[논문 리뷰] Bridging the COVID-19 Data and the Epidemiological Model using Time Varying Parameter SIRD Model

Cem Çakmaklı, Yasin Şimşek|arXiv (Cornell University)|2020. 07. 03.

COVID-19 epidemiological studies인용 수 9

한 줄 요약

이 논문은 코로나19 팬데믹 기간 동안 변화하는 전파 epidemiological 파ameters를 포착하기 위해 일반화된 자기회귀 스코어(GAS) 동역학을 사용하는 시간에 따라 변하는 파ameter를 가진 SIRD 모델을 제안한다. 매일의 수치 데이터를 바탕으로 감염률, 회복률, 사망률을 실시간으로 적응시킴으로써, 특히 단기 예측에서 고정 파am터 모델을 능가하는 뛰어난 예측 정확도를 달성하며, 다양한 팬데믹 경로에 걸쳐 뛰어난 강인성을 보여준다.

ABSTRACT

This paper extends the canonical model of epidemiology, SIRD model, to allow for time varying parameters for real-time measurement of the stance of the COVID-19 pandemic. Time variation in model parameters is captured using the generalized autoregressive score modelling structure designed for the typically daily count data related to pandemic. The resulting specification permits a flexible yet parsimonious model structure with a very low computational cost. This is especially crucial at the onset of the pandemic when the data is scarce and the uncertainty is abundant. Full sample results show that countries including US, Brazil and Russia are still not able to contain the pandemic with the US having the worst performance. Furthermore, Iran and South Korea are likely to experience the second wave of the pandemic. A real-time exercise show that the proposed structure delivers timely and precise information on the current stance of the pandemic ahead of the competitors that use rolling window. This, in turn, transforms into accurate short-term predictions of the active cases. We further modify the model to allow for unreported cases. Results suggest that the effects of the presence of these cases on the estimation results diminish towards the end of sample with the increasing number of testing.

연구 동기 및 목표

• 고정 파am터 SIRD 모델이 코로나19 팬데믹의 동적 진전을 포착하는 데 한계가 있음을 해결하기 위해.
• 시간에 따라 변하는 파am터를 허용하는 계산적으로 효율적이고 통계적으로 일관된 프레임워크를 개발하기 위해.
• 검사 데이터를 활용하여 모델에 미신고(무증상) 감염자를 통합함으로써 파am터 추정 정확도를 향상시키기 위해.
• 다양한 팬데믹 역학을 보이는 국가들에서 실시간 예측 성능을 평가하기 위해.
• 모델이 반복되는 파동과 변화하는 전파 역학을 낮은 계산 비용으로 추적할 수 있는 능력을 입증하기 위해.

제안 방법

• 일반화된 자기회귀 스코어(GAS) 프레임워크를 사용하여 감염률, 회복률, 사망률을 시간에 따라 변화시킬 수 있도록 고전적 SIRD 모델을 확장한다.
• 관측 기반 동역학을 적용하여 파am터 업데이트가 조건부 우도의 스코어에 의해 이뤄지도록 하여, 시간에 따라 변하는 파am터가 새로운 데이터에 반응하도록 보장한다.
• 불확실성 하에서 추론을 향상시키기 위해 베이지안 추정과 신뢰구간을 사용하며, 특히 초기 팬데믹 단계에서 데이터가 제한된 경우 유용하다.
• Grewelle와 De Leo(2020)의 접근 방식을 따르며, 검사율을 기반으로 한 구조적 조정을 통해 미신고 사례를 통합하여 저조도 편향을 보정한다.
• 실시간 예측 성능을 시뮬레이션하기 위해 확장 및 윈도우 이동 방식의 순차적 추정을 적용한다.
• 고정 파am터 SIRD 모델과의 예측 정확도 비교를 위해 RMSFE(예측 오차의 제곱근 평균 제곱 오차)를 사용한다.

실험 결과

연구 질문

• RQ1 GAS 동역학을 갖춘 시간에 따라 변하는 파am터 SIRD 모델이 고정 파am터 모델보다 코로나19 팬데믹의 실시간 역학을 더 잘 추적할 수 있는가?
• RQ2 감염률, 회복률, 사망률은 다양한 팬데믹 경험을 가진 국가들에서 시간이 지남에 따라 어떻게 변화하는가?
• RQ3 미신고 사례를 고려함으로써 파am터 추정 및 예측 정확도는 어느 정도 향상되는가?
• RQ4 다양한 윈도우 전략을 사용한 고정 파am터 모델과 비교했을 때 TVP-SIRD 모델의 실시간 예측 성능은 어떠한가?
• RQ5 모델의 유연성 덕분에 반복되는 팬데믹 파동이나 전파의 급격한 변화 기간 동안 더 정확한 예측이 이루어지는가?

주요 결과

• TVP-SIRD 모델은 확장 윈도우나 이동 윈도우를 사용한 고정 파am터 SIRD 모델보다 유의미하게 뛰어난 성능을 보이며, 특히 단기 예측(1~14일 전망)에서 뛰어난 성능을 보인다.
• 10일 이동 윈도우를 사용한 모델이 가장 유사한 경쟁자지만, TVP-SIRD 모델은 여전히 특히 1일 전망에서 상당히 뛰어난 예측 성능을 보인다.
• 대부분의 국가에서 복제율은 5 이상에서 시작하여 시간이 지남에 따라 감소하지만, 일부 국가에서는 제2파동과 관련하여 반복적인 증가를 보인다.
• 감염률은 초반에 높지만, 공중보건 조치에 따라 다양한 속도로 감소하는 반면, 의료 체계가 적응함에 따라 회복률은 낮은 초기 값에서 증가한다.
• 높은 검사율일수록 미신고 사례의 영향이 파am터 추정에 미치는 영향이 감소하며, 샘플 기간의 끝부분에 이르러 모든 국가의 모델 추정치가 유사한 수준으로 수렴한다.
• TVP-SIRD 모델은 장기 예측 수준(최대 14일)에서도 여전히 뛰어난 성능을 유지하며, 한국를 제외한 모든 국가에서 상대적 RMSFE 값이 일관되게 1 이하로 유지된다.