[논문 리뷰] A Time-dependent SIR model for COVID-19

Yicheng Chen, Ping-En Lu외 1명|arXiv (Cornell University)|2020. 02. 28.

COVID-19 epidemiological studies참고 문헌 8인용 수 52

한 줄 요약

이 논문은 전파 및 회복 속도를 동적으로 추적하여 코로나19의 확산, 정점, 종식 시기를 고정밀도로 예측하는 시간에 따라 변하는 SIR 모델을 제안한다. 중국에서의 확진자 수에 대해 약 3%의 1일 예측 오차를 기록한다. 또한 무증상 전파, 집단면역 임계점, 사회적 거리두기 효과를 평가하기 위해 모델을 확장하여 전파율이 정점 이후에 R₀ < 1이 되며, 사회적 거리두기가 전파율 조절을 통해 R₀를 감소시킬 수 있음을 보여준다.

ABSTRACT

In this paper, we conduct mathematical and numerical analyses to address the following crucial questions for COVID-19: (Q1) Is it possible to contain COVID-19? (Q2) When will be the peak and the end of the epidemic? (Q3) How do the asymptomatic infections affect the spread of disease? (Q4) What is the ratio of the population that needs to be infected to achieve herd immunity? (Q5) How effective are the social distancing approaches? (Q6) What is the ratio of the population infected in the long run? For (Q1) and (Q2), we propose a time-dependent susceptible-infected-recovered (SIR) model that tracks 2 time series: (i) the transmission rate at time t and (ii) the recovering rate at time t. Such an approach is more adaptive than traditional static SIR models and more robust than direct estimation methods. Using the data provided by China, we show that the one-day prediction errors for the numbers of confirmed cases are almost in 3%, and the total number of confirmed cases is precisely predicted. Also, the turning point, defined as the day that the transmission rate is less than the recovering rate can be accurately predicted. After that day, the basic reproduction number $R_0$ is less than 1. For (Q3), we extend our SIR model by considering 2 types of infected persons: detectable and undetectable infected persons. Whether there is an outbreak in such a model is characterized by the spectral radius of a 2 by 2 matrix that is closely related to $R_0$. For (Q4), we show that herd immunity can be achieved after at least 1-1/$R_0$ fraction of individuals being infected. For (Q5) and (Q6), we analyze the independent cascade (IC) model for disease propagation in a configuration random graph. By relating the propagation probabilities in the IC model to the transmission rates and recovering rates in the SIR model, we show 2 approaches of social distancing that can lead to a reduction of $R_0$.

연구 동기 및 목표

• 변화하는 전파 및 회복 속도에 적응할 수 있는 동적 SIR 모델을 개발하여 전염병 예측 정확도를 향상시키는 것.
• 전파 속도가 회복 속도 이하로 떨어지는 전환점(Turning point)을 식별하여 유행의 정점과 종료 시기를 규명하는 것.
• 두 유형의 감염자(검출 가능 및 검출 불가능)를 포함한 모델을 사용하여 무증상 감염의 전파에 미치는 영향을 평가하는 것.
• 시간에 따라 변하는 전파율 조건 하에서 R₀에 대한 함수로서 집단면역 임계점을 정량화하는 것.
• 전파율 조절을 통한 전파율 감소를 통해 사회적 거리두기의 효과를 평가하는 것.

제안 방법

• 정적 모델보다 더 높은 적응력을 확보하기 위해 전파율과 회복 속도를 별도로 시간에 따라 변화시키는 시간에 따라 변하는 SIR 모델을 수립한다.
• 중국의 실시간 데이터를 활용해 전파율과 회복 속도를 校정함으로써 단기 예측의 정밀도를 향상시킨다.
• 전파율이 회복 속도 이하로 떨어지는 날을 전환점으로 정의하며, 이는 R₀ < 1이 되고 유행이 감소하기 시작하는 시점임을 나타낸다.
• 검출 가능한 및 검출 불가능한 감염자까지 포함한 SIR 모델을 확장하여, 2×2 행렬의 스펙트럼 반경을 통해 그 영향을 모델링한다. 이 스펙트럼 반경은 유행 가능성의 임계 조건을 결정한다.
• 구성 무작위 그래프 위에서 독립적 확산(IC) 모델을 적용하여 병원균 전파를 시뮬레이션하고, IC의 전파 확률을 SIR 모델의 파라미터와 연계한다.
• SIR 프레임워크 내에서 효과적 전파율을 낮춤으로써 R₀를 감소시키는 두 가지 사회적 거리두기 전략을 유도한다.

실험 결과

연구 질문

• RQ1 코로나19는 어떻게 통제될 수 있으며, 어떤 조건에서 가능한가?
• RQ2 시간에 따라 변하는 전파 및 회복 속도를 바탕으로 유행의 정점과 종료 시기는 언제인가?
• RQ3 무증상 감염은 질병 전파에 어떤 영향을 미치는가?
• RQ4 집단면역을 달성하기 위해 인구의 어느 정도 비율이 감염되어야 하는가?
• RQ5 사회적 거리두기 조치는 R₀ 감소 및 유행 통제에 얼마나 효과적인가?

주요 결과

• 시간에 따라 변하는 SIR 모델은 중국의 확진자 수를 약 3%의 1일 오차로 정확하게 예측하며, 총 확진자 수 예측도 높은 정확도를 보인다.
• 전파율이 회복 속도 이하로 떨어지는 전환점은 정확하게 예측 가능하며, 이는 R₀ < 1이 되고 유행이 감소하기 시작하는 시점임을 나타낸다.
• 검출 불가능한 감염자의 존재는 2×2 행렬의 스펙트럼 반경이 1을 초과할 경우 유행을 유발할 수 있으며, 이는 R₀ 유사 임계 조건을 나타낸다.
• 집단면역은 인구의 적어도 1 - 1/R₀ 비율이 감염된 이후에야 달성 가능하며, 이는 R₀에 의존하는 중요한 임계점임을 시사한다.
• 전파율을 낮추는 사회적 거리두기 전략은 R₀를 효과적으로 감소시키며, IC 모델을 통해 이러한 감소가 병원균 전파 역학의 측정 가능한 변화와 연결됨을 보여준다.
• 모델은 정적 SIR 모델 및 직접 추정 방법에 비해 예측 정확도에서 뛰어난 성능을 보이며, 강건성과 적응성을 입증한다.