[논문 리뷰] A COVID-19 Epidemiological Model for Community and Policy Maker Use

Alex De Visscher|arXiv (Cornell University)|2020. 03. 19.

COVID-19 epidemiological studies인용 수 5

한 줄 요약

이 논문은 공중보건 및 정책 활용을 위해 MATLAB/GNU Octave에 구현된 코로나19를 위한 네 단계 전염병 모델을 제시한다—감염자, 병원자, 심각한 병원자, 회복자. 이 모델은 의료 시스템이 과부하되지 않도록 하기 위해 사회적 거리두기 효과가 65–75%를 초과해 R0를 1 이하로 낮출 수 있을 때만 가능하다는 것을 보여주며, '집단면역'과 '곡선 완화' 전략의 정당성을 도전한다.

ABSTRACT

An epidemiological model for COVID-19 was developed and implemented in MATLAB/GNU Octave for use by public health practitioners, policy makers and the general public. The model distinguishes four stages in the disease: infected, sick, seriously sick, and better. The model was preliminarily parameterized based on observations of the spread of the disease. The model is consistent with a mortality rate of 1.5 %. Preliminary simulations with the model indicate that concepts such as "herd immunity" and "flattening the curve" are highly misleading in the context of this virus. Public policies based on these concepts are inadequate to protect the population. Only reducing the R0 of the virus below 1 is an effective strategy for maintaining the death burden of COVID-19 within the normal range of seasonal flu. As R0 values estimated with the model range from 2.82 worldwide outside of China and 3.83 in the Western world in late February - early March 2020, this means social distancing with effectiveness greater than 65 % (worldwide) or 75 % (Western world) are needed to combat the virus successfully.

연구 동기 및 목표

• 초기 팬데믹 기간 동안 공중보건 전문가 및 정책 입안자들이 접근하고 투명하게 사용할 수 있는 전염병 모델을 개발하기 위해.
• '집단면역'과 '곡선 완화'가 공중보건 전략으로서의 정당성을 명확히 하기 위해.
• 사망자 수를 연간 독감 수준 이내로 유지하기 위해 필요한 사회적 거리두기 효과를 정량화하기 위해.
• 공개 소스 코드를 제공하여 공동체 및 정책 입안자가 실시간 의사결정에 사용할 수 있는 도구를 제공하기 위해.
• 2020년 2월–3월에 관찰된 초기 데이터와 일치하는 R0 값과 사망률을 추정하기 위해.

제안 방법

• 모델은 질병 진행 단계를 네 가지로 명확히 나누어 감염자, 병원자, 심각한 병원자, 회복자로 구성한다.
• 일반 미분방정식을 사용하여 시간에 따라 이 단계들 사이를 이동하는 인구의 흐름을 시뮬레이션한다.
• 기본 사망률 1.5%를 포함한 초기 관측 데이터에 매개변수를 캘리브레이션한다.
• R0는 글로벌 기준(중국 제외)으로 2.82, 2020년 2月下旬–3월 초에 서유럽에서는 3.83로 추정된다.
• R0를 1 이하로 낮추기 위해 필요한 사회적 거리두기 효과를 계산하기 위해 공식 1 - (1/R0)를 사용한다.
• 투명성과 재현 가능성을 위해 소스 코드는 MATLAB/GNU Octave로 제공된다.

실험 결과

연구 질문

• RQ1 SARS-CoV-2에 대해 '집단면역'과 '곡선 완화'가 효과적인 공중보건 전략으로서 얼마나 타당한가?
• RQ2 R0를 1 이하로 낮추고 의료 시스템 과부하를 방지하기 위해 필요한 사회적 거리두기 수준은 어느 정도인가?
• RQ3 다른 지역(전 세계 대비 서유럽)의 추정 R0 값은 개입 강도에 어떤 영향을 미치는가?
• RQ4 네 단계로 구성된 단순하고 투명한 모델이 팬데믹의 초기 역학을 정확하게 반영할 수 있는가?
• RQ5 모델 예측과 초기 관측 데이터와 일치하는 사망률은 얼마인가?

주요 결과

• 모델은 2020년 2月下旬–3월 초에 글로벌 기준(중국 제외) R0를 2.82, 서유럽에서는 3.83로 추정한다.
• R0를 1 이하로 낮추기 위해 사회적 거리두기 효과가 각각 전 세계 기준 65%, 서유럽 기준 75%가 필요하다.
• 모델는 '집단면역'과 '곡선 완화' 개념이 이 바이러스에 대해 오해의 소지가 있으며 보호를 보장하지 않는다는 점을 보여준다.
• R0를 1 이하로 낮출 수 있을 때만 사망자 수를 연간 독감 수준 이내로 유지할 수 있다.
• 모델의 기본 사망률 1.5%는 초기 관측 데이터 및 가정과 일치한다.
• 모델의 소스 코드는 투명성과 공동체 활용을 위해 공개 소스로 MATLAB/GNU Octave에 제공된다.