGHT*1.5)) .title(title('Akkumuleret antal bekræftet smittede i 2020','med logaritmisk skala på y-aksen')) .render({renderer: 'svg'}) }35:Ta00,md`I efteråret 2020 så vi en betydelig udvikling i den eksponentielle vækst. Hvis vi betragter udviklingen fra ca. 1. september og en uge ind i december 2020, ser vi en udvikling der ligeledes ligger meget tæt på en ret linje, men nu med en stejlere kurve end den der ses hen over sommeren. I hele denne periode har vi set en eksponentiel vækst, der kan beskrives som en gennemsnitlig daglig vækst på ca. 1,9% hvilket svarer til en fordoblingstid på knap 37 dage. Eller sagt på en anden måde fra 24. august og frem til årsskiftet (dvs. på godt 4 måneder) er antallet af bekræftet smittede _tidoblet_. Man kan derfor undre sig over at SSI og Sundhedsstyrelsen ifm. flere pressemøder i slutningen 2020 har italesat udviklingen som først værende gået i eksponentiel vækst i slutningen af november. F.eks. i forbindelse med pressemødet den 7. december 2020 hvor direktør for SSI, Henrik Ullum udtalte: _"...vi har været gennem et efterår, hvor tallene er gået op og ned. Vi har set små toppe og bølgedale og vi har hele tiden haft den vurdering, at smitten har været under kontrol. Det ændrede sig så dramatisk i sidste uge i november hvor vi lige pludselig så at nu var der altså løbende stigende smittetal på den måde hvor vi går over i eksponentiel vækst."_

Kilde: [@vb_jens](https://twitter.com/vb_jens/status/1372251931444350976?s=21)

Dette blev gentaget på pressemødet den 16. december 2020 hvor Henrik Ullum igen beskrev eksponentiel vækst som opstået indenfor uger. På dette møde karakteriserede direktør for Sundhedsstyrelsen, Søren Brostrøm, udviklingen henover efteråret som _"en relativt flad kurve"_. Det forekommer særdeles vanskeligt at få øje på den "flade kurve", ligesom det er svært at, se at man kan tale om at have smitten under kontrol, når den har været i eksponentiel vækst med en gennemsnitlig daglig vækst på ca. 1,9% siden 1. september. Det er dog korrekt at efter ovennævnte periode kan man se en stejlere kurve som udtryk for en forøget vækst. Over et par uger var den gennemsnitlige daglig vækst på næsten 3%. Forløbet beskrives desværre foruroligende præcist i denne xkcd:

Kilde: [https://xkcd.com/2278/](https://xkcd.com/2278/)

`36:T4ad,viewof bekraeftetSmittedePr100kPrUge2 = { return vl.data(newCasesByDay.filter(d => d.date < '2020-05-06').concat(newCases100k)) .transform( vl.groupby(['isoWeek','ageGroup']).aggregate(vl.sum('newCases100kTotalPopulation').as('cases100kTotal')) ) .layer( vl.markRect({tooltip: false}) .encode( vl.x().field('isoWeek') .title('Uge') .axis({labelAlign: 'right', labelAngle: -90}), vl.color().fieldQ("cases100kTotal") .scale({domain: [0].concat(d3.range(10).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true}) .legend(false) ), vl.markText({tooltip: true, fontSize: 8, align: 'center', angle: -90}) .encode( vl.x().field('isoWeek'), vl.text().field("cases100kTotal").format('.0f'), vl.color().condition({test:"datum['cases100kTotal'] > 250",value:"white"}).value("black") ) ) .autosize({type: 'pad', contains: 'padding', resize: true}) .padding({top: 5, bottom: 5, left: 55, right: 5}) .width(WIDTH) .title(title('Antal bekræftet smittede pr. 100.000 indbyggere pr. uge')) .render({renderer: 'svg'}) }37:T720,viewof bekraeftetSmittedePr100kPrUgeAlder3 = { const heatmap = vl.layer( vl.markRect({tooltip: true}) .encode( vl.y().fieldN(vl.repeat('row')).title('Aldersgruppe') .sort({field: 'ageGroup', order: 'descending'}), vl.x().fieldO('isoWeek') .title('Uge') .axis({labelAlign: 'right', labelAngle: -90}), vl.color().fieldQ("cases100kTotal") .scale({domain: [0].concat(d3.range(10).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true}) //redblue .legend(false), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'cases100kTotal', format: '.1f', title: 'Bekræftet smittede pr. 100.000 indbyggere'}]) ), vl.markText({tooltip: true, fontSize: 6, align: 'center', angle: -90}) .encode( vl.y().fieldN(vl.repeat('row')) .sort({field: 'ageGroup', order: 'descending'}), vl.x().fieldO('isoWeek'), vl.text().fieldQ("cases100kTotal").format('.0f'), vl.color().condition({test:"datum['cases100kTotal'] >= 350",value:"white"}).value("black"), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'cases100kTotal', format: '.1f', title: 'Bekræftet smittede pr. 100.000 indbyggere'}]) ) ) .width(WIDTH).height(HEIGHT) .repeat({row: ['ageGroup']}) return vl.data(initialWeeks.concat(casesBySexByDay)) .transform( vl.groupby(['isoWeek','ageGroup']).aggregate(vl.sum('cases100k').as('cases100kTotal')) ) .vconcat(heatmap) .title(title('Antal bekræftet smittede pr. 100.000 indbyggere pr. uge fordelt på aldersgrupper')) .render({renderer: 'svg'}) }38:T5aa,viewof bekraeftetSmittedePrUgeAlder2 = { const yaxis = vl.y().fieldN(vl.repeat('row')) .title('Aldersgruppe') .sort({field: 'ageGroup', order: 'descending'}) const heatmap = vl.layer( vl.markRect({tooltip: true}) .encode( yaxis, vl.color().fieldQ("newCasesTotalGroup") .scale({domain: [0].concat(d3.range(12).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true }) .legend(false) ), vl.markText({fontSize: 6, align: 'center', dx: 0, angle: -90}) .encode( yaxis, vl.text().fieldQ("newCasesTotalGroup"), vl.color().condition({test:"datum['newCasesTotalGroup'] >= 2500",value:"white"}).value("black"), ) ) .encode( vl.x().fieldO('isoWeek') .title('Uge') .axis({labelAlign: 'right', labelAngle: -90}), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'newCasesTotalGroup', title: 'Antal bekræftet smittede'}]) ) .width(WIDTH).height(HEIGHT) .repeat({row: ['ageGroup']}) return vl.data(initialWeeks.concat(casesBySexByDay)) .transform( vl.groupby(['isoWeek','ageGroup']).aggregate(vl.sum('newCasesTotal').as('newCasesTotalGroup')) ) .vconcat(heatmap) .title(title('Antal bekræftet smittede pr. uge fordelt på aldersgrupper')) .render({renderer: 'svg'}) }39:T8a1,viewof procentvisBekraeftetSmittedePaaAlder7DgGns2 = { const stackedAgeDaily = vl.markBar({tooltip: true}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .fieldQ('confirmedShareOfDailyTotalRollingAverage') .scale({domain: [0,1]}) .axis({format: '.0%'}) .title('Bekræftet smittede'), vl.color() .fieldN('ageGroup') .title('Aldersgrp') .scale({scheme: 'category10', reverse: true}) .sort(vl.fieldO('ageGroup').order('descending')), vl.order(vl.fieldO('ageGroup')), vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'confirmed', title: 'Bekræftet smittet'}, //{field: 'confirmedPrev'}, //{field: 'confirmedDelta'}, //{field: 'confirmedDailyTotal'}, {field: 'confirmedShareOfDailyTotalRollingAverage', format: '.1%', title: 'Andel i procent'}]) ) return vl.data(initialWeeks.concat(casesBySexByDay)) .transform( vl.groupby('ageGroup').window(vl.lag('confirmed').as('confirmedPrev')).frame([-1,0]), vl.calculate('datum.confirmedPrev == null ? 