[論文レビュー] The Effect of Population Size for Pathogen Transmission on Prediction of COVID-19 Pandemic Spread

Xuqi Zhang, Haiqi Liu+4 more|arXiv (Cornell University)|Apr 22, 2020

COVID-19 epidemiological studies参考文献 33被引用数 4

ひとこと要約

本研究は、病原体伝播のための時間変動性のある人口規模（Nc）を考慮した確率的SEIRモデルを構築し、COVID-19のインシデント予測と予測を改善することを目的としている。非線形フィルタリング理論に基づき、アンサンブル unscented フィルタと相互作用多重モデルフィルタを統合することで、動的変化する伝播パラメータを推定し、異なる干渉強度下での感染ピークを予測する。その結果、Ncを50–75%低減することで、世界的なピーク入院感染者数を3.00×10⁶から1.84×10⁶および1.27×10⁶にまで低下させられると示された。

ABSTRACT

Extreme public health interventions play a critical role in mitigating the local and global prevalence and pandemic potential of COVID-19. Here, we use population size for pathogen transmission to measure the intensity of public health interventions, which is a key characteristic variable for nowcasting and forecasting of the epidemic. By formulating a hidden Markov dynamic system and using nonlinear filtering theory, we have developed a stochastic epidemic dynamic model under public health interventions. The model parameters and states are estimated in time from internationally available public data by combining an unscented filter and an interacting multiple model filter. Moreover, we consider the computability of the population size and provide its selection criterion. We estimate the mean of the basic reproductive number of China and the rest of the globe except China (GEC) to be 2.46 (95% CI: 2.41-2.51) and 3.64 (95% CI: (3.55-3.72), respectively. We infer that the number of latent infections of GEC is about 7.47*10^5 (95% CI: 7.32*10^5-7.62*10^5) as of April 2, 2020. We predict that the peak of infections in hospitals of GEC may reach 3.00*10^6 on the present trajectory, i.e., if the population size for pathogen transmission and epidemic parameters remains unchanged. If the control intensity is strengthened, e.g., 50% reduction or 75% reduction of the population size for pathogen transmission, the peak would decline to 1.84*10^6, 1.27*10^6, respectively.

研究の動機と目的

• 公衆衛生的介入を考慮した確率的疫病動的モデルを構築し、病原体伝播のための時間変動性のある人口規模（Nc）を反映すること。
• 非線形フィルタリングを用いて、公開済みの国際的データを用いて、モデルの状態とパラメータをリアルタイムで推定すること。
• Ncが疫病予測における干渉強度の測定変数として果たす役割を特定・定量化すること。
• モデルの同定可能性と実用的適用性を確保するためのNcの計算可能な選択基準を提供すること。
• 異なる干渉シナリオ下での世界規模および地域的感染トレンドの規模、ピーク、信頼区間を予測すること。

提案手法

• 公衆衛生的介入下でのSEIRプロセスの確率的変動を表すために、隠れマルコフ動的システムを定式化する。
• ノイズが混在する現実世界のデータから、時間変動する状態とパラメータを推定するために、アンサンブル unscented カルマンフィルタと相互作用多重モデルフィルタを統合する。
• 非線形フィルタリング理論を用いて、疫病動態におけるプロセスノイズと観測ノイズを処理し、頑健な状態推定を可能にする。
• 1/N展開を用いて、状態と分散推定に対する摂動バウンドを導出することで、モデルが人口規模に与える感度を評価する。
• モデルの計算可能性と同定可能性に基づくNcの選択基準を適用し、現実世界の状況における実用的妥当性を保証する。
• 潜伏感染状態と確認済み症例を結びつける測定モデルを採用し、インキュベーション期間（7–14日）を考慮する。

実験結果

リサーチクエスチョン

• RQ1 病原体伝播のための人口規模（Nc）が、COVID-19のリアルタイムインシデント予測と予測の正確性に与える影響は何か？
• RQ2 Ncで測定される干渉強度の変化が、世界的な入院感染者のピークに与える影響は何か？
• RQ3 時間変動するNcを有する確率的SEIRモデルは、リアルタイムで入手可能な公開データを用いて非線形フィルタリングにより信頼性高く推定可能か？
• RQ4 干渉下の動的疫病モデルにおけるNcの同定可能性と選択基準は何か？
• RQ5 Ncの変化（例：50%または75%の低減）が、グローバル・エクセプト・チャイナ（GEC）地域の予測感染トレースとピークに与える影響は何か？

主な発見

• 中国における推定された基本的再生産数は2.46（95%信頼区間：2.41–2.51）であり、残りの世界（GEC）では3.64（95%信頼区間：3.55–3.72）である。
• 2020年4月2日時点で、GECにおける推定された潜伏感染数は7.47×10⁵（95%信頼区間：7.32×10⁵–7.62×10⁵）である。
• 現在の推移に従うと、GECにおけるピーク入院感染者数は3.00×10⁶に達すると予測される。
• Ncを50%低減すると、ピーク予測値は1.84×10⁶に低下し、75%低減すると1.27×10⁶にまで低下する。
• 本モデルは、Ncが疫病予測における干渉強度を定量化する上で、重要な測定可能かつ計算可能な変数であることを示している。
• 摂動解析により、状態と分散推定が1/Nオーダーの誤差に対しても安定していることが確認され、大規模集団におけるモデルの頑健性が裏付けられた。