[論文レビュー] SUTRA: A Novel Approach to Modelling Pandemics with Applications to COVID-19

Manindra Agrawal, Madhuri Kanitkar+6 more|arXiv (Cornell University)|Jan 22, 2021

COVID-19 epidemiological studies被引用数 8

ひとこと要約

SUTRAは、感受性（Susceptible）、未検出感染（Undetected）、陽性確認（Tested positive）、回復・隔離（Removed）の4 compartmentからなる疫学的モデルであり、未検出の感染を考慮し、時間に応じて変化する感染伝播ダイナミクスを扱う。日次感染者数データを用いて主要なパラメータを推定し、パンデミックの進行予測を高精度で行うとともに、自然免疫がオミクロン株に対してワクチン接種による免疫よりも強く保護する可能性を示している。

ABSTRACT

The Covid-19 pandemic has two key properties: (i) asymptomatic cases (both detected and undetected) that can result in new infections, and (ii) time-varying characteristics due to new variants, Non-Pharmaceutical Interventions etc. We develop a model called SUTRA (Susceptible, Undetected though infected, Tested positive, and Removed Analysis) that takes into account both of these two key properties. While applying the model to a region, two parameters of the model can be learnt from the number of daily new cases found in the region. Using the learnt values of the parameters the model can predict the number of daily new cases so long as the learnt parameters do not change substantially. Whenever any of the two parameters changes due to the key property (ii) above, the SUTRA model can detect that the values of one or both of the parameters have changed. Further, the model has the capability to relearn the changed parameter values, and then use these to carry out the prediction of the trajectory of the pandemic for the region of concern. The SUTRA approach can be applied at various levels of granularity, from an entire country to a district, more specifically, to any large enough region for which the data of daily new cases are available. We have applied the SUTRA model to thirty-two countries, covering more than half of the world's population. Our conclusions are: (i) The model is able to capture the past trajectories very well. Moreover, the parameter values, which we can estimate robustly, help quantify the impact of changes in the pandemic characteristics. (ii) Unless the pandemic characteristics change significantly, the model has good predictive capability. (iii) Natural immunity provides significantly better protection against infection than the currently available vaccines.

研究の動機と目的

• 未検出感染と時間に依存するパンデミックダイナミクスを的確に捉える、パラメータ効率の高い堅牢なモデルの開発。
• 報告済みの感染者数データのみを用いて、短期的な日次新規感染者数の正確な予測を可能にする。
• モデルのパラメータの変化を特定することで、パンデミック特性の変化（例：新株変異、非薬的介入策の導入）を検出する。
• 実世界のデータを用いて、自然免疫とワクチン接種由来の免疫の相対的効果を定量化する。
• 国レベルおよび地方レベルにおける信頼性の高い、地域特化型のパンデミック予測を提供し、政策意思決定を支援する。

提案手法

• SUTRAは、感受性（S）、未検出感染（U）、陽性確認（T）、Removed（R）の4つの状態を有する。遷移は時間に依存しないダイナミクスに従う。
• モデルは、日次新規検出感染者数（NT）、活動中の検出済み感染者数（T）、累積検出済み感染者数（CT）を、パラメータβ̃とρ̃を介して結ぶ基本方程式を用いる。
• 非線形最小二乗法を用いて、日次感染者数データから2つの主要パラメータ（1/β̃ と 1/ρ̃）を推定する。
• 感染伝播または検出ダイナミクスの変化を示すパラメータのシフトを検出し、再推定と更新された予測を可能にする。
• 時間に応じて変化する免疫効果をモデル化するため、ρを実際の免疫、失われた免疫、獲得された免疫の関数としてモデル化する。自然免疫が最大に近づくとρ ≈ 1となる。
• 32か国でモデルをキャリブレーションし、人口（P₀）と感染者数データを用いて免疫レベルを推定し、ワクチン接種と自然感染由来の免疫の有効性を比較する。

実験結果

リサーチクエスチョン

• RQ1 最小限のパラメータで、未検出症例を考慮しつつ、パンデミックの進行を正確に予測できる4 compartmentモデルは可能か？
• RQ2 日次報告済み感染者数データのみから、モデルのパラメータを信頼性高く推定できるか？
• RQ3 パンデミック特性の変化（例：新株変異、NPIの導入）がモデルのパラメータに与える影響はどの程度で、モデルはそのようなシフトを検出できるか？
• RQ4 オミクロン株に対する自然免疫とワクチン接種由来の免疫の相対的保護効果は何か？
• RQ5 ワクチン接種後に自然感染を許容する戦略が、厳格なゼロコロナ戦略よりも、長期的に見てより持続可能な集団免疫をもたらすのか？

主な発見

• SUTRAは32か国の過去のパンデミック進行を的確に捉えており、信頼性の高い短期予測が可能な堅牢なパラメータ推定を実現している。
• 新株変異の出現や介入策の変更に伴い、感染伝播ダイナミクスの変化が生じた場合、モデルはその変化を検出し、パラメータの再推定と更新された予測を可能にする。
• 自然免疫はオミクロン株に対してワクチン接種由来の免疫よりも顕著に強い保護効果を示しており、免疫喪失とオミクロン以前の自然免疫の程度との強い負の相関が示された。
• ワクチン接種由来の免疫はオミクロン以降、ほとんど完全に喪失した。免疫喪失は、感染歴のない人々のうちワクチン接種済みの割合と強く相関していた。
• オミクロン以前に高い自然免疫を獲得していた国では、オミクロン波期の感染率が著しく低く抑えられ、自然感染由来の免疫が優れた保護を提供していることが示された。
• モデルの結果から、ワクチン接種後に制御された形での感染を許容する戦略が、厳格なゼロコロナ戦略よりも、長期的に見てより持続可能な集団免疫をもたらす可能性があると示唆された。