[論文レビュー] Modeling and forecasting of the COVID-19 pandemic in India

Kankan Sarkar, Subhas Khajanchi|RePEc: Research Papers in Economics|May 13, 2020

COVID-19 epidemiological studies被引用数 12

ひとこと要約

本研究では、2020年4月30日までのリアルタイムの症例データを用いて、インドおよび17州におけるCOVID-19パンデミックの伝播ダイナミクスと終息日を予測するデータ駆動型SARIIqSq数学的モデルを提案する。モデルは、基本再生産数$R_0$を推定し、6月26日までに厳格なロックダウンが伝播を95％削減し、7月26日までに99％削減したと予測しており、社会的距離保持および隔離策の有効性を示している。

ABSTRACT

Background: The ongoing COVID-19 epidemic dilated rapidly throughout India. To end the global COVID-19 pandemic major behavioral, social distancing, contact tracing, and state interventions has been undertaken to reduce the outbreak and avert the persistence of the coronavirus in humans in India and worldwide. In absence of any vaccine or therapeutics, forecasting is of utmost priority for health care planning and control the transmission of COVID-19. Methods: We have proposed a mathematical model that explain the transmission dynamics of COVID-19 in India. Based on the estimated data our model predicts the evolution of epidemics and the end of SARS-CoV-2 and aids to evaluate the influence of different policies to control the spread of the diseases. Findings: With the real data for infected individuals, we find the basic reproduction number $R_0$ for 17 states of India and overall India. A complete figure is given to demonstrate the estimated pandemic life cycle along with the real data or history to date. Our study reveals that the strict control measures implemented in India substantially mitigated the disseminate of SARS-CoV-2. Importantly, model simulations predict that 95% reduction of outbreak on June 26, 2020 and 99% reduction of outbreak on July 26, 2020 in India. Interpretation: Our model simulation demonstrates that the community-wide elimination of SARS-CoV-2 is possible by mitigating the social distancing and use essential precautions. Lockdown can be implemented strictly to prevent the human-to-human transmission of COVID-19. The model-based and parameter estimation of epidemic life cycle, and end dates, if can be done precisely, may decrease distress and over optimism and develop the mentality for all of us for the next stages of the outbreak evolution.

研究の動機と目的

• 2020年4月30日までの実世界のデータを用いて、インドにおけるSARS-CoV-2の伝播ダイナミクスをモデリングおよび予測すること。
• インドおよび17州の基本再生産数$R_0$を推定し、伝播可能性を評価すること。
• 社会的距離保持、ロックダウンおよび隔離政策の影響がパンデミック管理に与える影響を評価すること。
• モデルシミュレーションに基づき、インドおよびその州における流行の転換点および終了点を予測すること。
• パンデミック期における公衆衛生計画および政策立案のための実行可能なインサイトを提供すること。

提案手法

• SARS-CoV-2のインドにおける伝播ダイナミクスを表すために、変更されたSARIIqSq区分モデルが開発された。
• モデルは、感受性、潜伏期、無症候性、症状性、隔離済み、回復済みの各区分を含み、隔離および隔離管理を組み込んでいる。
• パラメータ推定は、2020年4月30日までの公開済みの確定症例データを用いて実施された。
• モデルの適合性は、インドの州ごとの予測された1日あたりの新規症例（青線）と実際の報告症例（赤点）を比較することで検証された。
• 伝播確率および制御策の影響を評価するため、感度分析が実施された。
• 累積症例の推移に基づき、パンデミックの終了日が予測され、95％および99％の削減閾値が用いられた。

Figure 1: Schematic representation of the model. The schematic flow diagram represents the interplays among different stages of infection in the model $SARII_{q}S_{q}$ : susceptible or uninfected $(S)$ , asymptotic or mildly symptomatic $(A)$ , recovered or healed $(R)$ , infected or symptomatic $(I

実験結果

リサーチクエスチョン

• RQ1 2020年4月30日までの実際の症例データに基づき、インドおよび17州の推定された基本再生産数$R_0$は何か？
• RQ2 インドにおけるロックダウンおよび社会的距離保持策は、SARS-CoV-2の伝播をどれほど効果的に低減したのか？
• RQ3 インドにおけるパンデミックは、合計症例数の95％および99％に達するのはいつごろか？
• RQ4 リアルタイムのデータを用いた場合、モデルは流行の転換点および終了点をどれほど正確に予測できるか？
• RQ5 モデルシミュレーションによると、隔離および接触追跡はSARS-CoV-2の拡散抑制にどのような役割を果たすか？

主な発見

• モデルは、インド全域で2020年6月26日までに1日あたりの新規症例数が95％削減されると予測している。
• 現在の制御策の下では、2020年7月26日までに伝播が99％削減されると予測されている。
• インド全体および17州の$R_0$値は、実際の症例データから推定され、伝播可能性を示している。
• モデルのシミュレーションは、厳格なロックダウンおよび社会的距離保持がSARS-CoV-2の拡散を顕著に低減することを確認している。
• モデルに基づく予測は、実際の症例データとよく一致しており、パンデミックのライフサイクルにおける予測の正確性が裏付けられている。
• 本研究は、特に検査率が低い状況下で、再発を防ぐために早期かつ厳格な対策が重要であることを強調している。

Figure 2: Model estimation based on real data. The $SARII_{q}S_{q}$ model fitted with the real data on daily new cases of COVID-19 in India and 5 provinces of India, namely Andhra Pradesh, Delhi, Gujarat, Haryana and Jammu & Kashmir. Observed data points are displayed in the red dot histogram and th