[논문 리뷰] A Note on the Evolution of Covid-19 in Italy

G. Dattoli, E. Di Palma외 2명|arXiv (Cornell University)|2020. 03. 19.

Complex Systems and Time Series Analysis참고 문헌 9인용 수 6

한 줄 요약

이 논문은 물리학 및 자원 동역학에서 흔히 사용되는 로지스틱 및 허버트 곡선 모델을 적용하여 이탈리아의 코로나19 감염의 진전을 예측한다. 일일 감염 데이터를 로지스틱 함수로 피팅하여 정점 감염률과 포화 수준을 추정하며, 약 제23일경 일일 약 2,850건의 새로운 감염 사례에 도달할 것으로 예측한다. 이와 동시에 고姆페르츠 모델은 더 비대칭적이고 넓은 정점(약 일일 1,648건)을 제공한다.

ABSTRACT

We employ methods largely exploited in Physics, in the analysis of the evolution of dynamical systems, to study the pattern of the Covid-19 infection in Italy. The techniques we employ are based on the use of logistic function and of its derivative, namely the Hubbert function. The latter is exploited to give a prediction on the number of infected per day. We also mention the possibility of taking advantage from other mathematical tools based e.g. on the Gompertz equation and make some comparison on the different predictive capabilities.

연구 동기 및 목표

• 물리학에서 사용되는 수학적 도구를 활용하여 이탈리아의 SARS-CoV-2 감염의 시간적 진전을 모델링하기 위해.
• 로지스틱 및 허버트 함수를 사용하여 일일 감염 정점 수와 포화 시점 예측하기 위해.
• 전염병 역학에 대한 예측 성능을 비교하기 위해 로지스틱 모델과 고姆페르츠 모델을 비교하기 위해.
• 다양한 의료 능력 기준 이하에서 치료되지 않을 수 있는 환자 수 추정하기 위해.
• 완전한 SIR 유형의 전염병 프레임워크에 비해 단순화된 모델의 한계 평가하기 위해.

제안 방법

• 누적 감염을 시간에 따라 모델링하기 위해 로지스틱 함수 $ N(\tau) = N_0 \frac{e^{r\tau}}{1 + \frac{N_0}{K}(e^{r\tau} - 1)} $ 를 사용한다.
• 로지스틱 함수의 도함수인 허버트 곡선을 사용하여 일일 신규 감염을 모델링한다.
• 이탈리아 보건부의 초기 전염병 데이터를 사용하여 모델 파라미터 $ r $ (성장률) 및 $ K $ (수용 능력)를 피팅한다.
• 비대칭성과 정점 시점 비교를 위해 고姆페르츠 모델 $ G(\tau) = \alpha e^{-\beta e^{-\gamma \tau}} $ 를 대안으로 적용한다.
• 의료 능력 기준 $ \overline{N} $ 와 허버트 곡선을 비교하여 치료되지 않을 수 있는 환자 수 $ \Delta $ 를 계산한다.
• 수치적 해법을 사용하여 감염률이 기준 $ \overline{N} $ 를 초과하는 시간 간격 $ \tau_{\pm} $ 를 결정한다.

실험 결과

연구 질문

• RQ1 로지스틱 및 허버트 함수는 이탈리아의 코로나19 일일 감염 곡선을 정확하게 모델링할 수 있는가?
• RQ2 예측된 일일 감염 정점 수는 얼마이며, 언제 발생할 것인가?
• RQ3 고姆페르츠 모델은 관측된 데이터에 대한 피팅과 정점 시점 예측에서 로지스틱 모델에 비해 어떻게 비교되는가?
• RQ4 다양한 성장 시나리오 하에서 의료 능력 기준을 초과하는 환자 수는 추정되는가?
• RQ5 라벤디아와 같은 지역적 격차는 국가 수준의 모델 예측에 어떤 영향을 미치는가?

주요 결과

• 로지스틱 모델은 정점으로서 일일 2,850건의 새로운 감염을 예측하며, 전염병 시작 후 $ \tau^* = 23 $ 일에 발생한다.
• 고姆페르츠 모델은 정점으로서 일일 1,648건의 새로운 감염을 예측하며, $ \tau_G^* = 18 $ 일에 발생한다.
• 모델의 민감도 분 析에 따르면, 성장률 $ r $ 이 높을수록 치료되지 않을 수 있는 환자 수 $ \Delta $ 가 크게 증가한다.
• 모델은 정점 감염의 약 10%가 중환자 치료가 필요할 경우, 일일 약 300명의 환자가 표준 의료 능력을 초과할 것으로 제안한다.
• 고姆페르츠 모델은 로지스틱 모델보다 더 비대칭적이고 넓은 곡선을 생성하며, 이는 관측된 데이터 추세와 더 잘 부합한다.
• 분석 결과, 국가 수준의 추세는 지역적 변동성을 가리킬 수 있으며, 북부 이탈리아(예: 라벤디아)가 초기 전염병 역학을 주도하고 있어 향후 단계에서 이중 로지스틱 행동이 나타날 가능성 있음을 시사한다.