[論文レビュー] Network-Based Prediction of the 2019-nCoV Epidemic Outbreak in the Chinese Province Hubei

Bastian Prasse, Achterberg, Massimo A.+2 more|arXiv (Cornell University)|Feb 11, 2020

COVID-19 epidemiological studies参考文献 41被引用数 33

ひとこと要約

論文は、観測データから都市間の感染確率を推定して都市間接続を取り込むネットワークベースのSIRモデルを提案し、ロジスティック回帰と比較して都市レベルの発生を予測する。

ABSTRACT

At the moment of writing (12 February, 2020), the future evolution of the 2019-nCoV virus is unclear. Predictions of the further course of the epidemic are decisive to deploy targeted disease control measures. We consider a network-based model to describe the 2019-nCoV epidemic in the Hubei province. The network is composed of the cities in Hubei and their interactions (e.g., traffic flow). However, the precise interactions between cities is unknown and must be inferred from observing the epidemic. We propose a network-based method to predict the future prevalence of the 2019-nCoV virus in every city. Our results indicate that network-based modelling is beneficial for an accurate forecast of the epidemic outbreak.

研究の動機と目的

• 2019-nCoVの発生をHubei省の都市レベルで正確に予測する動機づけ。
• データから都市間相互作用を推定するネットワークベースのSIRモデルを開発。
• 将来の流行 prevalenceを予測するために都市レベルの治癒確率と感染確率を推定。
• 基準としてロジスティック回帰と比較して予測精度を評価。

提案手法

• 各都市で離散時間のSIRモデルを用い、都市間感染マトリクスBを導入。
• データに適合させつつ候補値のグリッドからデルタ_iを選択して治癒確率を推定。
• β_ijの推定をV_i = F_i * β_iという線形系として定式化し、βを0-1に制約。
• 過学習を避けるためLASSO（L1）正則化を適用してβ_ijを推定。
• 感染データを、報告感染数を感染性分率に変換し平滑化して前処理。
• 推定されたSIRモデルを所望の予測期間だけ前方に反復して未来の発生を予測。

実験結果

リサーチクエスチョン

• RQ1 未知の都市間相互作用を持つネットワークベースのSIRモデルは、Hubei省の都市レベルの発生軌跡を正確に予測できるか？
• RQ2 LASSOベースのネットワーク推定は、観測データから都市間の感染確率を基準法と比較してどの程度回復できるか？

主な発見

識別子	都市	2月12日	2月13日	2月14日	2月15日	2月16日
1	Wuhan	19826	20981	22064	23084	24052
2	Huanggang	2465	2530	2596	2662	2728
3	Jingzhou	1145	1177	1209	1240	1271
4	Xiangyang	1119	1149	1179	1209	1239

• ネットワークベースの手法は、予測誤差指標においてロジスティック回帰よりも長期の予測区間でより正確な予測を示した。
• 予測期間が長くなるほど予測精度は低下するが、データが増えるにつれて改善する。
• 数日先の推定都市レベル予測は、観測データと整合する妥当な成長パターンを示した。
• 都市間相互作用について事前知識を持たずとも、データ主導のネットワーク推定を通じて実用的な予測を得られる。