[論文レビュー] Predicting the ultimate outcome of the COVID-19 outbreak in Italy

Gábor Vattay|arXiv (Cornell University)|Mar 17, 2020

COVID-19 epidemiological studies参考文献 3被引用数 32

ひとこと要約

本論文はイタリアのCOVID-19データをロジスティック成長モデルを用いて総死者数とアウトブレイクの継続期間を予測し、医療体制の容量が達した2020年3月17日以降に予測を更新した。

ABSTRACT

During the COVID-19 outbreak, it is essential to monitor the effectiveness of measures taken by governments on the course of the epidemic. Here we show that there is already a sufficient amount of data collected in Italy to predict the outcome of the process. We show that using the proper metric, the data from Hubei Province and Italy has striking similarity, which enables us to calculate the expected number of confirmed cases and the number of deaths by the end of the process. Our predictions will improve as new data points are generated day by day, which can help to make further public decisions. The method is based on the data analysis of logistic growth equations describing the process on the macroscopic level. At the time of writing of the first version, the number of fatalities in Italy was expected to be 6000, and the predicted end of the crisis was April 15, 2020. In this new version, we discuss what changed in the two weeks which passed since then. The trend changed drastically on March 17, 2020, when the Italian health system reached its capacity limit. Without this limit, probably 3500 more people would have died. Instead, due to the limitations, 17.000 people are expected to die now, which is a five-fold increase. The predicted end of the crisis now shifted to May 8, 2020.

研究の動機と目的

• 流行の推移に関する政府の対策の監視を促す。
• イタリアのデータが湖北データと類似したロジスティック成長で説明できることを示す。
• 変化する条件の下での最終死者数とアウトブレイクの終息時期を推定する。

提案手法

• 成長率の線形化形から導かれるロジスティック成長で感染拡大をモデル化する： dN/dt = λ0 N (1 - N/N∞).
• 湖北とイタリアのデータから死者の日次成長率を観測して λ0 と N∞ を推定する。
• 死亡数の累積と成長率の間の線形領域を特定してパラメータを適合させる。
• 小さな p に対して、終息時点 t を t = (1/λ0) [log(N∞/N0 - 1) - log p] で計算する。
• 2020年3月17日以降、医療体制の容量が死亡率に影響したことを受けて予測を更新し、新しい N∞ と N0 を得る。）

実験結果

リサーチクエスチョン

• RQ1 イタリアのデータを湖北と同様のロジスティック成長フレームワークで整合させ、最終アウトブレイク規模を予測できるか？
• RQ2 医療体制の容量は死亡成長率と最終死者数にどう影響するか？
• RQ3 観測データのレジーム下での予測終息時刻は？
• RQ4 容量逼迫後の更新は予測を著しく変更するか？

主な発見

• 初期のイタリアの死亡データは湖北と類似したロジスティック様の成長を示唆し、N∞ ≈ 5996、λ0 ≈ 0.243。
• 2020年3月17日、医療体制容量の制約により大きな変化が生じ、N∞ を ≈19557、λ0/N∞ ≈ 8.1×10^-6 に改定。
• 容量制限がなければ死者数は約3500名少なくなると推定されていたが、容量制限により予想死者数は約17,000に上昇。
• N∞ を 19557 に変換する更新の後、終息日推定は2020年5月8日頃へずれた。
• 湖北データとの検証では、線形領域は特定の死亡数(N0)付近で始まり、回顧的検証では終息時刻の推定が正確であることが示された。
• このアプローチは成長率の線形フィットを用いてロジスティックパラメータを推定し、次にロジスティック解から終息時刻を導出する。