[論文レビュー] Understanding the COVID19 Outbreak: A Comparative Data Analytics and Study

Anis Koubâa|arXiv (Cornell University)|Mar 29, 2020

COVID-19 epidemiological studies被引用数 13

ひとこと要約

本研究は、COVID-19の世界的な広がりと影響を理解するため、ビッグデータと可視化を用いた包括的な比較的データ分析フレームワークを提示している。SARS（2003年）、MERS（2012年）、エボラ（2014年）と比較して、毎日更新される世界的な症例データを用いた記述的および予測的モデルが用いられ、2020年3月27日時点で、COVID-19は世界の確認症例の90%以上、死亡者数の80%以上を占めており、症例数と死亡者数の両面でヨーロッパが最も深刻に影響を受けていた。これは、過去の流行と比較して、COVID-19が画期的な世界的な深刻度を示していることを強調している。

ABSTRACT

The Coronavirus, also known as the COVID-19 virus, has emerged in Wuhan China since late November 2019. Since that time, it has been spreading at large-scale until today all around the world. It is currently recognized as the world's most viral and severe epidemic spread in the last twenty years, as compared to Ebola 2014, MERS 2012, and SARS 2003. Despite being still in the middle of the outbreak, there is an urgent need to understand the impact of COVID-19. The objective is to clarify how it was spread so fast in a short time worldwide in unprecedented fashion. This paper represents a first initiative to achieve this goal, and it provides a comprehensive analytical study about the Coronavirus. The contribution of this paper consists in providing descriptive and predictive models that give insights into COVID-19 impact through the analysis of extensive data updated daily for the outbreak in all countries. We aim at answering several open questions: How does COVID-19 spread around the world? What is its impact in terms of confirmed and death cases at the continent, region, and country levels? How does its severity compare with other epidemic outbreaks, including Ebola 2014, MERS 2012, and SARS 2003? Is there a correlation between the number of confirmed cases and death cases? We present a comprehensive analytics visualization to address the questions mentioned above. To the best of our knowledge, this is the first systematic analytical papers that pave the way towards a better understanding of COVID-19. The analytical dashboards and collected data of this study are available online [1].

研究の動機と目的

• COVID-19の世界的な広がりを分析し、過去の流行と比較して、その前例のない伝播速度と規模を理解すること。
• 確認症例および死亡者数の観点から、大陸、地域、国レベルでのCOVID-19の影響を定量化および可視化すること。
• 記述的および予測的モデルを用いて、COVID-19の深刻度を過去の流行（SARS（2003年）、MERS（2012年）、エボラ（2014年））と比較すること。
• 異なる地理的レベルにおける確認症例数と死亡者数の間の相関関係を調査すること。
• 公的健康意思決定および研究を支援するため、オープンアクセスの分析ダッシュボードおよびデータセットを提供すること。

提案手法

• 包括的な時間的および空間的分析のため、ジョンズ・ホプキンス大学リポジトリの毎日更新の世界的な症例データを活用。
• Tableauを用いて、大陸、地域、国レベルでの比較的ヒートマップおよびパッケージドバブルチャートを含むインタラクティブなデータ可視化を実施。
• 記述的分析を用いて、地理的レベルごとの確認症例および死亡者数の分布を要約。
• 予測モデリング技術を用いて、流行の傾向を予測し、予防措置の影響を評価。
• COVID-19、SARS、MERS、エボラの流行間で、症例および致死率データを正規化して比較分析。
• 死亡率と関連する人口統計要因を特定するため、大陸ごとの中央値年齢を分析。

実験結果

リサーチクエスチョン

• RQ1 COVID-19は世界中にどのように広がり、主な伝播パターンは何か？
• RQ2 大陸、地域、国レベルでの確認症例および死亡者数の観点から、COVID-19の影響は何か？
• RQ3 症例および致死率の観点から、COVID-19の深刻度は、エボラ（2014年）、MERS（2012年）、SARS（2003年）と比較してどうか？
• RQ4 異なる地理的地域における確認症例数と死亡者数の間に、統計的に有意な相関関係があるか？
• RQ5 中央値年齢は、大陸間での死亡率にどのように影響を及ぼすか？

主な発見

• 2020年3月27日時点で、COVID-19は世界の全確認症例の90.4%、全死亡者数の80.0%を占めており、エボラ（2014年）、MERS（2011年）、SARS（2003年）を著しく上回っていた。
• ヨーロッパが最も影響を受けており、確認症例の51.64%、死亡者数の56.26%を占めており、主に南ヨーロッパおよび西ヨーロッパがその要因であった。
• 国レベルでは、米国が確認症例の最多割合（16.43%）を占めており、イタリア（13.98%）、中国（13.15%）に次いでいた。
• COVID-19の致死率はヨーロッパで最も高く、中央値年齢が42歳であり、高齢人口と強く相関しており、南ヨーロッパおよび西ヨーロッパの高い致死率がその例である。
• 平均して、エボラ2014年はアフリカで1カ国あたり947人死亡を記録したが、COVID-19はヨーロッパで1カ国あたり296人死亡、SARS2003年はアジアで1カ国あたり55人死亡にとどまった。
• 西アフリカにおけるエボラ2014年の影響規模は、オランダ、ベルギー、オーストリアのような国におけるCOVID-19の確認症例の広がりと同等の規模であった。