[論文レビュー] A Vector Autoregression Prediction Model for COVID-19 Outbreak

Q Wang, Yongning Zhou+1 more|arXiv (Cornell University)|Feb 6, 2021

COVID-19 epidemiological studies参考文献 27被引用数 4

ひとこと要約

本研究では、気温、湿度、人口密度、社会的信頼度などの内生的および外生的変数を用いて、米国の1日あたりのCOVID-19新規症例を予測する多変量ベクトル自己回帰（VAR）モデルを提案する。もし新たな制御策が講じられない場合、2020年クリスマスには約24万件の新規症例が見込まれ、その傾向が続くと予測されている。

ABSTRACT

Since two people came down a county of north Seattle with positive COVID-19 (coronavirus-19) in 2019, the current total cases in the United States (U.S.) are over 12 million. Predicting the pandemic trend under effective variables is crucial to help find a way to control the epidemic. Based on available literature, we propose a validated Vector Autoregression (VAR) time series model to predict the positive COVID-19 cases. A real data prediction for U.S. is provided based on the U.S. coronavirus data. The key message from our study is that the situation of the pandemic will getting worse if there is no effective control.

研究の動機と目的

• 米国の1日あたりのCOVID-19新規症例の短期予測を目的とした、強固で多変量の時系列モデルの構築。
• 予測精度の向上を目的として、内生的要因（例：確認済み症例、死亡者、回復者）および外生的要因（例：天候、人口密度、市民参加度）を組み込むこと。
• 内部妥当性評価と、ARIMAなどの単変量モデルやSIRなどの compartmental モデルとの比較を通じて、モデルの性能を評価すること。
• 現在の状況下での流行傾向の予測を通じて、公衆衛生計画に役立つインサイトを提供すること。
• 柔軟で解釈可能なフレームワークを用いることで、将来的な流行予測への汎用性を確保すること。

提案手法

• 複数の時系列変数間の動的相互依存関係を捉えるために、多変量ベクトル自己回帰（VAR）モデルを採用する。
• 文献に基づき、重要な予測変数を選定：確認済み症例、死亡者、回復者、気温、降水量、風速、湿度、人口密度、社会的信頼度、市民参加度。
• モデルの妥当性とOLSによる一貫した推定を確保するため、定常性および共統合性の検定を実施する。
• 実データのカバー範囲を評価するため、95％予測区間を用いて不確実性を評価する。
• 複数の時系列ポイントにおける実際の1日あたり症例数と予測値を比較することで、内部妥当性を検証する。
• 流行の深刻度や対応策の有効性をより的確に反映できるよう、累積症例ではなく1日あたり新規症例に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 単変量モデル（例：ARIMA）や compartmental モデル（例：SIR）と比較して、多変量VARモデルは1日あたりのCOVID-19新規症例の傾向予測において優れているか？
• RQ2 VARモデルは、疫学的要因と環境的・社会的要因との間の動的相互作用をどれほど的確に捉えているか？
• RQ3 急激に増加または減少する時期における、モデルの予測区間が実世界の1日あたり症例数をどれほどカバーしているか？
• RQ4 新たな公衆衛生的対策が講じられない場合、今後30日間の1日あたり新規症例の傾向はどのようになるか？
• RQ5 2020年9月下旬および11月に観察された急激な症例増加（再発症）を、モデルはどの程度正しく予測できるか？

主な発見

• VARモデルは、2020年8月下旬から顕著に増加し始めた1日あたりの新規症例の傾向を、実データとよく一致するトレンドで的確に予測した。
• 2020年11月3日から11月24日までの期間、モデルの予測値（1日あたり86,890～152,604件）は95％予測区間内に収まっており、11月10日および17日には実値が上限を約10,000件上回ったが、依然として区間内に収容されていた。
• 12月1日には約177,000件、12月8日には186,000件、12月15日には195,000件、12月22日には208,000件の1日あたり新規症例が予測され、上行傾向が続くことが示された。
• 95％予測区間は一貫して実値をカバーしており、モデルの信頼性と不確実性の定量化の優れた性能を示している。
• 11月下旬の第二波のピークも的確に捉えており、11月24日には約153,000件のピークを予測したが、実際の値（167,012件）に近く、良好な一致を示した。
• 2020年11月24日から始まる30日間の予測では、クリスマスにかけて1日あたり約240,000件の新規症例が見込まれ、新たな制御策がない場合の継続的感染拡大のリスクを浮き彫りにした。