[論文レビュー] Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution

Ivan De Falco, Antonio Della Cioppa+2 more|arXiv (Cornell University)|Apr 1, 2020

COVID-19 epidemiological studies参考文献 3被引用数 28

ひとこと要約

本論文は、イタリア、ロンバルディア、カンパニアにおけるCOVID-19の広がりを予測するために、微分進化を用いて最適化された時変化する社会的距離の関数を組み込んだSEIR疫学的モデル（SEIR-SD）を提案する。感染のピーク日時と持続期間を推定し、現在の距離の維持措置のもとで、イタリアのピークは4月3日ごろ、ロンバルディアは4月1日、カンパニアは4月8日ごろに予想され、それぞれ6月17日、6月7日、6月3日に感染症の症例がほぼゼロに減少すると予測される。

ABSTRACT

The aim of this paper consists in the application of a recent epidemiological model, namely SEIR with Social Distancing (SEIR--SD), extended here through the definition of a social distancing function varying over time, to assess the situation related to the spreading of the coronavirus Covid--19 in Italy and in two of its most important regions, i.e., Lombardy and Campania. To profitably use this model, the most suitable values of its parameters must be found. The estimation of the SEIR--SD model parameters takes place here through the use of Differential Evolution, a heuristic optimization technique. In this way, we are able to evaluate for each of the three above-mentioned scenarios the daily number of infectious cases from today until the end of virus spreading, the day(s) in which this number will be at its highest peak, and the day in which the infected cases will become very close to zero.

研究の動機と目的

• 時間に依存する社会的距離の関数を組み込んだ強化されたSEIRモデルを用いて、イタリアおよびその主要地域におけるCOVID-19の動的広がりをモデル化すること。
• イタリア保健省が提供する実世界のデータを用いて、SEIR-SDモデルの最も正確なパラメータを推定すること。
• 現在の社会的距離の政策のもとで、イタリア、ロンバルディア、カンパニアにおける感染症の症例のピーク日時と持続期間を予測すること。
• 社会的距離のレベルを変化させた場合の疫病の進化への影響を評価し、政策意思決定を支援すること。

提案手法

• 公共の健康介入の変化を反映するために、時間に依存する社会的距離関数をSEIRモデルに拡張する。
• 予測値と実データの間の平均二乗誤差（RMSE）を最小化するように、機械学習におけるヒューリスティック最適化手法である微分進化を用いてモデルパラメータをキャリブレーションする。
• イタリア保健省が公開する公的入手可能な日次感染症データを用いて、国家レベルおよび地域レベルの両方でキャリブレーションを実施する。
• 伝播強度とモデルの感度を評価するために、基本再生産数 R₀ = β/γ を使用する。
• SEIR-SDダイナミクスを表す常微分方程式系を解く：dS/dt = -β(t)·I·S/N, dE/dt = β(t)·I·S/N - σ·E, dI/dt = σ·E - γ·I, dR/dt = γ·I。
• イタリア、ロンバルディア、カンパニアにおける予測された日次感染症の症例と、実際の報告された症例を比較することで、モデルの正確性を検証する。

実験結果

リサーチクエスチョン

• RQ1 イタリアおよびその地域における観察されたCOVID-19症例データに最も適合する最適な時変化する社会的距離関数は何か？
• RQ2 現在の距離の維持措置のもとで、イタリア、ロンバルディア、カンパニアにおける感染症の症例のピークはいつ発生するか？
• RQ3 各地域において、感染症の症例がほぼゼロに減少するまでにどのくらいの時間がかかるか？
• RQ4 地域ごとの推定された R₀ 値はどのように異なるのか？また、それらは伝播ダイナミクスにどのような含意を持つのか？
• RQ5 モデルの予測精度は、微分進化によるパラメータ最適化にどの程度依存しているのか？

主な発見

• イタリアでは、感染症の症例のピークが4月3日ごろに予測され、約78,322件の活動中の感染症が発生すると予想される。
• ロンバルディアでは、ピークが4月1日に予想され、約25,914人の感染症が発生し、6月7日までにほぼゼロに減少すると予想される。
• カンパニアでは、ピークが4月8日に予測され、約2,349件の感染症が発生し、6月3日までに疫病が収束すると予想される。
• モデルは非常に低いRMSE値を達成しており、ロンバルディアでは7.9×10⁻⁹、カンパニアでは2.18×10⁻¹⁰であり、実データへの適合が良好であることを示している。
• 基本再生産数 R₀ は、ロンバルディアで3.9、カンパニアで4.5と推定され、後者では発症が遅いにもかかわらず、より高い伝播性を示唆している。
• 結果から、継続的な社会的距離の維持が、疫病のピークの遅延と低減に不可欠であることが示され、タイミングと強度が結果に顕著に影響することが分かった。