0 : datum.confirmed - datum.confirmedPrev').as('confirmedDelta'), vl.groupby('date') .joinaggregate(vl.sum('confirmedDelta').as('confirmedDailyTotal')), vl.calculate('datum.confirmedDelta / datum.confirmedDailyTotal') .as('confirmedShareOfDailyTotal'), vl.groupby('ageGroup') .window(vl.average('confirmedDelta').as('confirmedDeltaRollingAverage')) .frame([-6,0]), vl.groupby('date') .joinaggregate(vl.sum('confirmedDeltaRollingAverage').as('confirmedDailyTotalRollingAverage')), vl.calculate('datum.confirmedDeltaRollingAverage / datum.confirmedDailyTotalRollingAverage') .as('confirmedShareOfDailyTotalRollingAverage') ) .vconcat(stackedAgeDaily.width(WIDTH).height(HEIGHT)) .title(title('Procentvis fordeling af antal bekræftet smittede på aldersgrupper over tid i 7 dages glidende gennemsnit')) .render({renderer: 'svg'}) }3a:T4ae,viewof kontakttal = { const plot = vl.layer( vl.markLine({color: 'black', strokeWidth: 3}) // interpolate: 'basis' .encode( vl.x().timeYMD('date').title('Dato'), vl.y().fieldQ('rt').scale({domain: [0.0,1.6]}).title('Kontakttallet') ) , vl.markRule({opacity: 0.2, color: 'grey', strokeWidth: 3}) .encode( vl.x().timeYMD('date'), vl.y().fieldQ('rtLower'), vl.y2().fieldQ('rtUpper'), vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'}, {field: 'rt', format: '.1f', title: 'Estimeret kontakttal'}, {field: 'rtLower', format: '.1f', title: 'Estimeret kontakttal (nedre grænse)'}, {field: 'rtUpper', format: '.1f', title: 'Estimeret kontakttal (øvre grænse)'}]) ) , vl.markRule({opacity: 0.5, color: 'blue', strokeDash: [2,3]}) .encode( vl.y({datum: 1.0}), vl.size({value: 2}) ) ) return vl.data(rt) .vconcat(plot.width(WIDTH).height(HEIGHT)) .title(title('Estimeret kontakttal over tid','det lyse grå område indikerer usikkerheden på estimatet')) .render({renderer: 'svg'}) }3b:T578,viewof procentPositiveTestede = { const plot = vl.layer( vl.markLine({tooltip: true, strokeWidth: 2}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .fieldQ('percent') .axis({format: '.1%'}) .title('Procent positive'), ), /* // regression line vl.markLine({color: 'red', strokeWidth: 3, opacity: 0.6, strokeDash: [4, 8]}) .transform( vl.filter({"field": "date", "range": [{"year": 2020, "month": 7, "date": 1}, {"year": 2021, "month": 1, "date": 1}] }), vl.regression('percent').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')), // regression line vl.markLine({color: 'green', strokeWidth: 3, opacity: 0.6, strokeDash: [4, 8]}) .transform( vl.filter({"field": "date", "range": [{"year": 2021, "month": 1, "date": 1}, {"year": 2021, "month": 2, "date": 15}] }), vl.regression('percent').on('date').method('exp').as('x','y') ) .encode(vl.x().fieldT('x'), vl.y().fieldQ('y')) */ ) return vl.data(tested) //.filter(d => d.date >= '2020-07-01')) .vconcat(plot.width(WIDTH).height(HEIGHT)) .title(title('Procent positive tests over tid')) .render({renderer: 'svg'}) }3c:T971,viewof procentPositiveTestedeLog = { // regression line function regLine(start, end, color) { return vl.markLine({tooltip: false, color: color, strokeWidth: 4, opacity: 0.2}) .transform( vl.calculate('log(datum.percent)').as('percentLog'), vl.filter({"field": "date", "range": [start, end]}), vl.regression('percentLog').on('date').as('x','y'), vl.calculate('exp(datum.y)').as('percentInvLog') ) .encode( vl.x().fieldT('x'), vl.y().fieldQ('percentInvLog').axis({format: '.2%'}) ) } const plot = vl.layer( vl.markLine({tooltip: true, strokeWidth: 2}) .encode( vl.x() .timeYMD('date') .title('Dato'), vl.y() .scale({type: 'log', domain: [0.0001,1]}) .fieldQ('percent') .axis({format: '.2%'}) .title('Procent positive'), ), // regression lines regLine({"year": 2020, "month": 2, "date": 27}, {"year": 2020, "month": 3, "date": 28}, 'red'), regLine({"year": 2020, "month": 3, "date": 28}, {"year": 2020, "month": 7, "date": 1}, 'darkgreen'), regLine({"year": 2020, "month": 7, "date": 1}, {"year": 2021, "month": 1, "date": 1}, 'red'), regLine({"year": 2021, "month": 1, "date": 1}, {"year": 2021, "month": 1, "date": 29}, 'darkgreen'), //regLine({"year": 2021, "month": 1, "date": 30}, {"year": 2021, "month": 4, "date": 4}, 'grey'), regLine({"year": 2021, "month": 4, "date": 4}, {"year": 2021, "month": 6, "date": 1}, 'red'), regLine({"year": 2021, "month": 6, "date": 1}, {"year": 2021, "month": 6, "date": 24}, 'darkgreen'), regLine({"year": 2021, "month": 6, "date": 24}, {"year": 2021, "month": 8, "date": 11}, 'red'), regLine({"year": 2021, "month": 8, "date": 10}, {"year": 2021, "month": 9, "date": 16}, 'darkgreen'), regLine({"year": 2021, "month": 9, "date": 16}, {"year": 2022, "month": 2, "date": 15}, 'red'), regLine({"year": 2022, "month": 2, "date": 15}, {"year": 2022, "month": 5, "date": 20}, 'darkgreen'), regLine({"year": 2022, "month": 5, "date": 20}, {"year": 2022, "month": 7, "date": 10}, 'red'), ) return vl.data(tested.filter(d => d.percent > 1e-4)) .vconcat(plot.width(WIDTH).height(HEIGHT*1.5)) .title(title('Procent positive tests over tid','med logaritmisk skala på y-aksen')) .render({renderer: 'svg'}) }3d:T46c,municipalities = ['Roskilde','Copenhagen','Aarhus','Frederiksberg','Kalundborg','Middelfart','Gentofte','Solrød','Allerød','Dragør','Helsingør','Hillerød','Rudersdal','Næstved','Aalborg','Vallensbæk','Esbjerg','Favrskov','Frederikssund','Furesø','Greve','Holbæk','Kolding','Odense','Silkeborg','Skanderborg','Vejle','Aabenraa','Ballerup','Egedal','Faxe','Fredericia','Faaborg-Midtfyn','Gladsaxe','Guldborgsund','Haderslev','Halsnæs','Herlev','Herning','Hjørring','Horsens','Hvidovre','Hørsholm','Køge','Lejre','Lolland','Lyngby-Taarbæk','Nordfyns','Nyborg','Randers','Rødovre','Skive','Slagelse','Sorø','Stevns','Svendborg','Syddjurs','Sønderborg','Vejen','Viborg','Vordingborg','Billund','Brøndby','Frederikshavn','Gribskov','Holstebro','Kerteminde','Mariagerfjord','Norddjurs','Odder','Odsherred','Rebild','Ringkøbing-Skjern','Vesthimmerlands','Glostrup','Høje-Taastrup','Jammerbugt','Morsø','Thisted','Tønder','Tårnby','Assens','Fredensborg','Ishøj','Lemvig','Albertslund','Bornholm','Ikast-Brande','Langeland','Ringsted','Struer','Brønderslev','Hedensted','Varde','Læsø','Ærø','Fanø','Samsø','NA']3e:T624,viewof bekraeftetSmittedePr100kPrUgeAlder = { const heatmap = vl.layer( vl.markRect({tooltip: true}) .encode( vl.y().fieldN(vl.repeat('row')).title('Aldersgruppe') .sort({field: 'ageGroup', order: 'descending'}), vl.x().fieldO('isoWeek') .title('Uge') .axis({labelAlign: 'right', labelAngle: -90}), vl.color().sum("cases100k") .scale({domain: [0].concat(d3.range(10).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true}) //redblue .legend(false), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'cases100k', op: 'sum', format: '.1f', title: 'Bekræftet smittede pr. 100.000 indbyggere'}]) ), vl.markText({tooltip: true, fontSize: 6, align: 'center'}) .encode( vl.y().fieldN(vl.repeat('row')) .sort({field: 'ageGroup', order: 'descending'}), vl.x().fieldO('isoWeek'), vl.text().sum("cases100k").format('.0f'), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'cases100k', op: 'sum', format: '.1f', title: 'Bekræftet smittede pr. 100.000 indbyggere'}]) ) ) .width(WIDTH).height(HEIGHT) .repeat({row: ['ageGroup']}) return vl.data(newCasesByAgeByDay) .vconcat(heatmap) .title(title('Antal bekræftet smittede pr. 100.000 indbyggere pr. uge fordelt på aldersgrupper')) .render({renderer: 'svg'}) } 3f:T47e,viewof bekraeftetSmittedePrUgeAlder = { const yaxis = vl.y().fieldN(vl.repeat('row')) .title('Aldersgruppe') .sort({field: 'ageGroup', order: 'descending'}) const heatmap = vl.layer( vl.markRect({tooltip: true}) .encode( yaxis, vl.color().sum("cases") .scale({domain: [0].concat(d3.range(12).