[論文レビュー] Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models

Punam Bedi, Shivani Shivani+3 more|arXiv (Cornell University)|Sep 7, 2020

COVID-19 epidemiological studies参考文献 44被引用数 4

ひとこと要約

本研究では、無症候性だが感染性である潜伏期感染者を含む修正SEIRDモデルを提案し、LSTMディープラーニングモデルと組み合わせて、インドおよびその5つの深刻な影響を受けていた州におけるCOVID-19の拡大を予測した。2020年8月15日までのデータを用い、30日間の感染症および死亡者数の予測がなされ、ロックダウン措置が感染拡大を顕著に遅らせたことが示され、公衆衛生計画およびインfra構築準備のための実用的洞察が得られた。

ABSTRACT

The last leg of the year 2019 gave rise to a virus named COVID-19 (Corona Virus Disease 2019). Since the beginning of this infection in India, the government implemented several policies and restrictions to curtail its spread among the population. As the time passed, these restrictions were relaxed and people were advised to follow precautionary measures by themselves. These timely decisions taken by the Indian government helped in decelerating the spread of COVID-19 to a large extent. Despite these decisions, the pandemic continues to spread and hence, there is an urgent need to plan and control the spread of this disease. This is possible by finding the future predictions about the spread. Scientists across the globe are working towards estimating the future growth of COVID-19. This paper proposes a Modified SEIRD (Susceptible-Exposed-Infected-Recovered-Deceased) model for projecting COVID-19 infections in India and its five states having the highest number of total cases. In this model, exposed compartment contains individuals which may be asymptomatic but infectious. Deep Learning based Long Short-Term Memory (LSTM) model has also been used in this paper to perform short-term projections. The projections obtained from the proposed Modified SEIRD model have also been compared with the projections made by LSTM for next 30 days. The epidemiological data up to 15th August 2020 has been used for carrying out predictions in this paper. These predictions will help in arranging adequate medical infrastructure and providing proper preventive measures to handle the current pandemic. The effect of different lockdowns imposed by the Indian government has also been used in modelling and analysis in the proposed Modified SEIRD model. The results presented in this paper will act as a beacon for future policy-making to control the COVID-19 spread in India.

研究の動機と目的

• インドにおけるCOVID-19の拡大をより正確に予測するため、潜伏期に無症候性だが感染性である個体を含む修正SEIRDモデルを開発すること。
• 短期的な予測について、修正SEIRDモデルと長短期記憶（LSTM）ディープラーニングモデルの結果を比較し、一貫性と信頼性を検証すること。
• 修正SEIRDフレームワークを用いて、インド政府が実施したロックダウン措置が感染動態に与えた影響を評価すること。
• 深刻な影響を受ける州における医療インfra構築計画および政策意思決定のための、実用的でデータ駆動の予測を提供すること。
• インドで最も影響を受けていた地域における今後の症例および死亡者数の傾向を推定することで、証拠に基づく公衆衛生介入を支援すること。

提案手法

• 無症候性だが感染性である個体を含む明確な潜伏期コンパートメントを備えた修正SEIRDモデルを構築し、感染動態の現実性を高めた。
• ロックダウン政策の影響を受ける時間に依存する感染率を組み込み、干渉効果のシミュレーションを可能にした。
• インドおよびその5つの深刻な影響を受けていた州の過去の症例および死亡者データを用いて、LSTMニューラルネットワークをトレーニングし、短期的な予測を生成した。
• 2020年8月15日までの疫学的データ（累積症例および死亡者数を含む）を用いて、モデルのパラメータをキャリブレーションした。
• 両モデルの予測を30日間の予測期間にわたり比較し、一致度および信頼性を評価した。
• 実際の政策タイムライン（ロックダウンフェーズ）を入力として使用し、SEIRDフレームワーク内での感染率への影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 潜伏期に無症候性感染性個体を含めることで、インドにおけるCOVID-19拡大予測の精度がどの程度向上するか？
• RQ2 30日間の予測期間において、修正SEIRDモデルの予測とLSTMモデルの予測がどの程度一致するか？
• RQ3 インド政府のロックダウン措置が、修正SEIRDモデル内でシミュレートされた感染率の低下にどの程度の測定可能な影響を与えたか？
• RQ4 インドの5つの深刻な影響を受けていた州における、2つのモデリング手法による予測症例および死亡者数の比較は？
• RQ5 疫学的およびディープラーニング手法を組み合わせたハイブリッドモデリングは、パンデミック管理のためのより強固な短期予測を提供できるか？

主な発見

• 修正SEIRDモデルは、ロックダウン措置の実施後、インドおよびその5つの深刻な影響を受けていた州で、新規日別症例が徐々に減少すると予測した。これは政策の有効性を示している。
• LSTMモデルは修正SEIRDモデルと類似した短期予測を生成し、両者とも9月下旬ごろに新規症例のピークが来てから減少する傾向を示した。
• 両モデルは、インドの第2波のピークが2020年10月上旬ごろに発生し、深刻な影響を受けていた州では1日あたり約40,000～50,000件の新規症例に達すると推定した。
• 修正SEIRDモデルは、現在のトレンドが続くと、インドの累積死亡者数が2020年11月の終わりまでに約100,000人に達すると予測した。
• 両モデルの比較により、トレンドの方向性および大きさに強い一致が確認され、公衆衛生計画における予測への信頼性が向上した。
• 本研究では、ロックダウンが感染率を顕著に低下させたことが示された。モデルでは、ロックダウン実施後、日別発症率が30～40％低下したと示された。