[論文レビュー] Using early data to estimate the actual infection fatality ratio from COVID-19 in France (Running title: Infection fatality ratio from COVID-19)

Lionel Roques, Etienne K. Klein+3 more|arXiv (Cornell University)|Mar 24, 2020

COVID-19 epidemiological studies参考文献 15被引用数 52

ひとこと要約

本論文は機械的-統計的なSIRモデルを正の検査数と死亡データに結びつけ、フランスにおけるCOVID-19感染の実数と感染致死率（IFR）を推定し、介護施設での死亡と基本再生産数の調整を含めて評価する。

ABSTRACT

The first cases of COVID-19 in France were detected on January 24, 2020. The number of screening tests carried out and the methodology used to target the patients tested do not allow for a direct computation of the real number of cases and the mortality rate.In this report, we develop a 'mechanistic-statistical' approach coupling a SIR ODE model describing the unobserved epidemiological dynamics, a probabilistic model describing the data acquisition process and a statistical inference method. The objective of this model is not to make forecasts but to estimate the real number of people infected with COVID-19 during the observation window in France and to deduce the mortality rate associated with the epidemic.Main results. The actual number of infected cases in France is probably much higher than the observations: we find here a factor x 15 (95%-CI: 4-33), which leads to a 5.2/1000 mortality rate (95%-CI: 1.5 / 1000-11.7/ 1000) at the end of the observation period. We find a R0 of 4.8, a high value which may be linked to the long viral shedding period of 20 days.

研究の動機と目的

• 観察窓期間中のフランスにおけるCOVID-19に感染した実人数を推定する。
• hospital death dataからフランスの感染致死率（IFR）を計算する。
• 初期流行期におけるフランスの基本再生産数R0を推定する。
• 機械的SIRモデルを用いて検査陽性、死亡、検査データをベイズ推論で統合する。

提案手法

• 機械的SIRモデルを確率的なデータ観測モデルと結合し、観測されていない動態と検査・死亡の観測データを結びつける。
• データ取得を二項サンプリング過程として記述: hat{delta}_t ~ Bin(n_t, p_t) 、p_t は I(t), S(t), および検査確率に依存する。
• D'(t) = gamma(t) I(t) で死亡をモデル化し、死亡率を感染レベルの動的関数と結びつける。
• 最大似然推定により alpha, t0, そして kappa（検査相対確率）を推定し、初期値はランダムに制約する。
• 一様事前分布を用いたMetropolis-Hastings MCMCで事後パラメータ分布を推定する。
• 推定された I(t) と D(t) から IFR を gamma(t)/ (gamma(t) + beta) として推定し、SIRパラメータから R0 = alpha/beta を導出する。
• beta の逆数を 1/beta = 10 days、検査感度 sigma = 0.7、母集団 N = 67,000,000 を仮定する。

実験結果

リサーチクエスチョン

• RQ1 2020年2月29日から3月17日までのフランスにおけるCOVID-19感染実数はどれくらいか？
• RQ2 病院死亡データに基づくフランスのIFRはどれくらいか、介護施設の死亡を調整するとどう変わるか？
• RQ3 モデルによる流行初期のフランスの基本再生産数R0はどれくらいか？
• RQ4 機械的-統計的モデルは陽性検査と死亡の時系列データにどれくらい適合するか？

主な発見

• 実際に感染している人数は、観測された症例の約8倍程度で、95%信頼区間は5–12。
• 病院死亡データに基づくIFRは0.5%（95%CI: 0.3–0.8）。
• 介護施設の死亡を考慮するとIFRは0.8%（95%CI: 0.45–1.25）となる。
• 平均推定R0は3.2（95%CI: 3.1–3.3）である。
• 適合モデルは陽性検査の観測値と期待値の時間経過において良好な一致を示す。
• 推定された累積感染数（I+R）は、観測された累積症例よりもかなり多い。