[論文レビュー] Spatial analysis and prediction of COVID-19 spread in South Africa after lockdown

‎M‎ohammad Arashi, Andriëtte Bekker+5 more|arXiv (Cornell University)|May 19, 2020

COVID-19 epidemiological studies参考文献 19被引用数 28

ひとこと要約

本研究では、空間統計および一般化ロジスティック成長モデルを用いて、封鎖措置後の南アフリカにおける新型コロナウイルス感染症の拡散を分析・予測する。モーランのIを用いた空間自己相関分析とヒートマップ可視化により、省レベルのホットスポットを特定し、感染拡大の傾向を予測することで、公衆衛生対策にデータドリブンな知見を提供する。

ABSTRACT

What is the impact of COVID-19 on South Africa? This paper envisages assisting researchers and decision-makers in battling the COVID-19 pandemic focusing on South Africa. This paper focuses on the spread of the disease by applying heatmap retrieval of hotspot areas and spatial analysis is carried out using the Moran index. For capturing spatial autocorrelation between the provinces of South Africa, the adjacent, as well as the geographical distance measures, are used as a weight matrix for both absolute and relative counts. Furthermore, generalized logistic growth curve modeling is used for the prediction of the COVID-19 spread. We expect this data-driven modeling to provide some insights into hotspot identification and timeous action controlling the spread of the virus.

研究の動機と目的

• 国家的ロックダウン後の南アフリカの各省における新型コロナウイルス感染症の拡散に関する空間的パターンおよびホットスポットを特定すること。
• 接続関係および距離に基づく重み行列を用いて、症例数における空間的自己相関を評価すること。
• 一般化ロジスティック成長曲線を用いて、ウイルスの時間的拡散をモデル化し、短期予測を行うこと。
• 空間的および予測的知見をもとに、公衆衛生意思決定を支援すること。

提案手法

• 省の症例数におけるグローバルおよびローカル空間的自己相関を測定するために、モーランのI統計量を用いた。
• 空間的依存性をモデル化するために、接続に基づくおよび距離に基づく両方の空間的重み行列を用いた。
• 累積症例の時間的推移を予測するために、一般化ロジスティック成長曲線モデルを適用した。
• 空間クラスターや高伝播地域を可視化するために、ヒートマップを生成した。
• 人口規模の違いを考慮するために、絶対的および相対的（人口1人あたり）の症例数を分析した。
• 地理的近接性が感染拡大に与える影響を評価するために、空間回帰手法を用いた。

実験結果

リサーチクエスチョン

• RQ1 封鎖措置後、南アフリカにおける新型コロナウイルス感染症の伝播ホットスポットはどこにあるか？
• RQ2 省の症例数に空間的自己相関はどの程度存在するか？
• RQ3 一般化ロジスティック成長モデルは、南アフリカにおけるパンデミックの推移をどの程度正確に予測できるか？
• RQ4 接続に基づく重みと距離に基づく重みは、空間的依存性をどの程度うまく捉えられるか？

主な発見

• 空間的自己相関が有意であった。これは、モーランのI統計量により確認され、隣接する省同士の症例数が類似している傾向にあることを示している。
• ヒートマップ分析において、西ケープ州およびガトゥング州が持続的なホットスポットとして浮き彫りになった。これらはより高い伝播強度を示していた。
• 一般化ロジスティック成長モデルは、累積症例データに良好なフィットを示した。これは、流行の飽和に伴う減速的成長パターンと整合的である。
• モデルは、データ収集後2〜3週間以内に全国の累積症例数がピークに達すると予測した。これは観察された傾向と一致していた。
• 距離に基づく空間的重みの方が、接続に基づく重みよりも強い空間的依存性を示しており、伝播に広域的影響が及んでいることを示唆している。