[논문 리뷰] A model for the spread of an epidemic from local to global: A case study of COVID-19 in India

Buddhananda Banerjee, Pradumn Kumar Pandey외 1명|arXiv (Cornell University)|2020. 06. 04.

COVID-19 epidemiological studies참고 문헌 13인용 수 5

한 줄 요약

이 논문은 인도의 지자체 수준의 검사 데이터, 이동 패턴, 봉쇄 조치를 활용하여 지역에서 전국으로의 코로나19 전파를 시뮬레이션하는 메타집단 기반 전염병 모델을 제안한다. 선형 또는 로그선형 증가하는 일일 검사량이 감염 수를 안정화시키고 제2차 유행을 방지할 수 있음을 보여주며, 개선 조치 없이 낮은 검사 증가율을 유지할 경우 예측에 따르면 130만 건의 감염이 발생할 수 있다.

ABSTRACT

In this paper we propose an epidemiological model for the spread of COVID-19. The dynamics of the spread is based on four fundamental categories of people in a population: Tested and infected, Non-Tested but infected, Tested but not infected, and non-Tested and not infected. The model is based on two levels of dynamics of spread in the population: at local level and at the global level. The local level growth is described with data and parameters which include testing statistics for COVID-19, preventive measures such as nationwide lockdown, and the migration of people across neighboring locations. In the context of India, the local locations are considered as districts and migration or traffic flow across districts are defined by normalized edge weight of the metapopulation network of districts which are infected with COVID-19. Based on this local growth, state level predictions for number of people tested with COVID-19 positive are made. Further, considering the local locations as states, prediction is made for the country level. The values of the model parameters are determined using grid search and minimizing an error function while training the model with real data. The predictions are made based on the present statistics of testing, and certain linear and log-linear growth of testing at state and country level. Finally, it is shown that the spread can be contained if number of testing can be increased linearly or log-linearly by certain factors along with the preventive measures in near future. This is also necessary to prevent the sharp growth in the count of infected and to get rid of the second wave of pandemic.

연구 동기 및 목표

• 인도에서 지역(지자체 수준)에서 국가(국가 수준)로의 코로나19 전파 전이를 모델링하기.
• 검사 비율, 이동성, 봉쇄 조치가 감염 진행에 미치는 영향을 정량화하기.
• 선형 또는 로그선형 증가하는 일일 검사량이 패닉을 안정화하거나 억제할 수 있는지 평가하기.
• 주 수준 및 국가 수준에서 다양한 검사 및 이동성 시나리오 하에서 향후 감염 추세를 예측하기.

제안 방법

• 모델은 개인을 네 가지 상태로 분류한다: 검사받고 감염된 상태, 검사받지 않았지만 감염된 상태, 검사받았지만 감염되지 않은 상태, 검사받지 않았고 감염되지 않은 상태.
• 지역 전파를 모델링하기 위해 지자체를 노드로, 지구간 이동을 정규화된 간선 가중치로 표현하는 메타집단 네트워크를 사용한다.
• 검사 비율, 이동성(θ), 감염 전파 등의 매개변수는 2020년 5월 7일의 실제 데이터와의 오차를 최소화하기 위해 그리드 서치를 통해 校정된다.
• 일일 검사량에 대한 선형 및 로그선형 증가 가정을 기반으로 주 수준 및 국가 수준의 확진자 수를 예측한다.
• 다양한 검사 증가율과 이동 조건을 시뮬레이션하여 감염 수의 안정화 및 제2차 유행 분석을 수행한다.
• 시간에 따른 시뮬레이션을 통해 충분한 검사량이 확보될 경우 감염 곡선이 평탄해지는 것을 검증한다.

실험 결과

연구 질문

• RQ1 지역 간 이동은 인도에서 코로나19의 지역 전파에서 전국 전파로의 영향을 어떻게 미치는가?
• RQ2 감염 곡선을 안정화하거나 뒤집기 위해 필요한 일일 검사 증가율은 어느 정도인가?
• RQ3 초기 억제 이후에 제2차 유행이 발생할 조건은 무엇인가?
• RQ4 봉쇄 조치와 검사가 지자체 및 국가 수준에서 패닉을 통제하는 데 얼마나 효과적인가?

주요 결과

• 선형 검사 증가율 r₁ = 5×10³ 건/일일 경우, 2020년 7월 7일 기준 예측 감염 수는 약 200만 건, 2020년 11월 7일에는 5900만 건, 연말에는 1.3억 건에 이를 것으로 예측된다.
• 로그선형 검사 증가율의 경우, 만약 억제 조치가 없다면 2020년 7월 7일 기준 530만 건, 11월 7일에는 8800만 건, 연말에는 2.2억 건의 감염이 발생할 것으로 모델이 예측한다.
• 감염 수의 안정화는 선형 또는 로그선형으로 증가하는 검사 비율일 때만 달성 가능하며, 특히 봉쇄 후 이동성이 증가하는 상황에서 더욱 중요하다.
• 제2차 유행은 일일 검사량이 요구되는 기준 이하로 떨어지면 초기 감소 이후에도 발생할 수 있으며, 특히 이동성이 증가할 경우 더욱 그렇다.
• 모델은 높은 검사 비율과 엄격한 이동 통제가 병행될 경우 재유행을 방지하고 제2차 유행을 피하는 데 필수적임을 보여준다.
• 모델의 예측 결과는 검사 비율과 지구간 이동성에 민감하며, 높은 검사 비율은 장기적인 감염 부담을 크게 감소시킨다.