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true }) .legend(false) ), vl.markText({fontSize: 6, align: 'center', dx: 0}) .encode( yaxis, vl.text().sum("cases") ) ) .encode( vl.x().fieldO('isoWeek') .title('Uge') .axis({labelAlign: 'right', labelAngle: -90}), vl.tooltip([{field: 'isoWeek', title: 'Uge'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'cases', op: 'sum', title: 'Antal bekræftet smittede'}]) ) .width(WIDTH).height(HEIGHT) .repeat({row: ['ageGroup']}) return vl.data(newCasesByAgeByDay) .vconcat(heatmap) .title(title('Antal bekræftet smittede pr. uge fordelt på aldersgrupper')) .render({renderer: 'svg'}) }40:T88f,viewof procentvisBekraeftetSmittedePaaAlder7DgGns = { const stackedAgeDaily = vl.markBar({tooltip: true}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .fieldQ('confirmedShareOfDailyTotalRollingAverage') .scale({domain: [0,1]}) .axis({format: '.0%'}) .title('Bekræftet smittede'), vl.color() .fieldN('ageGroup') .title('Aldersgrupper') .scale({scheme: 'category10', reverse: true}) .sort(vl.fieldO('ageGroup').order('descending')), vl.order(vl.fieldO('ageGroup')), vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'confirmed', title: 'Bekræftet smittet'}, //{field: 'confirmedPrev'}, //{field: 'confirmedDelta'}, //{field: 'confirmedDailyTotal'}, {field: 'confirmedShareOfDailyTotalRollingAverage', format: '.1%', title: 'Andel i procent'}]) ) return vl.data(casesByAgeByDay) .transform( vl.groupby('ageGroup').window(vl.lag('confirmed').as('confirmedPrev')).frame([-1,0]), vl.calculate('datum.confirmedPrev == null ? 0 : datum.confirmed - datum.confirmedPrev').as('confirmedDelta'), vl.groupby('date') .joinaggregate(vl.sum('confirmedDelta').as('confirmedDailyTotal')), vl.calculate('datum.confirmedDelta / datum.confirmedDailyTotal') .as('confirmedShareOfDailyTotal'), vl.groupby('ageGroup') .window(vl.average('confirmedDelta').as('confirmedDeltaRollingAverage')) .frame([-6,0]), vl.groupby('date') .joinaggregate(vl.sum('confirmedDeltaRollingAverage').as('confirmedDailyTotalRollingAverage')), vl.calculate('datum.confirmedDeltaRollingAverage / datum.confirmedDailyTotalRollingAverage') .as('confirmedShareOfDailyTotalRollingAverage') ) .vconcat(stackedAgeDaily.width(WIDTH).height(HEIGHT)) .title(title('Procentvis fordeling af antal bekræftet smittede på aldersgrupper over tid i 7 dages glidende gennemsnit')) .render({renderer: 'svg'}) }41:T483,// normaliseret i forhold til befolkningsstørrelse af de enkelte aldersgrupper viewof procentAkkumuleretBekraeftetSmittedeAlderNorm = { const stackedAgePercentage = vl.markBar({tooltip: true}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .fieldQ('percentNorm') .scale({domain: [0,1]}) .axis({format: ".0%"}) .title('Procent'), vl.color() .fieldO('ageGroup') .title('Aldersgrupper') .scale({scheme: 'category10', reverse: true}) .sort(vl.fieldO('ageGroup').order('descending')), vl.order(vl.fieldO('ageGroup')), vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato' }, {field: 'percentNorm', title: 'Procent', format: '.1%'}, {field: 'ageGroup', title: 'Aldersgruppe'}]) ) return vl.data(casesByAgeByDayNorm) .vconcat(stackedAgePercentage.width(WIDTH).height(HEIGHT)) .title(title('Procentvis fordeling af akkumuleret antal bekræftet smittede på aldersgrupper i procent over tid','normaliseret ift. befolkningsgruppernes størrelse')) .render({renderer: 'svg'}) }42:T43a,viewof procentAkkumuleretBekraeftetSmittedePaaAlder = { const stackedAgePercentage = vl.markBar({tooltip: true}) .encode( vl.x() .fieldT('date') .title('Dato'), vl.y() .fieldQ('percent') .scale({domain: [0,1]}) .axis({format: '.0%'}) .title('Procent'), vl.color() .fieldN('ageGroup') .title('Aldersgrupper') .sort(vl.fieldO('ageGroup').order('descending')) .scale({scheme: 'category10', reverse: true}), vl.order(vl.fieldO('ageGroup')), vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'}, {field: 'ageGroup', title: 'Aldersgruppe'}, {field: 'confirmed', title: 'Bekræftet smittet'}, {field: 'percent', format: '.1%', title: 'Andel i procent'}]) ) return vl.data(casesByAgeByDay) .vconcat(stackedAgePercentage.width(WIDTH).height(HEIGHT)) .title(title('Procentvis fordeling af akkumuleret antal bekræftet smittede på aldersgrupper over tid')) .render({renderer: 'svg'}) }43:[{"id":"c2f6602946028036971dab727964f8081c2f6da2f950343febd1c8d9e0f75a9a77688a795926ecb35ac30d50e543faa56597152ec3854021432985fe89011de2","href":"https://static.observableusercontent.com/files/c2f6602946028036971dab727964f8081c2f6da2f950343febd1c8d9e0f75a9a77688a795926ecb35ac30d50e543faa56597152ec3854021432985fe89011de2","name":"DK_befolkning_Q3_2020.csv","type":"text/csv","lastModified":1602799334728.46,"size":1443},{"id":"218c5ffe279232e00b10b4fe30169f07c25bde3feac4627d74caf1f1c460fa64ef1bb8e99c8f5db97422d0809415116814129ae1d8b1771c354e302f25805809","href":"https://static.observableusercontent.com/files/218c5ffe279232e00b10b4fe30169f07c25bde3feac4627d74caf1f1c460fa64ef1bb8e99c8f5db97422d0809415116814129ae1d8b1771c354e302f25805809","name":"events@3.csv","type":"text/csv","lastModified":1604313439620.501,"size":16121},{"id":"90a4ee7fdabafb014d0d251f7693583997e1f258b01d717859edd8376cc984ef7ea106dd56a8d26ab21fec6403f8518e627821f2b7f86bac46d7a3910ed86583","href":"https://static.observableusercontent.com/files/90a4ee7fdabafb014d0d251f7693583997e1f258b01d717859edd8376cc984ef7ea106dd56a8d26ab21fec6403f8518e627821f2b7f86bac46d7a3910ed86583","name":"DK_befolkning_Q1_2021.csv","type":"text/csv","lastModified":1617799986391.426,"size":1438},{"id":"e1bbccf2b0e7cf48b06d4e225190d51b11a8e19e4f573e69098a29bedee4e4392c808236f4800b939f1a4dc3ce81bac9ad505a8ea11be5344d8363c8169b73d8","href":"https://static.observableusercontent.com/files/e1bbccf2b0e7cf48b06d4e225190d51b11a8e19e4f573e69098a29bedee4e4392c808236f4800b939f1a4dc3ce81bac9ad505a8ea11be5344d8363c8169b73d8","name":"DK_befolkning_Q3_2021.csv.csv","type":"text/csv","lastModified":1632469859764.702,"size":1439},{"id":"2392893ebcf578465c059cb2f731c80146106bb7acf7742d6e9b08ec38b30c76326a5da1503a5f9e3f39e27993e8a31d82dbfbbfa79fc17ee56737c308c21241","href":"https://static.observableusercontent.com/files/2392893ebcf578465c059cb2f731c80146106bb7acf7742d6e9b08ec38b30c76326a5da1503a5f9e3f39e27993e8a31d82dbfbbfa79fc17ee56737c308c21241","name":"DK_befolkning_Q4_2021.csv","type":"text/csv","lastModified":1639560429806.295,"size":1440}] 2f:{"id":"a537b0a90a91d1f0","slug":"covid-19-dk","title":"COVID-19 i Danmark","thumbnail":"9f30229eece2d2c7b682f5e523aa979260c3cfd686bc91f4e5e41b030f01b999","access_level":"public","create_time":"$D2020-10-15T21:48:22.010Z","update_time":"$D2023-05-08T10:18:47.773Z","view_time":null,"first_public_time":"$D2020-10-15T22:08:57.225Z","fork":false,"stars":3,"starred":false,"owner":{"type":"team","id":"0eb80d083f3c085d","login":"jakobeglarsen","name":"Jakob Eg Larsen","avatar_url":"https://avatars-next.observableusercontent.com/d9b54a363b3452f2a2ee8762f2eb13142f5e2113d0e9a52f56aa96d74cd67e0f","tier":"starter_2024"},"version":8558,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"72118ab1a532958d","login":"jakobeglarsen","name":"Jakob Eg Larsen","avatar_url":"https://avatars-next.observableusercontent.com/d9b54a363b3452f2a2ee8762f2eb13142f5e2113d0e9a52f56aa96d74cd67e0f","tier":null}],"members":[{"type":"individual","id":"72118ab1a532958d","login":"jakobeglarsen","name":"Jakob Eg Larsen","avatar_url":"https://avatars-next.observableusercontent.com/d9b54a363b3452f2a2ee8762f2eb13142f5e2113d0e9a52f56aa96d74cd67e0f","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":{"id":"0f1a7149d1f1daf0","slug":"covid19-dk","title":"COVID-19-DK","owner":{"id":"0eb80d083f3c085d","login":"jakobeglarsen","name":"Jakob Eg Larsen"}},"type":"notebook","body":{"title":"COVID-19 i Danmark","cells":[{"id":0,"value":"md`# COVID-19 i Danmark`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4732,"value":"md`Senest opdaterede data: _${dkDate(latestDate)}_.
