[論文レビュー] Statistical methods used to combine the effective reproduction number, R(t), and other related measures of COVID-19 in the UK

T. Maishman, Stephanie Schaap+4 more|arXiv (Cornell University)|Mar 2, 2021

COVID-19 epidemiological studies被引用数 5

ひとこと要約

本論文は、英国の地域における複数のCOVID-19モデルからの効果的再生産数R(t)および成長率r(t)の推定値を統合するために、制限付き最大尤度法（REML）と2つの信頼区間手法—ワルド型とクナップ＝ハートン（KNHA）—を用いたランダム効果メタアナリシスを提案する。等重量割り当てを併用したREMLまたはREML+KNHAは、不確実性が低く抑えられたモデルによる過信を回避することで、逆分散加重よりもより保守的で幅広い信頼区間をもたらし、意思決定の耐性を高めることを示した。

ABSTRACT

In the recent COVID-19 pandemic, a wide range of epidemiological modelling approaches have been used to predict the effective reproduction number, R(t), and other COVID-19 related measures such as the daily rate of exponential growth, r(t). These candidate models use different modelling approaches or differing assumptions about spatial or age mixing, and some capture genuine uncertainty in scientific understanding of disease dynamics. Combining estimates using appropriate statistical methodology from multiple candidate models is important to better understand the variation of these outcome measures to help inform decision making. In this paper, we combine these estimates for specific UK nations and regions using random effects meta analyses techniques, utilising the restricted maximum likelihood (REML) method to estimate the heterogeneity variance parameter, and two approaches to calculate the confidence interval for the combined estimate: the standard Wald-type intervals; and the Knapp and Hartung (KNHA) method. As estimates in this setting are derived using model predictions, each with varying degrees of uncertainty, equal weighting is favoured over the more standard inverse-variance weighting in order avoid potential up-weighting of models providing estimates with lower levels of uncertainty that are not fully accounting for inherent uncertainties. Utilising these meta-analysis techniques has allowed for statistically robust combined estimates to be calculated for key COVID-19 outcome measures. This in turn allows timely and informed decision making based on all of the available information.

研究の動機と目的

• 英国のCOVID-19パンデミック期に使用された複数の疫学的モデルからの異種のR(t)およびr(t)推定値を統合する課題に対処すること。
• すべての利用可能なモデルの証拠を統合して1つの統計的に堅牢な推定値を生成することで意思決定を改善すること。
• 不確実性が低く抑えられたモデルによる過信を回避するため逆分散加重を避けることで、不確実性が不十分に評価されたモデルに起因するバイアスを低減すること。
• 具体的には、REMLおよびKNHAを含む異なるメタアナリティクス手法のパフォーマンスを、公衆衛生の文脈でモデル出力の統合に応用して評価すること。
• 政策意思決定を迅速に支援するための、透明性があり再現可能なフレームワークを提供すること。

提案手法

• 英国の国および地域における複数の候補モデルからのR(t)およびr(t)推定値を統合するためにランダム効果メタアナリシスを採用する。
• 差異あるモデルの仮定やデータソースを反映するため、不確実性の分散パラメータを推定するために制限付き最大尤度法（REML）を用いる。
• 2つの信頼区間手法を適用する：標準的なワルド型区間とより保守的なクナップ＝ハートン（KNHA）法。
• 逆分散加重を避けるために、モデル間で等重量割り当てを実施し、不確実性が人工的に低く抑えられたモデルへの過剰な依存を防ぐ。
• REML単独とREML+KNHAの結果を比較することで、アプローチの妥当性を検証し、統合推定値のカバレッジと精度を評価する。
• モデルの予測値を入力とし、メタアナリティクスフレームワーク内での不確実性の適切な伝播を実現することで、真の科学的不確実性を反映する。

実験結果

リサーチクエスチョン

• RQ1 多様な疫学的モデルからのR(t)およびr(t)推定値を統計的に統合し、より信頼性の高い全体的な推定値を生成する方法は何か？
• RQ2 不確実性のレベルが異なるモデル出力を統合する際、等重量割り当てと逆分散加重の使用にどのような影響があるか？
• RQ3 統合されたR(t)およびr(t)推定値の信頼区間のカバレッジと幅に関して、ワルド型とクナップ＝ハートン（KNHA）手法はどのように比較されるか？
• RQ4 メタアナリティクス手法の選択が、公衆衛生意思決定における統合推定値の耐性と保守性にどの程度影響を及えるか？
• RQ5 メタアナリティクスフレームワークは、パンデミック期におけるモデルベースの政策指針の透明性と信頼性を向上させることができるか？

主な発見

• REML+KNHA手法は、標準的な逆分散加重と比較して、R(t)およびr(t)の信頼区間をより広く、より保守的にした。これは、過信に対する耐性を高めた。
• 等重量割り当てが逆分散加重よりも好ましいとされた。これは、不確実性が低く抑えられたモデルに過剰に重みを置くのを回避できるためであり、真の科学的不確実性をより適切に反映できる。
• REML単独とREML+KNHAの両手法とも、統合推定値のばらつきにほぼ同等の水準を示し、手法間の整合性が確認された。
• メタアナリシスを用いた統合推定値は、複数のモデル出力の統計的に堅牢な統合を実現し、政策利用に向けたR(t)およびr(t)の信頼性を向上させた。
• メタアナリティクス手法の適用により、すべての利用可能なモデル予測を透明かつ方法論的に整合した形で統合することで、迅速かつ証拠に基づいた意思決定が可能になった。
• フレームワークは、モデルの仮定やデータソースが異なる場合でも、単一のモデルの結果を過剰に解釈するリスクを低減することができることを示した。