[論文レビュー] Modelling the spread of Covid19 in Italy using a revised version of the SIR model

Andrea Palladino, Nardelli+6 more|arXiv (Cornell University)|Jan 1, 2020

COVID-19 epidemiological studies参考文献 7被引用数 9

ひとこと要約

本稿では、COVID-19流行の予測を改善するために、基本再生産数R₀の時間に依存する指数的減衰を組み込んだ改訂版SIRモデルを提案する。ロックダウン措置後にR₀を調整することで、2020年4月20日にイタリアの流行ピークを正確に予測し、実際のピークから1週間以内、かつ実際のピーク値の8%以内の誤差で予測された。これは、現実の流行ダイナミクスにおける強力な予測能力を示している。

ABSTRACT

In this paper, we present a model to predict the spread of the Covid-19 epidemic and apply it to the specific case of Italy. We started from a simple Susceptible, Infected, Recovered (SIR) model and we added the condition that, after a certain time, the basic reproduction number $R_0$ exponentially decays in time, as empirically suggested by world data. Using this model, we were able to reproduce the real behavior of the epidemic with an average error of 5\%. Moreover, we illustrate possible future scenarios, associated to different intervals of $R_0$. This model has been used since the beginning of March 2020, predicting the Italian peak of the epidemic in April 2020 with about 100.000 detected active cases. The real peak of the epidemic happened on the 20th of April 2020, with 108.000 active cases. This result shows that the model had predictive power for the italian case.

研究の動機と目的

• 時間変動する感染伝播ダイナミクスを組み込むことで、イタリアにおけるCOVID-19流行の標準SIRモデルの予測精度を向上させること。
• 隔離および社会的距離の取り方の影響を有効再生産数R₀にモデル化すること。
• ロックダウン解除後の異なるR₀の仮定値に基づいて、信頼性のある将来の流行シナリオを提供すること。
• 最新のデータを用いてイタリアおよびその地方における時間分解能のあるR₀(t)を計算し、流行トレンドのリアルタイムモニタリングを可能にすること。
• パンデミック初期段階における実際の報告済み症例データと比較して、モデルの予測能力を検証すること。

提案手法

• 公衆衛生介入の影響を反映するために、閾値時刻以降に指数関数的に減少する時間依存R₀(t)を導入することで、標準SIRモデルを改訂する。
• R₀(t) = β(t)S(t)/(γN)という修正されたSIR形式を用い、β(t)を感染率、γを回復／死亡率（1日あたり1/14と仮定）とする。
• 観察された有効感染症例数と予測値の平均二乗誤差を最小化することで、実データにモデルをキャリブレーションする。イタリアでは最後の5日間、地方では7日間のデータを用いる。
• 確認済み症例数の3倍を真の感染数と仮定し、S(t)/Nを高い感受性レベルを反映させるように調整する。
• R₀を最終データポイント（2020年5月4日）で固定し、異なるR₀の区間をシミュレートすることで、ロックダウン解除後の流行トレースを評価する。
• イタリアでは5日間、地方では7日間のローリングウィンドウを用いて、R₀(t)を動的に計算することでノイズを低減し、流行の最新トレンドを捉える。

実験結果

リサーチクエスチョン

• RQ1 時間に依存するR₀を有する改訂版SIRモデルは、イタリアにおけるCOVID-19ピークの時期と規模を正確に予測できるか？
• RQ2 ロックダウン措置の実施が、時間経過とともに有効再生産数R₀にどのように影響するか？
• RQ3 ロックダウン解除後のR₀値に異なる仮定を置いた場合、イタリアにおける将来の流行トレースはどのようなものになるか？
• RQ4 リアルタイムデータから、イタリアおよびその地方における現在の流行トレンドを反映するR₀(t)を信頼性を持って計算するにはどうすればよいか？
• RQ5 確認済み症例数の3倍の真の感染数を仮定することで、モデルの精度がどの程度向上するか？

主な発見

• モデルは2020年4月20日にイタリアの流行ピークを予測し、108,000件の有効感染症例を示した。これは実際のピークから1週間以内、かつ症例数の絶対値で10%未満の誤差であった。
• 実データにフィットさせる際、平均予測誤差は5%にとどまり、観察された流行ダイナミクスと強い一致を示した。
• R₀(t)は、最新のデータを用いた5日間のローリングウィンドウを用いて時間に依存するパラメータとして計算され、ロックダウンの影響に一致する一貫した低下を示した。
• イタリア地方では、症例数が少ないため生じる統計的フラクチュエーションを低減するため、7日間のウィンドウを用いてR₀(t)を計算し、安定したトレンド指標を得た。
• 将来の予測では、2020年5月4日以降R₀が1より高い場合、流行は継続または再発する可能性がある一方、R₀ < 1であれば持続的な減少が見込まれた。
• モデルの予測能力は、2020年3月上旬までのデータのみを用いても、ピークを1.5か月も前もって予測できたことから、検証された。