\n_Siden opdateres ikke længere._`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":5,"value":"$31","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2133,"value":"udviklingOverTid = md``\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7,"value":"md`## Udviklingen i antal bekræftet smittede over tid`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2393,"value":"md`Nedenfor vises en graf med udviklingen i det akkumuleret antal bekræftet smittede over tid. I alt har der været _${totalCases}_ bekræftet smittede svarende til ca. _${Math.round(100*totalCases/totalPopulation)}%_ af befolkningen.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7730,"value":"viewof logAxis = Inputs.checkbox([\"semilog\"], {label: \"\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":9,"value":"$32","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":5944,"value":"md`_Note: Det noget besynderlige 'bump' på den akkumulerede kurve 11. marts - 24. marts 2021 skyldes at SSI i den periode har inkluderet prøveresultater fra private testudbydere (inkl. PCR- og antigentest). Fra den 25. marts 2021 har SSI ændret således at det daglige antal af bekræftede tilfælde kun er baseret på personer med en positiv PCR-test._`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4273,"value":"md`Nedenfor vises en graf med antal bekræftede smittede pr. dag over tid. Smittede tælles med den dag de er podet. Derfor reflekterer de seneste dage ikke nødvendigvis alle smittede, da de ikke er registeret endnu.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7748,"value":"viewof logAxisDay = Inputs.checkbox([\"semilog\"], {label: \"\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2925,"value":"$33","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7548,"value":"Nedenfor ses grafer der sammenligninger antallet af bekræftet smittede pr. dag i sæson 2020-21 og sæson 2021-22. ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7702,"value":"seasonPlot(cases.reduce((acc,c) => {\n const prev = acc.length > 0 ? acc[acc.length -1] : null \n return Array.prototype.concat(acc, [{...c, \n casesAcc: prev == null || c.date.substring(5,10) == '07-01' ? c.cases : prev.casesAcc + c.cases}])\n }, []), \n 'casesAcc', \n 'Antal smittede', \n 'Sæson', \n 'Kumuleret smittede sæson 2020–21, 2021–22 og 2022-23')","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2396,"value":"md`Nedenfor vises antal bekræftet smittede pr. uge.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7757,"value":"viewof logAxisWeek = Inputs.checkbox([\"semilog\"], {label: \"\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":340,"value":"viewof bekraeftetSmittedePrUge = { \n const barChart = vl.layer(\n vl.markLine({tooltip: true, color: 'darkgrey'})\n .encode(\n vl.x()\n .fieldO('isoWeek')\n .title('Uge'),\n vl.y()\n .fieldQ('casesTotal')\n .title('Antal bekræftet smittede')\n .scale(logAxisWeek.includes('semilog') ? {type: 'log'} : {})\n ) \n )\n \n return vl.data(cases.map(d => ({...d, isoWeek: isoWeek(new Date(d.date))}))) //newCasesByDay) //casesByAgeByDayTotal\n .transform(\n vl.groupby('isoWeek').aggregate(vl.sum('cases').as('casesTotal'))\n )\n .vconcat(barChart.width(WIDTH).height(HEIGHT))\n .title(title('Antal bekræftet smittede pr. uge over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2354,"value":"md`På nedenstående graf vises data fra 2020, men med en logaritmisk skala på y-aksen. Dermed er en ret linje et udtryk for eksponentiel vækst. Vi kan således se at epidemien har gennemgået forskellige faser med forskel grad af eksponentiel vækst.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1240,"value":"$34","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2357,"value":"md`På ovenstående graf kan man se en ret linje fra midten af marts 2020 til en god uge ind i april , hvor det omkring 11. april 2020 lykkedes at \"knække kurven\" ca. en måned efter nedlukningen (11. marts 2020). Det ses at kurven var stejl og i denne periode var der en daglig vækst på ca. 8% bekræftet smittede. Det svarer til en fordoblingstid på knap 9 dage. Havde vi ikke stoppet denne udvikling ville (teoretisk) over 5 mio. være smittet i løbet af ca. 4 måneder. \n\nFra maj 2020 og hen over sommeren udviklede smitten sig betydeligt langsommere. Her var en daglig vækst på ca. 0,3% bekræftet smittede. Det svarer til en fordoblingstid på knap 200 dage.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2364,"value":"$35","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2262,"value":"fordelingAldersgrupper = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1868,"value":"md`## Fordelingen af bekræftet smittede på aldersgrupper` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":46,"value":"md`SSI har i de data de har gjort tilgængelige inddelt befolkningen i følgende 10 aldersgrupper: 0-9 år, 10-19 år, 20-29 år, 30-39 år, 40-49 år, 50-59 år, 60-69 år, 70-79 år, 80-89 år og 90+ år. Ifølge tal fra [Danmarks Statistik](https://www.dst.dk/da/) fra 4. kvartal 2021, som findes i [Statistikbanken](https://statbank.dk/statbank5a/default.asp?w=2560), fordeler befolkningen sig i disse aldersgrupper som vist i nedenstående figur.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":48,"value":"viewof befolkning = vl\n .data(populationGroups)\n .layer(\n vl.markBar({tooltip: true}) \n .encode(\n vl.x().fieldO(\"ageGroup\").title('Aldersgruppe'), \n vl.y().fieldQ(\"percent\").axis({format: \"%\"}).title('Procent').scale({domain: [0,0.2]}),\n vl.tooltip([{field: 'ageGroup', title: 'Aldersgruppe'},\n {field: 'count', title: 'Befolkningstal'},\n {field: 'percent', title: 'Andel/procent', format: '.1%'}])\n ),\n vl.markText({align: 'center', angle: -90, dx: 20, dy: 0})\n .encode(\n vl.x().fieldO(\"ageGroup\"),\n vl.y().fieldQ(\"percent\"),\n vl.text().fieldO(\"percent\").format('.1%')\n )\n )\n .height(120)\n .width(300)\n .title(title('Befolkningsfordeling på aldersgrupper (4. kvartal 2021)'))\n .render({renderer: 'svg'})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":51,"value":"md`Aldersgrupperne 20-29 år og 50-59 år er de største med henholdvis ${(100*populationPercent(20,29)).toFixed(1)}% og ${(100*populationPercent(50,59)).toFixed(1)}% af befolkningen, imens aldersgrupperne 80-89 år og 90+ år kun udgør henholdvis ${(100*populationPercent(80,89)).toFixed(1)}% og ${(100*populationPercent(90,130)).toFixed(1)}% af befolkningen. I nedenstående figurer hvor antallet af smittede opgøres pr. 100.000 indbyggere tages der derfor højde for befolkningsgruppernes størrelse for at gøre tallene sammenlignelige.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2413,"value":"md`I nedenstående vises antal bekræftet smittede pr. 100.000 indbyggere pr. uge (_incidens_). Ved at opgøre tallene på denne måde kan man bedre sammeligne på tværs af eksempelvis kommuner, regioner og lande.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":6216,"value":"viewof colorScheme = Select(Object.keys(colorMap), {label: \"Vælg farvelægning af 'heatmaps' her:\"}) ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7835,"value":"$36","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2410,"value":"md`Nedenfor vises ligeledes antal bekræftet smittede pr. 100.000 indbygger pr. uge, men her fordelt på aldersgrupper.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":8416,"value":"$37","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":5951,"value":"md`_Note: Uge 10-12 i 2021 er opgjort på en anden måde, idet SSI i den periode har inkluderet flere prøveresultater. Derfor de lavere (og et negativt!) tal i uge 12, hvor man gik tilbage til den hidtidige måde at opgøre de bekræftet smittede._`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2407,"value":"md`I nedenstående vises det absolutte antal bekræftet smittede pr. uge fordelt på aldersgrupper.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7814,"value":"$38","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2420,"value":"md`I nedenstående vises samme tal over akkumuleret antal bekræftet smittede, men istedet som en graf hvor bidragene fra de enkelte aldersgrupper er \"stakket\" oven på hinanden.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":16,"value":"viewof akkumuleretBekraeftetSmittedePaaAlder = { \n const stackedBarChart = vl.markBar({tooltip: true, width: 3})\n .encode(\n vl.x()\n .timeYMD('date')\n .title('Dato'),\n vl.y()\n .fieldQ('confirmed')\n .title('Akkumuleret antal smittede'),\n vl.color()\n .fieldN('ageGroup')\n .title('Aldersgrupper')\n .scale({scheme: 'category10', reverse: true})\n .sort(vl.fieldO('ageGroup').order('descending')),\n vl.order(vl.fieldO('ageGroup')),\n vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'}, \n {field: 'ageGroup', title: 'Aldersgruppe'},\n {field: 'confirmed', title: 'Bekræftet smittet'}]) \n )\n \n return vl.data(initialWeeks.concat(casesByAgeByDay)) \n .vconcat(stackedBarChart.width(WIDTH).height(HEIGHT))\n .title(title('Akkumuleret antal bekræftet smittede over tid fordelt på aldersgrupper'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2433,"value":"md`Nedenstående graf viser den procentvise fordeling af antal bekræftet smittede på aldersgrupper i et 7 dags glidende gennemsnit. \n\nI marts 2020 var de fleste bekræftet smittede blandt de 40-49 årige, hvorefter smitten bredte sig til de ældre aldergrupper. I sensommeren 2020 ses det at udviklingen i smitte var drevet af børn og unge 10-29 årige. Hen imod slutningen af august var over 50% af de bekræftet smittede under 30 år. Fra starten af året 2021 kan vi se at andelen af 0-19 årige smittede er steget og fra april 2021 og frem er det især de 10-29 årige der har udgjort en stadigt stigende andel af de smittede.` \n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7909,"value":"$39","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2681,"value":"kontakttallet = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2676,"value":"md`## Estimeret kontakttal over tid\nNedenfor vises udviklingen i det såkaldte kontakttal som det er estimeret af SSI. Kontakttallet er et udtryk for smittetrykket eller det effektive reproduktive tal (Rt) og fremkommer på baggrund af en modellering som er lavet af SSI. Modellering af kontakttallet er naturligvis forbundet med en vis usikkerhed, hvorfor usikkerheden på estimatet ligeledes rapporteres af SSI og er markeret med det lyse grå område nedenfor.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2557,"value":"$3a","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2774,"value":"md`Når kontakttallet (den sorte linje) er større end 1 (markeret med den blå stiplede linje) er det et udtryk for at smitten er i vækst. Omvendt når den er under den blå stiplede linje er det et udtryk for at smitten er aftagende. Som det fremgår af denne graf har det estimerede kontakttal ikke været under 1 fra midten af august frem til midten af december 2020, hvilket er et udtryk for at smitten ikke på noget tidspunkt var aftagende i den periode.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":60,"value":"antalTestedeOgPositive = md`\n` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":62,"value":"md`## Antal testede, antal tests og positivprocent`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2442,"value":"md`Nedenfor vises det kumulerede antal PCR tests der er foretaget. Der er til dato udført over ${Math.floor(_.last(tested).testedAcc/1e6)} mio. PCR tests i Danmark.