[論文レビュー] Modeling and forecasting the early evolution of the Covid-19 pandemic in Brazil

Saulo B. Bastos, Daniel O. Cajueiro|arXiv (Cornell University)|Mar 31, 2020

COVID-19 epidemiological studies被引用数 8

ひとこと要約

本研究は、社会的距離のパラメータを組み込んだ変更版SIRおよびSIRDモデルを用いて、ブラジルにおけるCOVID-19の初期の広がりをモデル化・予測した。その結果、適切な時期に導入された社会的距離の措置は流行曲線を平らにするが、継続されなければピークの遅れにとどまり、長期的シミュレーションによりその政策の最適終了日が特定された。また、無症候性感染がピークの重症度に顕著な影響を与えることが明らかになった。

ABSTRACT

We model and forecast the early evolution of the COVID-19 pandemic in Brazil using Brazilian recent data from February 25, 2020 to March 30, 2020. This early period accounts for unawareness of the epidemiological characteristics of the disease in a new territory, sub-notification of the real numbers of infected people and the timely introduction of social distancing policies to flatten the spread of the disease. We use two variations of the SIR model and we include a parameter that comprises the effects of social distancing measures. Short and long term forecasts show that the social distancing policy imposed by the government is able to flatten the pattern of infection of the COVID-19. However, our results also show that if this policy does not last enough time, it is only able to shift the peak of infection into the future keeping the value of the peak in almost the same value. Furthermore, our long term simulations forecast the optimal date to end the policy. Finally, we show that the proportion of asymptomatic individuals affects the amplitude of the peak of symptomatic infected, suggesting that it is important to test the population.

研究の動機と目的

• 2020年2月25日から3月30日までのリアルタイムデータを用いて、ブラジルにおけるCOVID-19パンデミックの初期の進展をモデル化・予測すること。
• 社会的距離の措置が流行曲線を平らにする効果と感染ピークの遅れに与える影響を評価すること。
• 不確実性と通知不足を考慮した状況下で、感染率（β）、回復率（γ）、症例死亡確率（ρ）などの主要な疫学的パラメータを推定すること。
• 無症候性感染者の割合が、有症感染者のピークの大きさに与える影響を評価すること。
• 病床負担を最小限に抑えるために、社会的距離の措置をどの程度の期間継続すべきかを特定すること。

提案手法

• 死亡者数を反映させるために、死亡者層（D）を追加したSIRモデルの変種（SIRD）を導入し、死亡率を ρ/(1−ρ)γI として定式化した。
• 有症感染者（I_S）と無症候感染者（I_A）を区別するSIRASDモデルを導入し、それぞれに異なる感染率（β_S、β_A）と回復率（γ_S、γ_A）を設定した。
• scipyのsolve_ivpを用いた明示的ルンゲ＝クッタ法（4,5）による数値積分を実行し、人口数N₀ = 210,147,125を固定した状態で微分方程式系を解いた。
• 100回のランダムな初期条件の試行を実施する階層的推定手順を採用し、収束しないシミュレーションを除外。観測データとの一致を最適化するために最小二乗法にカウチ損失（C=2）を適用した。
• 現実的範囲を考慮したパラメータ空間の制限を設けた：β ∈ [0.1, 2]、γ ∈ [0.071, 1]、ρ ∈ [0.01, 0.1]、β_A ≤ β_S（無症候感染者の感染率が有症感染者より低いことを反映）。
• パラメータをその推定95%信頼区間内でランダム化することで、長期予測の95%信頼区間を生成した。

実験結果

リサーチクエスチョン

• RQ1 社会的距離の措置は、感染ピークの高さを減らさずに、どの程度ピークを遅らせるのか？
• RQ2 ブラジルにおける感染ピークの負担を最小限に抑えるために、社会的距離の措置をどの程度の期間継続すべきか？
• RQ3 初期の無症候感染者の割合が、有症感染者のピークの大きさに与える影響は何か？
• RQ4 パラメータ推定の不確実性とデータの通知不足は、モデルの信頼性と予測の信頼性にどのような影響を与えるか？
• RQ5 有症と無症候の感染伝播を区別することで、モデルの正確性と政策予測への影響は何か？

主な発見

• 社会的距離の措置は流行曲線を顕著に平らにするが、継続されなければ感染ピークは遅れるだけであり、その大きさは変わらない。
• 感染ピークの大きさは、社会的距離の措置があってもほぼ変化せず、短期的な措置では全体的な負担を軽減できないことが示された。
• 長期的シミュレーションにより、病床負担を最小限に抑えるために、社会的距離の措置を終了すべき最適な日付が特定された。
• 無症候感染者の割合が、有症感染者のピークの大きさに顕著な影響を与えることが判明し、無症候感染者の割合が高いほどピーク値が高くなる傾向にある。
• 症例死亡確率（ρ）の推定値は約0.029（2.9%）、回復率（γ）は1日あたり約0.151であり、中央値の回復期間は約6.6日であると推定された。
• 感染率βの推定値は1日あたり0.442であり、基本再生産数R₀は標準状態で約1.45であると算出された。これは、無症候感染者の感染率が高くなるとR₀が上昇することを示している。