[논문 리뷰] Asymptomatic infectives and $R_0$ for COVID

Giuseppe Gaeta|arXiv (Cornell University)|2020. 03. 31.

COVID-19 epidemiological studies참고 문헌 6인용 수 8

한 줄 요약

이 논문은 확산 기간이 더 길어지는 무증상 감염자들을 고려한 확장된 SIR 모델(A-SIR)을 도입하여 코로나19의 기본 재생수 $R_0$를 재검토한다. 그 결과, 무증상 감염자의 장기적인 전파 기간으로 인해 실제 $R_0$는 기존 표준 SIR 모델 추정치보다 최대 2.5배 높아진다. 모델은 무증상 사례를 간과할 경우 전염병 확산이 심각하게 과소평가되고 정책 결정이 잘못될 수 있음을 보여준다.

ABSTRACT

We discuss how the presence of a large set of asymptomatic infectives changes our estimate of the COVID-19 basic reproduction number, also known as $R_0$.

연구 동기 및 목표

• 코로나19에서 무증상이지만 전파 가능한 개인의 비율이 매우 높기 때문에 표준 SIR 모델에서 $R_0$가 과소평가되는 문제를 해결하기 위해.
• 무증상 환자의 장기적인 전파 기간이 바이러스의 실제 전파 가능성을 어떻게 영향을 미치는지 정량화하기 위해.
• 무증상 전파를 간과할 경우 표준 SIR 기반 $R_0$ 추정치가 공중보건 정책 결정을 잘못 이끌 수 있음을 입증하기 위해.
• 이탈리아의 실제 데이터를 기반으로 A-SIR 모델을 검증하여 누적 사례 수와 제거 동역학에 대해 개선된 맞춤성을 보여주기 위해.
• 특히 봉쇄 조치 전환기 동안, 단순한 SIR 모델에 의존할 경우의 위험을 부각하기 위해.

제안 방법

• 증상이 있는 ($I$) 및 무증상 ($J$) 감염자 두 종류의 감염자 집단과, 등록된 ($R$) 및 미등록된 ($U$) 제거 집단을 포함한 A-SIR 모델을 제안한다.
• 다른 제거 속도를 도입한다: 증상이 있는 경우 $\beta^{-1} \approx 7$ 일, 무증상인 경우 $\eta^{-1} \approx 21$ 일.
• 전파를 $\alpha S(I+J)$로 모델링하며, $I$와 $J$가 동일하게 전파 가능하다고 가정하고, 새로운 감염의 약 $\xi \approx 1/10$에서 $1/7$이 감지된다고 본다.
• 효과적 재생수 $\widehat{R}_0 = \frac{\alpha S_0}{B}$를 유도하며, 여기서 $B = \xi\beta + (1-\xi)\eta$는 평균 제거 속도이다.
• 정책적 간섭을 모델링하기 위해 시간에 따라 변하는 전파율 $\alpha(t) = \mu(t)\alpha_0$를 적용하며, $\mu(t)$는 시간에 따라 조각별로 일정하다.
• 이탈리아의 전염병 데이터에 A-SIR 모델을 적합시키며, $\alpha_0 = 7.15 \times 10^{-8}$를 사용하고 공식 누적 $R(t)$ 데이터와 결과를 검증한다.

실험 결과

연구 질문

• RQ1 무증상 감염자가 존재할 경우, 표준 SIR 추정치와 비교해 코로나19의 진정한 기본 재생수 $R_0$는 어떻게 달라지는가?
• RQ2 감지되지 않은 무증상 환자의 전파 기간이 더 길 경우, 전염병 역학과 통제 조치에 어떤 영향을 미치는가?
• RQ3 무증상 전파를 간과할 경우 표준 SIR 기반 $R_0$ 추정치가 정책 결정을 어떻게 잘못 이끌 수 있는가?
• RQ4 A-SIR 모델이 이탈리아의 누적 사례 수와 같은 실제 전염병 데이터를 얼마나 정확하게 재현할 수 있는가?
• RQ5 간섭으로 인해 전파율 $\alpha(t)$가 변화할 경우, SIR와 A-SIR 프레임워크에서 $R_0$ 추정의 신뢰성은 어떻게 달라지는가?

주요 결과

• 무증상 감염자를 간과할 경우, 그들의 더 긴 전파 기간으로 인해 진정한 $R_0$가 최대 $5/2 = 2.5$ 배 과소평가된다.
• 효과적 재생수 $\widehat{R}_0 = \frac{\beta}{B} R_0$는 $B < \beta$ 이므로 표준 $R_0$보다 크며, 이는 무증상 환자의 제거 속도가 더 느리다는 것을 반영한다.
• 이탈리아 전염병에서 $\beta^{-1} \approx 7$ 일, $\eta^{-1} \approx 21$ 일일 경우 A-SIR 모델이 공식 누적 사례 데이터에 잘 맞는다.
• 정책 변화 후 $\alpha(t)$의 변화를 고려하지 않는 '단순한' SIR 모델은 중간 단계($t_1 < t < t_2$)에서 위험을 과대평가하여 전염병이 여전히 확산 중임에도 불구하고 안전하다고 잘못 판단한다.
• 반대로, 시간에 따라 변하는 $\alpha(t)$를 고려하지 않는 단순한 SIR 모델은 $t > t_2$ 이후에도 계속 확산 중이라고 잘못 추정하지만, A-SIR 모델에 따르면 실제로는 자가 진화가 멈추고 있다.
• SIR와 A-SIR 추정치 사이의 격차는 잘못된 $R_0$ 추정에 기반한 정책 오류—예기치 않게 봉쇄를 풀거나 불필요하게 장기 봉쇄를 유지하는 것—의 위험을 드러낸다.