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":68,"value":"viewof akkumuleretTestsPrDag = { \n const plot = vl.markLine({tooltip: true, strokeWidth: 4})\n .encode(\n vl.x()\n .timeYMD('date')\n .title('Dato'),\n vl.y()\n .fieldQ('testedAcc')\n .title('Antal tests'),\n )\n \n return vl.data(tested) \n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Akkumuleret antal PCR tests over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3468,"value":"md`Nedenfor vises et søjlediagram med antal PCR tests pr. dag over tid` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3463,"value":"viewof testedePrDag = { \n const plot = vl.markBar({tooltip: true, width: 1})\n .encode(\n vl.x()\n .timeYMD('date')\n .title('Dato'),\n vl.y()\n .fieldQ('tested')\n .title('Antal tests'),\n )\n \n return vl.data(tested) \n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Antal PCR tests pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2445,"value":"md`Nedenfor vises udviklingen i procent positive tests over tid.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":64,"value":"$3b","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2960,"value":"md`Her samme data med udviklingen i procent positive tests, men her vist med en logaritmisk skala på y-aksen.\n\nSom de farvede linjer viser, er der perioder med eksponetiel vækst i positivprocenten, samt perioder hvor positivprocenten har været eksponentielt aftagende. I februar og marts 2021 var tendensen at udviklingen i positivprocent var hverken positiv eller negativ.`\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2948,"value":"$3c","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":72,"value":"fordelingKoen = md`\n` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":74,"value":"md`## Bekræftet smittede fordelt på køn`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2451,"value":"md`I nedenstående graf vises fordelingen af akkumuleret bekræftet smittede på køn i procent over tid. Desværre tager denne graf ikke højde for eventuelle forskelle på hvor mange der testes af de forskellige køn, hvilket naturligvis kan påvirke den faktiske fordeling. Det skyldes at SSI ikke offentliggør data på antal foretagne test fordelt på køn.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":76,"value":"viewof fordelingAkkumuleretSmittedePaaKon = {\n const casesBySexPlot = Array.prototype.concat(\n casesBySexTotal.map(d => ({\n date: d.date,\n sex: 'Mand',\n percent: d.men/d.total\n })),\n casesBySexTotal.map(d => ({\n date: d.date,\n sex: 'Kvinde',\n percent: d.women/d.total \n }))\n )\n\n const stackedBarChartSex = vl.markBar({tooltip: true, width: 1})\n .encode(\n vl.x().timeYMD('date').title(null),\n vl.y().fieldQ('percent').axis({format: '.0%'}).scale({domain: [0,1]}).title('Procent'),\n vl.color().fieldN('sex').title('Køn').scale({ range: [\"red\",\"blue\"] }),\n vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'},\n {field: 'sex', title: 'Køn'},\n {field: 'percent', title: 'Procent', format: '.1%'}])\n )\n\n return vl.data(casesBySexPlot)\n .vconcat(stackedBarChartSex.width(WIDTH).height(HEIGHT))\n .title(title('Fordelingen af akkumuleret bekræftet smittede på køn i procent over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2454,"value":"md`I nedenstående graf vises samme data som ovenfor, men istedet fordelingen af bekræftet smittede på køn i procent pr. dag over tid. Igen er der ikke data tilgængelige på hvor mange der testes af hvert køn, men blot fordelingen af bekræftet smittede blandt de der er testet.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1136,"value":"viewof fordelingSmittedePaaKonProcent = {\n\n const stackedBarChartSex = vl.markBar({tooltip: true, width: 1})\n .encode(\n vl.x().timeYMD('date').title(null),\n vl.y().fieldQ('percent').axis({format: \".0%\"}).title('Procent'),\n vl.color().fieldN('sex').title('Køn').scale({ range: [\"red\",\"blue\"] }),\n vl.tooltip([{field: 'date', type: 'temporal', title: 'Dato'},\n {field: 'sex', title: 'Køn'},\n {field: 'percent', title: 'Procent', format: '.1%'}])\n )\n\n return vl.data(casesByDayBySex)\n .vconcat(stackedBarChartSex.width(WIDTH).height(HEIGHT))\n .title(title('Fordelingen af bekræftet smittede på køn i procent pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2709,"value":"indlæggelser = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2712,"value":"md`## Indlæggelser og dødsfald over tid\nI grafen nedenfor ses antal nyindlæggelser pr. dag over tid.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2715,"value":"// plot indlæggelser\nviewof indlaeggelserPrDag = { \n const plot = vl.markBar({tooltip: true, color: 'darkred', width: 1})\n .encode(\n vl.x()\n .timeYMD('date')\n .title('Dato'),\n vl.y()\n .fieldQ('total')\n .title('Antal nyindlæggelser'),\n )\n \n return vl.data(hospitalization) \n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Antal nyindlæggelser pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7603,"value":"Nedenfor sammenligning af akkumuleret antal af nyindlagte pr. dag i sæson 2020-21 og sæson 2021-22.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7586,"value":"seasonPlot(hospitalization.reduce((acc,c) => {\n const prev = acc.length > 0 ? acc[acc.length -1] : null \n return Array.prototype.concat(acc, [{...c, \n hospAcc: prev == null || c.date.substring(5,10) == '07-01' ? c.total : prev.hospAcc + c.total}])\n }, []), \n 'hospAcc', \n 'Antal nyindlæggelser', \n 'Sæson', \n 'Kumuleret nyindlagte sæson 2020–21, 2021–22 og 2022-23')","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2874,"value":"md`Nedenfor ses samme data på antal nyindlæggelser, men istedet opgjort pr. uge.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2729,"value":"viewof indlaeggelserPerUge = { \n const barChart = vl.markBar({tooltip: true, color: 'darkred'})\n .encode(\n vl.x()\n .fieldO('isoWeek')\n .title('Uge'),\n vl.y()\n .fieldQ('weekTotal')\n .title('Antal indlæggelser'),\n )\n \n return vl.data(hospitalization) \n .transform(\n vl.groupby('isoWeek').aggregate(vl.sum('total').as('weekTotal'))\n )\n .vconcat(barChart.width(WIDTH).height(HEIGHT))\n .title(title('Antal indlæggelser pr. uge over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2877,"value":"md`I grafen nedenfor vises antal dødsfald pr. dag over tid.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2508,"value":"viewof doedsfaldPrDag = { \n const plot = vl.markBar({tooltip: true, color: 'grey', width: 1})\n .encode(\n vl.x()\n .timeYMD('date')\n .title('Dato'),\n vl.y()\n .fieldQ('deaths')\n .title('Antal dødsfald'),\n )\n \n return vl.data(deaths) \n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Antal dødsfald pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7607,"value":"Nedenfor sammenligning af akkumuleret antal dødsfald pr. dag i sæson 2020-21 og sæson 2021-22.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7598,"value":"seasonPlot(deaths.reduce((acc,c) => {\n const prev = acc.length > 0 ? acc[acc.length -1] : null \n return Array.prototype.concat(acc, [{...c, \n deathsAcc: prev == null || c.date.substring(5,10) == '07-01' ? c.deaths : prev.deathsAcc + c.deaths}])\n }, []), \n 'deathsAcc', \n 'Antal dødsfald', \n 'Sæson', \n 'Kumuleret antal dødsfald sæson 2020–21, 2021–22 og 2022-23')","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2880,"value":"md`Nedenfor ses samme data på antal dødsfald, men istedet opgjort pr. uge.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2513,"value":"viewof doedsfaldPerUge = { \n const barChart = vl.markBar({tooltip: true, color: 'grey'})\n .encode(\n vl.x()\n .fieldO('isoWeek')\n .title('Uge'),\n vl.y()\n .fieldQ('weekDeaths')\n .title('Antal dødsfald'),\n )\n \n return vl.data(deaths) \n .transform(\n vl.groupby('isoWeek').aggregate(vl.sum('deaths').as('weekDeaths'))\n )\n .vconcat(barChart.width(WIDTH).height(HEIGHT))\n .title(title('Antal dødsfald pr. uge over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2908,"value":"md`Nedenfor er antal dagligt smittede og indlagte pr. dag vist på samme graf. Bemærk at grafen har to forskellige y-akser, idet der er godt 20 gange så mange bekræftet smittede som der er indlæggelser (omkring årskiftet 2020/21). Grafen viser at udviklingen i antal smittede og indlæggelser stort set følger hinanden (stigninger og fald), men tidsforskudt. Således ser man en stigning i smitte blive efterfulgt af en stigning i indlæggelser. Dog er dette ikke helt så tydeligt i foråret hvor man testede betydeligt mindre end man har gjort i løbet af andet halvår 2020.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2911,"value":"// plot smittede og indlæggelser \n// 76 120 168 #4c78a8\nviewof smittedeOgindlaeggelserPrDag = { \n const plot = vl.layer(\n vl.markLine({tooltip: true, opacity: 0.8, strokeWidth: 2, color: '#4c78a8'}) \n .encode(\n vl.x().fieldT('date').title('Dato'),\n vl.y().fieldQ('cases').title('Antal smittede').axis({titleColor: '#4c78a8'})\n ),\n vl.markLine({tooltip: true, opacity: 0.8, strokeWidth: 2, color: 'darkred'})\n .encode(\n vl.x().fieldT('date'),\n vl.y().fieldQ('hospitalizations').title('Antal nyindlæggelser').axis({titleColor: 'darkred'})\n )\n ) \n .resolve({scale: {y: 'independent'}}) \n \n return vl.data(cases)\n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Antal smittede og nyindlæggelser pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2868,"value":"md`Nedenfor er både indlæggelser og dødsfald pr. dag vist på samme graf. Bemærk at grafen har to forskellige y-akser, idet der er ca. 5,5 gange så mange indlæggelser som der er dødsfald. Grafen viser at udviklingen i indlæggelser og dødsfald stort set følger hinanden (stigninger og fald), men tidsforskudt. Således ser man en stigning i indlæggelser blive efterfulgt af en stigning i dødsfald.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2780,"value":"// plot indlæggelser og dødsfald \nviewof indlaeggelserOgDoedsfaldPrDag = { \n const plot = vl.layer(\n vl.markLine({tooltip: true, opacity: 0.8, strokeWidth: 2, color: 'darkred'}) \n .encode(\n vl.x().timeYMD('date').title('Dato'),\n vl.y().fieldQ('total').title('Antal nyindlæggelser').axis({titleColor: 'darkred'})\n ),\n vl.markLine({tooltip: true, opacity: 0.8, strokeWidth: 2, color: 'grey'})\n .encode(\n vl.x().timeYMD('date'),\n vl.y().fieldQ('deaths').title('Antal dødsfald').axis({titleColor: 'grey'})\n )\n )\n .resolve({scale: {y: 'independent'}}) \n \n return vl.data(hospitalization)\n .vconcat(plot.width(WIDTH).height(HEIGHT))\n .title(title('Antal nyindlæggelser og dødsfald pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3557,"value":"vaccinationer = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3558,"value":"md`## Vaccinationer\n\nAfsnittet med data om vaccinationer er flyttet til en separat notebook:
[COVID-19-DK Vaccinationstilslutning](https://observablehq.com/@jakobeglarsen/covid-19-dk-vaccination)`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4142,"value":"senfølger = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4146,"value":"md`## Senfølger af Covid-19\n\nNedenfor vises en total oversigt over senfølger af Covid-19 i Danmark.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4410,"value":"viewof senfoelgerPerDag = { \n const plot = vl.layer(\n vl.markLine({tooltip: true}) \n .encode(\n vl.x().fieldT('date').title('Dato'),\n vl.y().fieldQ('cases').title('Senfølger')\n )\n )\n \n return vl.data([])\n .vconcat(plot.width(WIDTH/2).height(HEIGHT))\n .title(title('Senfølger pr. dag over tid'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4419,"value":"md`_–Jeg tror du har lavet en fejl?
