[논문 리뷰] Day Level Forecasting for Coronavirus Disease (COVID-19) Spread: Analysis, Modeling and Recommendations

Haytham H. Elmousalami, Aboul Ella Hassanien|arXiv (Cornell University)|2020. 03. 15.

COVID-19 epidemiological studies참고 문헌 11인용 수 68

한 줄 요약

이 논문은 시간 계열 및 수학적 형식을 사용하여 COVID-19 확산에 대한 일(day)-수준 예측 모델을 비교하고 사회적 거리두기 조치가 사례 증가에 미치는 영향을 논의한다.

ABSTRACT

In mid of March 2020, Coronaviruses such as COVID-19 is declared as an international epidemic. More than 125000 confirmed cases and 4,607 death cases have been recorded around more than 118 countries. Unfortunately, a coronavirus vaccine is expected to take at least 18 months if it works at all. Moreover, COVID -19 epidemics can mutate into a more aggressive form. Day level information about the COVID -19 spread is crucial to measure the behavior of this new virus globally. Therefore, this study presents a comparison of day level forecasting models on COVID-19 affected cases using time series models and mathematical formulation. The forecasting models and data strongly suggest that the number of coronavirus cases grows exponentially in countries that do not mandate quarantines, restrictions on travel and public gatherings, and closing of schools, universities, and workplaces (Social Distancing).

연구 동기 및 목표

• 2020년 초에 COVID-19 확산을 전 세계적으로 이해하기 위한 day-level 데이터의 중요성을 강조한다.
• 일별 해상도에서 예측 모델을 비교한다.
• 다양한 정책 대응하에 모델 분석 및 관찰된 성장 패턴에 기초하여 권고안을 제공한다.

제안 방법

• COVID-19 영향 사례를 대상으로 시간 계열 모델과 수학적 형식을 사용하여 일별 수준의 예측 모델을 비교한다.
• 전개 동학을 분석하기 위해 지수적 증가를 고려한다.
• 모델 분석 및 사회적 거리두기와 같은 관찰된 정책 영향에 기초하여 권고안을 제시한다.

실험 결과

연구 질문

• RQ1 다국가의 COVID-19 사례 데이터에서 day-level 예측 모델의 성능은 어떠한가?
• RQ2 격리, 여행 제한, 학교/직장 폐쇄와 같은 개입이 day-level 성장 패턴 형성에 어떤 역할을 하는가?
• RQ3 시간 계열 및 수학적 형식 접근법이 코로나19 초기 확산 시기에 관찰된 지수적 성장을 포착할 수 있는가?

주요 결과

• 격리, 여행 제한, 학교·대학 및 직장 폐쇄를 의무화하지 않는 국가에서 코로나바이러스 확진자 수는 지수적으로 증가한다.
• 본 연구는 시간 계열 및 수학적 형식을 사용한 day-level 예측 모델의 비교를 제시한다.
• 예측 모델과 데이터는 정책 조치가 COVID-19 확산의 성장 역학에 영향을 준다는 것을 시사한다.