[論文レビュー] Analyzing the World-Wide Impact of Public Health Interventions on the Transmission Dynamics of COVID-19

George Mohler, Frederic Paik Schoenberg+2 more|arXiv (Cornell University)|Jan 1, 2020

COVID-19 epidemiological studies参考文献 6被引用数 5

ひとこと要約

本研究では、2020年1月22日から3月11日までの世界の1日あたりの死亡者数をもとに、ワイブル分布に従うイベント間隔をもつ非パラメトリックな点過程モデルを用いて、COVID-19の時間に応じて変化する基本再生産数 R(t) を推定した。中国の公衆衛生的対策により、2月半ばまでに R(t) は1未満に低下したが、他の国々での感染拡大が抑制されなかったため、3月11日現在で世界の R(t) は2.22に回復した。

ABSTRACT

We analyze changes in the reproduction number, R, of COVID-19 in response to public health interventions. Our results indicate that public health measures undertaken in China reduced R from 1.5 in January to 0.4 in mid-March 2020. They also suggest, however, the limitations of isolation, quarantine, and large-scale attempts to limit travel. While the world-wide reproduction number briefly dropped below 1 as China implemented extensive public health measures, the introduction of the virus to other nations swiftly led to an increasing world-wide average value of R. In Italy, the nation hardest-hit following China, social distancing measures brought the local value of R down from 3.71 to 2.51. Nonetheless, the value of R in Italy persisted at levels well above 1, allowing for ongoing transmission. By mid-March 2020, as COVID-19 spread in areas without extensive public health interventions in place, the world-wide value of R increased to a level similar to that of late January.

研究の動機と目的

• 国家レベルの公衆衛生的対策が、COVID-19の時間に応じて変化する再生産数 R(t) に与える影響を評価すること。
• 時間に応じて変化する R(t) をもつ非パラメトリックな分枝点過程を用いて、SARS-CoV-2の伝播ダイナミクスをモデル化すること。
• 2020年初頭における隔離、隔離、社会的距離の確保が、国家および世界規模で R(t) に与える影響を評価すること。
• 合成データとスケーリングされたイベント時刻の残差解析を用いて、モデルの正確性を検証すること。
• R0パッケージに含まれる TD.R0 と比較して、提案されたEMベースの推定器の性能を評価すること。

提案手法

• 感染イベントを、t > tᵢ に対して λ(t) = μ + ∑ᵢ₌₁ⁿ R(t)w(tᵢ−tⱼ) で表される非時定のポアソン過程としてモデル化する。
• 一次感染と二次感染の間隔をワイブル分布でモデル化し、そのパラメータをデータから推定する。
• 非パラメトリックな期待最大化（EM）アルゴリズムを用いて、R(t)、ワイブル分布のパラメータ、およびベースラインの輸入率 μ を同時に推定する。
• R(t) を時間区間 Ik 上の区分定数関数として表現し、各区間に対して推定値 rk を割り当てる。
• R(t) のヒストグラム推定器を用い、境界効果を補正するために rB = rB−1 と設定して過剰推定を回避する。
• スケーリングされたイベント時刻の正規化された累積分布関数とコルモゴロフ・スミルノフ統計量を用いて、モデルの適合度を検証する。

実験結果

リサーチクエスチョン

• RQ1 中国の公衆衛生的対策は、流行の閾値1未満に R(t) をどの程度まで低下させたのか？
• RQ2 世界の R(t) は時間経過とともにどのように推移したのか。初期の抑制後に再発生を引き起こした要因は何か？
• RQ3 隔離、隔離、社会的距離の確保は、異なる国々における時間に応じて変化する再生産数にどのような影響を与えたか？
• RQ4 提案されたEMベースの点過程モデルは、既存の R(t) 推定手法（例：R0パッケージの TD.R0）と比較して、正確性とノイズの面でどの程度優れているか？
• RQ5 モデルは、パンデミック初期段階における中国、イタリア、および世界全体の死亡動態を正確に捉えているか？

主な発見

• 中国では、2020年1月22日の R(t) 1.50（95％信頼区間：1.15–1.79）が、3月11日までに0.43（95％信頼区間：0.26–0.34）に低下し、抑制に成功したことが示された。
• イタリアでは、2月21日の R(t) 3.71（95％信頼区間：2.00–5.33）が、3月11日までに2.51（95％信頼区間：2.24–2.72）に低下し、対策の一部の有効性が示された。
• 中国以外の国では、2月21日時点で R(t) が4.65（95％信頼区間：3.17–6.67）のまま高止まりしていたが、3月11日には3.37（95％信頼区間：3.14–3.56）に低下した。
• 世界全体では、中国の対策のおかげで2月半ばに R(t) が0.50（95％信頼区間：0.39–0.44）に低下したが、3月11日現在で2.22（95％信頼区間：2.09–2.39）に上昇し、世界的な再発生が確認された。
• モデルが推定した強度は、中国、イタリア、および世界全体の死亡者データに良好に適合したが、最終2日間（3月10日–11日）ではわずかに低めに推定された。
• 提案されたEMベースの推定器は、R0パッケージの TD.R0 法に比べ、滑らかでより正確な R(t) 推定値を生成した。TD.R0 法はより高いノイズを示した。