\n–Nej...
\n–Jamen, jeg kan ikke se nogen graf?!?_
\n_–Nej, det er mig komplet ubegribeligt, at vi er nået ind i ${dkMonthYear(new Date().toLocaleDateString('sv-SE'))} og der findes mig bekendt fortsat ingen offentliggjorte data over senfølger af COVID-19 i Danmark :(_` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":81,"value":"taksigelse = md`\n`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":84,"value":"md`## Taksigelse / Acknowledgment\nTak til Thomas Blomseth Christiansen [@tblomseth](http://www.twitter.com/tblomseth) for inspiration og samarbejde. Thomas' notebook med [COVID-19 DK datavisualiseringer](https://observablehq.com/@tblomseth/covid-19-dk), som fokuserer på fordelingen på kommuner og regioner, kan varmt anbefales.\n\nEn tak til Ulf Aslak [@ulfaslak](https://twitter.com/ulfaslak) der har lavet et nyttigt [*ssi_scraper*](https://github.com/ulfaslak/ssi_scraper) værktøj til at hente data fra SSIs arkiv, som benyttes til at hente og opdatere data.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":94,"value":"md`## Datahåndtering\n\nI dette afsnit findes den kode der benyttes til at hente data, samt producere ovenstående visualiseringer af data.`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4892,"value":"md`Seneste dato: ${_.last(newCases100k).date} med ${_.last(newCases100k).newCasesTotal} nye smittede (mandage inkl. tal fra weekenden).`\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7527,"value":"

","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1745,"value":"latestDate = _.last(newCases100k).date ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2888,"value":"$3d","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4515,"value":"dateRegEx = /^\\d{4}[-]\\d{2}[-]\\d{2}$/","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3045,"value":"// source: https://covid19.ssi.dk/overvagningsdata/private-tests\nantigenTests = {\n const agData = d3.csvParseRows(await d3.text(covid19DataGist+'antigen.csv')).map(d => ({\n date: d[0].substring(6,10) + '-' + d[0].substring(3,5) + '-' + d[0].substring(0,2), \n tests: d[5] != undefined ? strToNum(d[5]) : null,\n positive: d[6] != undefined ? strToNum(d[6]) : null\n })) \n return agData.filter(d => d.date.match(dateRegEx) != null) \n .map(d => ({...d, percent: d.positive/d.tests})) \n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2884,"value":"//Municipality_cases_time_series.csv\ncases = {\n function numHospitalizations(d) {\n const h = hospitalization.find(e => e.date == d)\n return h == null ? 0 : h.total\n }\n\n return d3.dsv(';', covid19DataGist+'Municipality_cases_time_series.csv').then(e => e.map(d => {\n return {\n date: d['SampleDate'], \n cases: municipalities.reduce((a,c) => a+parseInt(d[c]), 0), // +d[''] \n hospitalizations: numHospitalizations(d['SampleDate'])\n }\n })\n )\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3445,"value":"// tested \ntestedData = {\n function numCases(d) {\n const h = cases.find(e => e.date == d)\n return h == null ? 0 : h.cases\n }\n\n return d3.dsv(';', covid19DataGist+'Test_pos_over_time.csv').then(e => e.map(d => {\n return {\n date: d['Date'], \n testedAcc: strToNum(d['Tested_kumulativ']),\n tested: strToNum(d['Tested']),\n positive: numCases(d['Date'])\n }\n })\n )\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3451,"value":"tested = testedData.filter(d => d.date != 'I alt' && d.date != 'Antal personer')\n .map(d => ({...d, \n percent: d.tested == 0 ? 0 : d.positive/d.tested,\n isoWeek: isoWeek(new Date(d.date)),\n }))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2480,"value":"deathData = {\n return d3.dsv(';', covid19DataGist+'Deaths_over_time.csv').then(e => e.map(d => {\n return {\n date: d['Dato'],\n deaths: +d['Antal_døde']\n }\n })\n )\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2495,"value":"deaths = deathData\n .filter(d => d.date != 'I alt')\n .map(d => ({...d, isoWeek: isoWeek(new Date(d.date))}))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7484,"value":"deathsAccumulated = deaths.reduce((a,c) => {\n const accDeaths = a.length == 0 ? 0 : a[a.length-1].accDeaths\n return Array.prototype.concat(a, ({...c, accDeaths: accDeaths + c.deaths}))\n}, [])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7473,"value":"deaths.filter(d=>d.date>'2020-09-15' && d.date<='2021-01-15')\n .reduce((a,c) => a+c.deaths, 0)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2551,"value":"//date_sample;estimate;uncertainty_lower;uncertainty_upper\nrt = {\n return d3.dsv(';', covid19DataGist+'Rt_cases.csv').then(e => e.map(d => {\n return {\n date: d['SampleDate'],\n rt: strToNum(d['estimate']),\n rtLower: strToNum(d['uncertainty_lower']),\n rtUpper: strToNum(d['uncertainty_upper'])\n }\n })\n )\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2697,"value":"// Newly_admitted_over_time.csv \n// Dato;Hovedstaden;Sjælland;Syddanmark;Midtjylland;Nordjylland;Ukendt Region;Total\nhospitalization = {\n function numDeaths(d) {\n const de = deaths.find(e => e.date == d)\n return de == null ? 0 : de.deaths\n }\n return d3.dsv(';', covid19DataGist+'Newly_admitted_over_time.csv').then(e => e.map(d => {\n return {\n date: d['Dato'],\n isoWeek: isoWeek(new Date(d['Dato'])),\n total: +d['Total'],\n regionH: +d['Hovedstaden'],\n regionSj: +d['Sjælland'],\n regionSy: +d['Syddanmark'],\n regionMi: +d['Midtjylland'],\n regionNo: +d['Nordjylland'],\n regionUk: +d['Ukendt Region'],\n deaths: numDeaths(d['Dato']) // get the count of deaths from the deaths dataset \n }\n })\n )\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":96,"value":"casesByAgeDataGist = d3.dsv(';', casesByAgeGist).then(e => e.map(d => {\n return {\n date: d['Date'],\n isoWeek: isoWeek(new Date(d['Date'])),\n ageGroup: d['Age_group'],\n confirmed: strToNum(d['Confirmed']),\n tested: strToNum(d['Tested']),\n percentPositive: strToNum(d['Percent_positive']) // strToNum(d['Confirmed'])/strToNum(d['Tested'])\n }\n })\n)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":103,"value":"// load the data from either \"gist\" or \"local\"\ncasesByAgeData = casesByAgeDataGist // casesByAgeDataLocal","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":106,"value":"casesByAgeByDay = dates.map(d => \n casesByAgeData.filter(e => e.date === d).reduceRight((acc, i) => {\n const predecessor = acc.length > 0 ? acc[acc.length - 1] : null\n const total = i.ageGroup === \"I alt\" ? i.confirmed : predecessor.total\n const percent = parseFloat(i.confirmed / total)\n return Array.prototype.concat([{...i, total: total, percent: percent}], acc) \n }, []) \n).flat().filter(d => d.ageGroup != 'I alt')\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7774,"value":"totalCases = casesBySexByDay.filter(d => d.date == latestDate).reduce((a,c) => a+c.confirmed, 0)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":465,"value":"newCasesByDay = casesByAgeByDay.filter(d => d.ageGroup == '0-9').reduce((acc, i) => {\n const predecessor = acc.length > 0 ? acc[acc.length - 1] : null\n const newCases = predecessor === null ? 0 : i.total - predecessor.total\n return Array.prototype.concat(acc, [{...i, newCases: newCases, newCases100kTotalPopulation: newCases * 100000 / totalPopulation }]) \n}, [])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":542,"value":"newCasesByAgeByDay = ageGroups.map(d => \n casesByAgeByDay.filter(e => e.ageGroup === d).reduce((acc, i) => {\n const predecessor = acc.length > 0 ? acc[acc.length - 1] : null\n const newTested = predecessor === null ? 0 : i.tested - predecessor.tested \n const newCases = predecessor === null ? 