[論文レビュー] Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model

Elena Loli Piccolomini, Fabiana Zama|arXiv (Cornell University)|Mar 22, 2020

COVID-19 epidemiological studies参考文献 6被引用数 44

ひとこと要約

本論文は、時系列で変化する感染率を持つ適応的なSEIRDモデルを導入し、イタリアの地域におけるCOVID-19の拡散を分析・予測します。Lombardia（ロンバルディア）、Veneto（ヴェネト）、Emilia Romagna（エミリア＝ロマーニャ）をProtezione Civileデータでキャリブレーションし、時変感染率を用いることで適合が改善されることを示します。

ABSTRACT

In this paper we propose a Susceptible-Infected-Exposed-Recovered-Dead (SEIRD) differential model for the analysis and forecast of the COVID-19 spread in some regions of Italy, using the data from the Italian Protezione Civile from February 24th 2020. In this study investigate an adaptation of the model. Since several restricting measures have been imposed by the Italian government at different times, starting from March 8th 2020, we propose a modification of SEIRD by introducing a time dependent transmitting rate. In the numerical results we report the maximum infection spread for the three Italian regions firstly affected by the COVID-19 outbreak(Lombardia, Veneto and Emilia Romagna). This approach will be successively extended to other Italian regions, as soon as more data will be available.

研究の動機と目的

• イタリアの地域におけるCOVID-19の拡散をモデル化する決定論的なSEIRDフレームワークの開発。
• 2020年3月8日からの lockdown 措置を反映するため、時変感染率を組み込む。
• 地域データに対してモデルパラメータをキャリブレーションし、予測能力を評価する。
• 標準SEIRDと適応的SEIRD(rm)を比較してデータ適合を改善する。

提案手法

• Susceptible, Exposed, Infected, Recovered, Dead の五つの区分を持つSEIRDおよびSEIRD(rm)微分方程式系を用いる。
• 時期を制限前と制限後の期間に分割し、減少する時変感染率 beta(t) を用いる。
• beta(t)を政策変更を捉えるように分段減少有理関数として表現する：t<t0 の場合 beta(t)=beta0、t>=t0 の場合 beta0(1-ρ(t-t0)/t) 、ρは0.75に設定。
• Matlab で lsqnonlin (trust-region) を用いた非線形最小二乗法と正値制約でパラメータをキャリブレーションする。
• 初期条件 S(0)=N, E(0)=I(0)=I_init, R(0)=D(0)=0 でODE系を解き、240日まで予測する。
• Lombardia、Veneto、および Emilia Romagna について、2020年3月20日までのデータセットを用いて適合を評価する。

実験結果

リサーチクエスチョン

• RQ1 時変感染率を持つSEIRDモデルは、イタリアの地域におけるロックダウンの影響を正確に捉えることができるか。
• RQ2 適応的SEIRD(rm)は、地域データでキャリブレーションした場合、標準SEIRDよりも良い適合とより信頼性の高い予測を提供するか。
• RQ3 各地域における推定パラメータ値（β, α, γR, γD）と時変の再生産数 Rt は何か。
• RQ4 適応モデリング手法の下で、Lombardia、Emilia Romagna、Venetoの感染ピーク、回復、および死のタイミングはどのように異なるか。

主な発見

• SEIRDのパラメータ適合は地域とデータウィンドウによって異なる。時変beta(t)は観測されたIRD軌跡との適合を改善する。
• Lombardia では、SEIRDモデルが示唆的なピーク時期とβ≈0.3、α≈3、γR≈0.06、γD≈0.04などのパラメータ値を推定します（報告結果からの例示）。
• SEIRD(rm)モデルは、t0以降beta(t)が減少することで、研究対象地域においてSEIRDよりデータの傾向をより正確に再現します。
• Rt は β(t)/(γR+γD) として時変関数として示され、 lockdown 後に低下し、政策効果を反映します。
• LombardiaとEmilia Romagnaでは感染者のピークが6月20日頃に発生しますが、Venetoでは検査方針の違いによりピークが遅れ（おおよそ8月1日頃）。
• SEIRD(rm)は地域ごとにピーク値をもたらし、未報告の感染が拡大に影響を与える可能性を強調します。これは引用文献と一致します。