[論文レビュー] Space-time dependence of corona virus (COVID-19) outbreak

Kathakali Biswas, Parongama Sen|arXiv (Cornell University)|Mar 6, 2020

COVID-19 epidemiological studies参考文献 18被引用数 58

ひとこと要約

本論文は、ユークリディアンネットワーク上のSIRモデルを用いて世界規模のCOVID-19流行データを分析し、空間相関を検討する。 Wuhanからの距離と感染者数の間に近似的な逆平方則があり、中国と世界の残りの地域で異なる成長パターンがあることを示している。

ABSTRACT

We analyse the data for the global corona virus (COVID-19) outbreak using the results of a previously studied Susceptible-Infected-Removed (SIR) model of epidemic spreading on Euclidean networks. We also directly study the correlation of the distance from the epicenter and the number of cases. An inverse square law is seen to exist approximately. The studies are made for China and the rest of the world separately.

研究の動機と目的

• 空間ネットワーク上で、Susceptible-Infected-Removed（SIR）フレームワークを用いてCOVID-19の拡散を研究する動機づけ。
• 中国と世界の残り（ROW）について、累積および日次の感染データを別々に分析する。
• 中国とROWのデータに経験的成長形を適合させ、ネットワークベースの拡散モデルと比較する。
• Wuhanからの距離と感染者数を相関させることによって、空間的依存性を調査する。
• ROWにおける時間的パターンと2つの伝搬モード（局所発生 vs 輸入）の探求。

提案手法

• 距離減衰伝播を伴う、事前に研究されたEuclideanネットワーク上のSIRモデルを適用して、累積COVID-19データを適合させる。
• 中国の累積症例を R_Ch = A_Ch exp(t/T_Ch) / [1 + B_Ch exp(t/T_Ch)] に適合させ、A_Ch ≈ 2000, T_Ch = 5.3 ± 0.27, B_Ch = 0.02 を得る。
• ROWの累積症例を R_ROW = A_ROW exp(t/T_ROW) + R_0 に適合させ、A_ROW ≈ 2, T_ROW = 4.93 ± 0.06, R_0 ≈ 122 を得る。
• Wuhanから他の場所までのハーヴァシン距離を計算し、感染例数と距離の関係を分析する。中国では概ね d^{-2} の依存が見られる。
• ROWの最初の感染日をWuhanからの距離と比較して、局所伝播と輸入伝播のクラスターを区別する。
• データの制約と新規感染者数の複数ピークのデータ駆動型解釈について議論する。

実験結果

リサーチクエスチョン

• RQ1 中国とROWの累積COVID-19データは、SIR様の動力学に適合する異なる成長形をたどるか。
• RQ2 Wuhan中心地からの距離に対する感染者数の空間的依存性は測定可能か。もしそうなら、その形は何か。
• RQ3 拡散パターンは、距離依存伝播を持つEuclideanネットワーク上のSIRモデルと整合させることができるか。
• RQ4 距離と関連したROWにおける初感染の時間的パターンは何か。局所伝播か輸入伝播かを示す。

主な発見

• 中国の累積症例は経験的形 R_Ch = A_Ch exp(t/T_Ch) / [1 + B_Ch exp(t/T_Ch)] に適合し、A_Ch ≈ 2000, T_Ch = 5.3 ± 0.27, B_Ch = 0.02。
• ROWの累積症例は R_ROW = A_ROW exp(t/T_ROW) + R_0 に適合し、A_ROW ≈ 2, T_ROW = 4.93 ± 0.06, R_0 ≈ 122。
• Wuhanからの距離と累積感染者数の関係は、中国では概ね d^{-2} の反平方則を示し、ROWを含めると散布がある。
• 距離と感染者数の相関は控えめである（中国：-0.267、ROW：-0.197）。
• ROWには局所伝播と輸入感染の2つのクラスターがあることを示唆しており、日付は異なる伝搬モードを反映している。
• 中国とROWのタイムスケールは類似しており、同じウイルスが両地域に影響を及ぼしていることと一致する。