0 : i.confirmed - predecessor.confirmed\n const newPercentPositive = 100 * newCases / newTested\n const newCases100k = newCases * 100000 / populationCountAgeGroup(i.ageGroup) //parseInt()\n return Array.prototype.concat(acc, [{...i, newTested: newTested, cases: newCases, cases100k: newCases100k, newPercentPositive: newPercentPositive}])\n }, []) \n).flat()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":3548,"value":"ageGroups.map(d => \n casesByAgeByDay.filter(e => e.ageGroup === d))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":108,"value":"casesByAgeByDayConfirmedNorm = populationGroups.map(d => \n casesByAgeByDay.filter(e => e.ageGroup === d.ageGroup).reduceRight((acc, i) => {\n return Array.prototype.concat([{...i, confirmedNorm: i.confirmed * d.factor}], acc)\n }, []) \n).flat()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":110,"value":"casesByAgeByDayNorm = dates.map(d =>\n ({date: d, \n totalNorm: casesByAgeByDayConfirmedNorm.filter(e => e.date === d).reduce((acc, i) => acc + i.confirmedNorm, 0)\n })\n )\n .map(d => casesByAgeByDayConfirmedNorm.filter(e => e.date === d.date)\n .map(f => [{...f, totalNorm: d.totalNorm, percentNorm: f.confirmedNorm/d.totalNorm}]))\n .flat(2)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":112,"value":"dates","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":114,"value":"casesByAgeDevelopment = ['2020-06-02',dates[dates.length-1]].map(d => \n [d, casesByAgeByDay.filter(e => e.date == d).map(f => ({ageGroup: f.ageGroup, percent: f.percent}))])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1734,"value":"dailyGrowthRateTotal = casesByAgeData.filter(d => d.ageGroup == 'I alt' && (new Date(d.date).getDay() == 1 || d.date == latestDate))\n .reduceRight((acc, i) => {\n const predecessor = acc.length > 0 ? acc[acc.length - 1] : null\n const deltaDays = predecessor === null ? 0 : d3.timeDay.count(new Date(i.date), new Date(predecessor.date))\n const dailyGrowth = predecessor === null ? 0 : (Math.pow(predecessor.confirmed/i.confirmed, 1/deltaDays) - 1)*100\n return Array.prototype.concat(acc, [{...i, dailyGrowth: dailyGrowth, deltaDays: deltaDays}]) \n}, [])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1770,"value":"dailyGrowthRatePerAgeGroup = ageGroups.map(d => \n casesByAgeData.filter(d => d.ageGroup != 'I alt' && (new Date(d.date).getDay() == 1 || d.date == latestDate))\n .filter(e => e.ageGroup == d)\n .reduceRight((acc, i) => {\n const predecessor = acc.length > 0 ? acc[acc.length - 1] : null\n const deltaDays = predecessor === null ? 0 : d3.timeDay.count(new Date(i.date), new Date(predecessor.date))\n const dailyGrowth = predecessor === null ? 0 : (Math.pow(predecessor.confirmed/i.confirmed, 1/deltaDays) - 1)*100\n return Array.prototype.concat(acc, [{...i, dailyGrowth: dailyGrowth, deltaDays: deltaDays}]) \n}, []) \n).flat()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":819,"value":"events = ssv.parse(\n await FileAttachment('events@3.csv').text(), d => {\n return {\n date: d['Date'],\n event: d['Event'],\n description: d['Description']\n }\n })","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":823,"value":"events.filter(d => d.event.includes('Uddannelse'))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":116,"value":"// DK population \npopulationCount = ssv.parse(\n await FileAttachment(\"DK_befolkning_Q4_2021.csv\").text(), d => {\n return {\n age: parseInt(d['age']),\n count: parseInt(d['count'])\n }\n })","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":119,"value":"totalPopulation = populationCount.reduce((a,c) => a+c.count, 0)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":122,"value":"populationGroups = ageGroups.map(d => {\n const ageInterval = d.split('-')\n // Handle the \"90+\" case by setting start to 90 and end to 130 \n const ageStart = ageInterval[0] == \"90+\" ? 90 : parseInt(ageInterval[0])\n const ageEnd = ageInterval[0] == \"90+\" ? 130 : parseInt(ageInterval[1])\n const count = populationCount.reduce((a,c) => c.age >= ageStart && c.age <= ageEnd ? a+c.count : a, 0) \n return ({ageStart: ageStart, \n ageEnd: ageEnd, \n ageGroup: d, \n count: count, \n percent: parseFloat(count/totalPopulation),\n factor: parseFloat(0.1/(count/totalPopulation))\n })\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":125,"value":"populationGroups.reduce((a,c) => a+c.percent, 0)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":132,"value":"function populationPercent(start, end) {\n return populationCount.filter(d => d.age>=start && d.age<=end).reduce((a,c) => a+c.count, 0)/totalPopulation\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":8542,"value":"populationPercent(75,130)*totalPopulation","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":8545,"value":"populationPercent(0,7)*totalPopulation","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":134,"value":"casesBySexDataGist = d3.dsv(';', casesBySexGist).then(e => e.map(d => {\n return {\n date: d['Date'],\n isoWeek: isoWeek(new Date(d['Date'])),\n ageGroup: d['Age_group'],\n women: strToNum(d['Women']),\n womenPercent: strToNum(d['Women_percent']),\n men: strToNum(d['Men']),\n menPercent: strToNum(d['Men_percent']),\n total: strToNum(d['Total'])\n }\n })\n)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":139,"value":"// load the data from either \"gist\" or \"local\"\ncasesBySexData = casesBySexDataGist // casesBySexDataLocal","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":142,"value":"casesBySexByDay = ageGroups.map(d => \n casesBySexData.filter(e => e.ageGroup === d).reduce((acc, i) => {\n const numberOfPredecessors = acc.length\n const predecessor = numberOfPredecessors > 0 ? acc[numberOfPredecessors - 1] : null\n const deltaWomen = predecessor == null ? 0 : (i.women - predecessor.women)\n const deltaMen = predecessor == null ? 0 : (i.men - predecessor.men)\n return Array.prototype.concat(\n acc,\n [{...i, isoWeek: isoWeek(new Date(i.date)),\n newWomenCases: deltaWomen, newMenCases: deltaMen, newCasesTotal: deltaWomen + deltaMen,\n confirmed: i.total,\n percent: parseFloat((deltaWomen + deltaMen) / i.total),\n cases100k: (deltaWomen + deltaMen) * 100000 / populationCountAgeGroup(i.ageGroup)}]\n )\n }, []) \n).flat()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":144,"value":"casesBySexByDaySplit = Array.prototype.concat(\n casesBySexByDay.map(d => ({\n date: d.date,\n ageGroup: d.ageGroup,\n sex: 'Kvinde',\n cases: d.newWomenCases\n })),\n casesBySexByDay.map(d => ({\n date: d.date,\n ageGroup: d.ageGroup,\n sex: 'Mand',\n cases: d.newMenCases\n }))\n)\n","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":146,"value":"casesByAgeByDayTotal = casesBySexByDay.map(d => ({\n date: d.date,\n ageGroup: d.ageGroup,\n cases: d.newWomenCases + d.newMenCases\n }))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":148,"value":"casesBySexTotal = casesBySexData.filter(d => d.ageGroup === \"I alt\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1119,"value":"casesByDayBySex = casesBySexTotal.reduce((acc,i) => {\n const numberOfPredecessors = acc.length\n const predecessor = numberOfPredecessors > 0 ? acc[numberOfPredecessors - 1] : null\n const deltaWomen = predecessor == null ? 0 : (i.women - predecessor.women)\n const deltaMen = predecessor == null ? 0 : (i.men - predecessor.men)\n const deltaTotal = deltaWomen + deltaMen\n return Array.prototype.concat(\n acc,\n [{...i, newWomenCases: deltaWomen, newMenCases: deltaMen, newCasesTotal: deltaTotal,\n newWomenCasesPercent: deltaWomen/deltaTotal, newMenCasesPercent: deltaMen/deltaTotal}]\n )\n\n}, [])\n .map(d => \n [{date: d.date,\n sex: 'Kvinde',\n cases: d.newWomenCases,\n percent: d.newWomenCasesPercent},\n {date: d.date,\n sex: 'Mand',\n cases: d.newMenCases,\n percent: d.newMenCasesPercent}])\n .flat() ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":8368,"value":"initialWeeks = newCasesByAgeByDay.filter(d => d.date < \"2020-05-06\").map(d => ({...d, newCasesTotal: d.cases}))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7851,"value":"newCases100k = casesBySexTotal.reduce((acc,i) => {\n const numberOfPredecessors = acc.length\n const predecessor = numberOfPredecessors > 0 ? acc[numberOfPredecessors - 1] : null\n const deltaWomen = predecessor == null ? 0 : (i.women - predecessor.women)\n const deltaMen = predecessor == null ? 