[논문 리뷰] A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model

Juan E. Santos, José M. Carcione외 4명|arXiv (Cornell University)|2020. 05. 12.

COVID-19 epidemiological studies참고 문헌 27인용 수 4

한 줄 요약

이 연구는 아르헨티나 부에노스 아이레스에서 코로나19 유행을 시뮬레이션하기 위해 校정된 SEIR 모델을 사용하며, 보고된 사망자 수를 활용해 핵심 전파 파rameter를 추정한다. 초기 봉쇄 조치는 성공을 거두었으나, $R_0$는 시간이 지남에 따라 증가하고 있으며, 통제 조치가 강화되지 않으면 감염자 수가 최대 900만 명에 이를 뿐 아니라 사망자 수도 크게 증가할 것으로 예측된다. 이는 전파 경향을 뒤집기 위해 지속적인 개입 전략이 시급하다는 점을 강조한다.

ABSTRACT

A pandemic caused by a new coronavirus has spread worldwide, affecting Argentina. We implement an SEIR model to analyze the disease evolution in Buenos Aires and neighbouring cities. The model parameters are calibrated using the number of casualties officially reported. Since infinite solutions honour the data, we show different cases. In all of them the reproduction ratio $R_0$ decreases after early lockdown, but then raises, probably due to an increase in contagion in highly populated slums. Therefore it is mandatory to reverse this growing trend in $R_0$ by applying control strategies to avoid a high number of infectious and dead individuals. The model provides an effective procedure to estimate epidemic parameters (fatality rate, transmission probability, infection and incubation periods) and monitor control measures during the epidemic evolution.

연구 동기 및 목표

• 부에노스 아이레스 수도권 지역에서의 코로나19 유행의 시간적 변화를 분할 모델(SEIR)을 사용해 모델링하기.
• 공식적으로 보고된 사망자 수를 기반으로 하여 전파율, 잠복기 및 전염기, 감염 후 사망률 등 주요 모델 파rameter를 校정하기. 사망자 수는 감염자 수보다 더 신뢰도가 높다고 간주된다.
• 초기 봉쇄 조치와 이후의 $R_0$ 추세가 유행 결과, 특히 감염자 및 사망자 수에 미치는 영향을 평가하기.
• 의료 체계 과부하를 방지하기 위해 상승하는 $R_0$ 경향을 뒤집는 데 효과적인 통제 전략의 효과를 평가하기.
• 핵심 바이로로지적 파rameter의 불확실성 하에서 유행 역학을 모니터링하고 예측할 수 있는 데이터 기반이며 계산적으로 실현 가능한 프레임워크를 제공하기.

제안 방법

• 연구는 1차 선형 미분방정식 시스템(ODE)을 사용하여 SEIR 분할: 감염 가능자(S), 잠복기자(E), 감염자(I), 제거자(R)를 표현한다.
• ODE 시스템은 전파율 $\beta$, 잠복기율 $\epsilon$, 전염율 $\gamma$, 자연사율 $\mu$, 질병 유도 사망율 $\alpha$ 등의 파rameter를 포함하며, 모두 1/시간 단위이다.
• 모델 校정은 부에노스 아이레스의 누적 보고 사망자 수를 사용하여 수행되며, 감염자 수보다 더 신뢰도가 높다고 간주되어 파rameter 추정에 활용된다.
• ODE 시스템의 수치적 해법으로 전진 오일러 방법을 사용하여, 다양한 파rameter 조합 하에서 매일의 감염자 및 사망자 수 피크를 시뮬레이션한다.
• 다양한 잠복기(예: 11일) 및 사망률을 고려한 여러 시나리오를 탐색하여 민감도 분석 및 예측 결과를 평가한다.
• 모든 인구의 균형(출생 및 자연사)을 고려하며, 이들이 상쇄된다고 가정하여 총 인구 수가 약간의 변화 없이 유지됨을 보장한다.

실험 결과

연구 질문

• RQ1 부에노스 아이레스에서 복귀 후 $R_0$는 시간이 지남에 따라 어떻게 변화하며, 봉쇄 후 재확산을 이끄는 요인은 무엇인가?
• RQ2 잠복기 및 전염기의 가장 타당한 추정치는 무엇이며, 이는 유행의 궤적에 어떤 영향을 미치는가?
• RQ3 감염 후 사망률(IFR) 및 전파 확률의 변동에 따라 예측된 감염자 및 사망자 수는 얼마나 민감한가?
• RQ4 초기 봉쇄 조치는 유행 피크를 얼마나 지연시키거나 줄일 수 있으며, 이후 $R_0$가 증가하면 어떤 위험이 따르는가?
• RQ5 상승하는 $R_0$ 경향을 뒤집어 치명적인 감염자 및 사망자 수를 방지하기 위해 가장 효과적인 통제 전략은 무엇인가?

주요 결과

• $R_0$는 초기 봉쇄 조치 이후 일시적으로 감소했으나, 다시 상승하기 시작하여 전파 재확산을 나타내며, 밀집된 슬럼 지역에서의 전파 증가가 주요 원인일 가능성이 높다.
• 잠복기가 11일일 경우, 짧은 잠복기보다 최종적으로 약 3배 많은 사망자가 발생한다.
• 상승하는 $R_0$ 경향이 계속된다면, 모델은 부에노스 아이레스에서 감염자 수가 400만 명에서 900만 명 사이로 예측되며, 이에 따라 사망자 수도 급격히 증가할 것으로 보인다.
• 감염 후 사망률(IFR)은 0.5%에서 2% 사이로 추정되며, 공식 사망자 수에 대한 校정을 통해 유도된 사례 기반 값은 0.84%이다.
• 교정된 파rameter를 사용하여 모델은 관측된 사망 곡선을 성공적으로 재현하였으며, 이는 데이터 불확실성 하에서 예측 도구로의 활용 가능성을 검증한다.
• 연구는 단순한 초기 조치만으로는 부족하며, 증가하는 $R_0$ 경향을 뒤집고 치명적인 결과를 방지하기 위해 지속적인 통제 조치가 필수적임을 입증한다.