[논문 리뷰] A SIDARTHE Model of COVID-19 Epidemic in Italy

Giulia Giordano, Franco Blanchini외 6명|arXiv (Cornell University)|2020. 03. 22.

COVID-19 epidemiological studies참고 문헌 31인용 수 671

한 줄 요약

이 논문은 진단 여부 및 중증도 구분을 갖는 여덟 구획 전염 프레임워크인 SIDARTHE 모델을 도입하여 이탈리아의 COVID-19 역학을 예측하고 보정된 재생산 수와 시나리오 분석을 사용해 대응책을 평가한다.

ABSTRACT

In late December 2019, a novel strand of Coronavirus (SARS-CoV-2) causing a severe, potentially fatal respiratory syndrome (COVID-19) was identified in Wuhan, Hubei Province, China and is causing outbreaks in multiple world countries, soon becoming a pandemic. Italy has now become the most hit country outside of Asia: on March 16, 2020, the Italian Civil Protection documented a total of 27980 confirmed cases and 2158 deaths of people tested positive for SARS-CoV-2. In the context of an emerging infectious disease outbreak, it is of paramount importance to predict the trend of the epidemic in order to plan an effective control strategy and to determine its impact. This paper proposes a new epidemic model that discriminates between infected individuals depending on whether they have been diagnosed and on the severity of their symptoms. The distinction between diagnosed and non-diagnosed is important because non-diagnosed individuals are more likely to spread the infection than diagnosed ones, since the latter are typically isolated, and can explain misperceptions of the case fatality rate and of the seriousness of the epidemic phenomenon. Being able to predict the amount of patients that will develop life-threatening symptoms is important since the disease frequently requires hospitalisation (and even Intensive Care Unit admission) and challenges the healthcare system capacity. We show how the basic reproduction number can be redefined in the new framework, thus capturing the potential for epidemic containment. Simulation results are compared with real data on the COVID-19 epidemic in Italy, to show the validity of the model and compare different possible predicted scenarios depending on the adopted countermeasures.

연구 동기 및 목표

• 진단된 감염과 진단되지 않은 감염 및 다양한 중증도 수준을 구분하는 동적 모델을 제공하여 이탈리아의 COVID-19 확산을 더 잘 예측한다.
• 테스트와 사회적 거리두기가 전파와 의료 수요에 미치는 영향을 정량화한다.
• 모델을 초기 이탈리아 데이터로 보정하고 대응책 시나리오를 비교한다.
• SIDARTHE 프레임워크에서 재생산 수를 정의하고 해석하여 억제 가능성을 평가한다.

제안 방법

• SIDARTHE를 SIR의 확장으로 여덟 상태로 제안한다: S, I, D, A, R, T, H, E.
• 식 1–8에 해당하는 여덟 개 결합 상미분방정식으로 상태 간 전이를 정식화한다.
• 출력은 선형 출력방정식(10–12)을 통해 감염 역학 및 보건 수요(ICU 필요)를 포함한다.
• IDART 하위 시스템을 피드백 이득 S(t)와 함께 양의 선형 시스템으로 표현하고 안정성 임계값 S*를 도출(식 9–13, 명제 1).
• 모델 매개변수로부터 시간에 따라 변하는 기본 재생산 수 R0를 정의(식 18)하고 장기 안정성과 S̄ 및 R0의 관계를 설명(식 17–19).
• 장기적 시야의 상태 경계에 대한 닫힌 형식 관계(식 20–22) 및 CFR 인식을 제공(식 24–30).

실험 결과

연구 질문

• RQ1 진단된 감염과 진단되지 않은 감염 및 다양한 중증도 수준을 구분하는 예측 전염병 모델에 어떻게 통합할 수 있는가?
• RQ2 SIDARTHE 프레임워크에서 유효 재생산 수는 무엇이며 이것이 최종 감수성 분수와 어떻게 관련되는가?
• RQ3 사회적 거리두기와 테스트 전략은 이탈리아의 전염병 피크, 최종 규모 및 의료 수요에 어떤 변화를 주는가?
• RQ4 다양한 테스트 체계 하에서 실제 CFR과 인식되는 CFR 사이의 차이를 이 모델이 설명할 수 있는가?

주요 결과

• 이탈리아에 대한 초기 보정(Feb 20–Mar 12, 2020)으로 기본 재생산 수는 R0 = 2.38이다.
• 초기 대응책(4일째부터) 이후 R0가 1.66으로 감소하여 전파가 완화되었음을 반영한다.
• 추가 대응책이 없으면 모델은 약 인구의 73%가 감염되고 사망 비율이 5.2%로 300일 동안 발생할 것으로 예측한다(진단된 비율 64%).
• 모델은 실제 CFR(≈7.2%)과 인지된 CFR(≈9.0%)을 구분한다.
• 완화된 사회적 거리두기 시나리오는 피크를 지연시키지만 방지하지는 못하고, 더 강한 대책은 R0를 1 미만으로 낮추고 피크 감염 및 ICU 수요를 현저히 감소시킬 수 있다.
• 피크 ICU 필요성이 무제한 확산 하에서 인구의 약 16.5%까지 도달할 수 있으며, 강한 대책은 이를 크게 억제한다.