0 : (i.men - predecessor.men)\n const deltaTotal = deltaWomen + deltaMen\n return Array.prototype.concat(\n acc,\n [{...i, newWomenCases: deltaWomen, newMenCases: deltaMen, newCasesTotal: deltaTotal,\n newWomenCasesPercent: deltaWomen/deltaTotal, newMenCasesPercent: deltaMen/deltaTotal,\n newCases100kTotalPopulation: deltaTotal * 100000 / totalPopulation\n }]\n )\n\n}, [])","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":150,"value":"md`### Konstanter`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":152,"value":"WIDTH = 800","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":154,"value":"HEIGHT = 280","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2473,"value":"covid19DataGist = 'https://gist.githubusercontent.com/jakobeglarsen/bc1f5e050841e55a2071415046f77aa5/raw/'","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":156,"value":"// URL for the Gist that holds the accumulated file with SSI data on cases by age over time \ncasesByAgeGist = 'https://gist.githubusercontent.com/jakobeglarsen/1caa5f421e4a6f7cd0785b4bc57d12dd/raw/Cases_by_age_over_time.csv'","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":159,"value":"// URL for the Gist that holds the accumulated file with SSI data on cases by sex over time \ncasesBySexGist = \"https://gist.githubusercontent.com/jakobeglarsen/eca2927bfdb14114c5dfa42338f613e9/raw/Cases_by_sex_over_time.csv\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":163,"value":"ageGroups = [\"0-9\",\"10-19\",\"20-29\",\"30-39\",\"40-49\",\"50-59\",\"60-69\",\"70-79\",\"80-89\",\"90+\"]","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":181,"value":"ageCategoryColorScheme =\n // ['#ffffe5','#fff7bc','#fee391','#fec44f','#fe9929','#ec7014','#cc4c02','#993404','#662506'] \n // ['#f7fbff','#deebf7','#c6dbef','#9ecae1','#6baed6','#4292c6','#2171b5','#08519c','#08306b']\n // ['#a50026','#e0f3f8','#d73027','#abd9e9','#f46d43','#74add1','#fdae61','#4575b4','#fee090', '#313695']\n // ['#a50026','#d73027','#f46d43','#fdae61','#fee090','#e0f3f8','#abd9e9','#74add1','#4575b4','#313695']\n ['#543005','#8c510a','#bf812d','#dfc27d','#f6e8c3','#c7eae5','#80cdc1','#35978f','#01665e','#003c30'] ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":185,"value":"dkMonth = ['januar','februar','marts','april','maj','juni',\n 'juli','august','september','oktober','november','december']","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":6154,"value":"colorMap = ({\n 'blå-rød': 'redblue',\n 'blå-gul-rød': 'redyellowblue',\n 'grå-rød': 'redgrey',\n 'grøn-gul-rød': 'redyellowgreen', \n 'spektral': 'spectral'\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":199,"value":"dates = [...new Map(casesByAgeData.map(item => [item.date, null])).keys()]","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":189,"value":"md`### Hjælpefunktioner`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1542,"value":"function title(titleText, subtitleText=' ') {\n return {text: titleText, \n subtitle: subtitleText,\n fontSize: 16, \n fontWeight: 200, \n anchor: 'middle'}\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":4606,"value":"function dkMonthYear(str) {\n const d = str.split('-')\n return dkMonth[parseInt(d[1])-1]+' '+d[0]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":195,"value":"function dkDate(str) {\n const d = str.split('-')\n return parseInt(d[2])+'. '+dkMonth[parseInt(d[1])-1]+' '+d[0]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":538,"value":"populationCountAgeGroup = (ageGroup) => populationGroups.find(e => e.ageGroup == ageGroup).count","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1475,"value":"// returns the ISO week number for a given date \nfunction isoWeekNumber(date) {\n var d = new Date(Date.UTC(date.getFullYear(), date.getMonth(), date.getDate()))\n d.setDate(d.getDate() + 3 - (d.getDay() + 6) % 7)\n const week1 = new Date(d.getFullYear(), 0, 4)\n return 1 + Math.round(((d.getTime() - week1.getTime()) / 86400000 - 3 + (week1.getDay() + 6) % 7) / 7)\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1469,"value":"// returns ISO8601 formatted week: YYYY-Www\nfunction isoWeek(date) {\n const week = isoWeekNumber(date)\n var year = date.getFullYear()\n // if weekNo is 1 and month is December then the week belongs to the next year\n if (week == 1 && date.getMonth() == 11) {year++}\n // if weekNo is 52 or 53 and month is January then the week belongs to the previous year\n if (week >= 52 && date.getMonth() == 0) {year--} \n return year + '-W' + _.padCharsStart('0', 2)(week)\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":203,"value":"// helper function to convert the absurd and inconsistent number formatting provided by SSI 🙄 \nfunction strToNum(str) {\n return str.includes('e+') ? \n parseFloat(str) : \n parseFloat(str.replace(/\\./gi, '').replace(/\\,/gi, '.'))\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":207,"value":"ssv = d3.dsvFormat(\";\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":713,"value":"logVL = plot => { \n console.log(JSON.stringify(plot.toSpec()))\n return plot\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":210,"value":"md`### Eksterne biblioteker`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7699,"value":"import {seasonPlot} from \"@jakobeglarsen/covid-19-dk-sammenligning\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1472,"value":"// Lodash FP cf. https://observablehq.com/@mbostock/hello-lodash-fp\n_ = {\n const [_, fp] = await Promise.all([\n require(\"lodash@4\"),\n require(\"https://cdn.jsdelivr.net/gh/lodash/lodash@4/dist/lodash.fp.min.js\")\n ]);\n return fp(_);\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":6151,"value":"import {Select} from \"@observablehq/inputs\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":213,"value":"import { vl } from \"@vega/vega-lite-api\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":219,"value":"d3 = require(\"d3@6\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":6416,"value":"md`### Diverse plots`","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7361,"value":"viewof incidensForAldersgrp = {\n const plot = vl.markLine({tooltip: true})\n .encode(\n vl.x().fieldO('isoWeek')\n .title('Uge')\n .axis({labelAlign: 'right', labelAngle: -90, labelExpr: 'substring(datum.value,7,8) % 2 == 1 && substring(datum.value,6,8) < 53 ? datum.value : \"\"'}),\n vl.y().sum(\"cases100k\")\n .title('Incidens'),\n vl.tooltip([{field: 'isoWeek', title: 'Uge'},\n {field: 'ageGroup', title: 'Aldersgruppe'},\n {field: 'cases100k', op: 'sum', format: '.1f', title: 'Incidens'}])\n )\n .width(WIDTH/2).height(100)\n .facet(vl.facet().field('ageGroup').title('Aldersgrupper'))\n .columns(2)\n \n return vl.data(newCasesByAgeByDay)\n .vconcat(plot) \n .title(title('Antal bekræftet smittede pr. 100.000 indbyggere pr. uge for hver aldersgruppe'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7523,"value":"vl.markLine({tooltip: true})\n .encode(\n vl.x().timeYMD('date').title('Dato'),\n vl.y().fieldQ('accDeaths').title('Dødsfald')\n ) \n .data(deathsAccumulated)\n .width(WIDTH)\n .height(HEIGHT)\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7867,"value":"viewof bekraeftetSmittedePr100kPrUge = { \n return vl.data(newCasesByDay)\n .transform(\n vl.groupby(['isoWeek','ageGroup']).aggregate(vl.sum('newCases100kTotalPopulation').as('cases100kTotal'))\n )\n .layer(\n vl.markRect({tooltip: false})\n .encode(\n vl.x().field('isoWeek')\n .title('Uge')\n .axis({labelAlign: 'right', labelAngle: -90}),\n vl.color().sum(\"cases100kTotal\")\n .scale({domain: [0].concat(d3.range(10).map(d => 2**d)), scheme: colorMap[colorScheme], reverse: true})\n .legend(false)\n ),\n vl.markText({tooltip: true, fontSize: 8, align: 'center'})\n .encode(\n vl.x().field('isoWeek'),\n vl.text().sum(\"cases100kTotal\").format('.0f')\n )\n )\n .autosize({type: 'pad', contains: 'padding', resize: true})\n .padding({top: 5, bottom: 5, left: 55, right: 5})\n .width(WIDTH)\n .title(title('Antal bekræftet smittede pr. 100.000 indbyggere pr. uge'))\n .render({renderer: 'svg'})\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7874,"value":"$3e","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7882,"value":"$3f","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":7938,"value":"$40","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":54,"value":"$41","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":2439,"value":"md`Nedenstående graf viser samme data som ovenstående graf, men her er den procentvise fordeling af akkumuleret antal bekræftet smittede baseret på antallet af smittede og der tages således ikke højde for befolkningsgruppernes størrelse i denne graf.` ","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":20,"value":"$42","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":8335,"value":"I nedenstående graf vises den procentvise fordeling af akkumuleret antal bekræftet smittede på aldersgrupper over tid normaliseret ift. befolkningsgruppernes størrelse. Her fremgår det at selvom 90+ aldersgruppen er relativt lille er der relativt mange bekræftet smittede i denne aldersgruppe. \n\nEfter sensommeren har børn og unge udgjort en relativt større og større andel af de bekræftet smittede. Det kunne dog tyde på at denne udvikling toppede midt i december 2020. ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1855,"value":"datahaandtering = md``","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W43","stdlib":"1","titling":"auto"}} 30:"$2f:body"