[논문 리뷰] Estimating SARS-CoV-2-positive Americans using deaths-only data

James E. Johndrow, Kristian Lum외 1명|arXiv (Cornell University)|2020. 04. 06.

COVID-19 epidemiological studies인용 수 5

한 줄 요약

이 연구는 미국 내 SARS-CoV-2 감염의 실제 수를 추정하기 위해 사망자 데이터만을 사용하는 베이지안 모델을 개발하며, 확인된 감염 사례의 심각한 부족 수치를 드러낸다. 연구는 사회적 거리두기 정책의 영향이 주별로 상이하게 작용했음을 발견하였으며, 캘리포니아, 플로리다, 뉴욕, 워싱턴 주는 유사한 데이터 제약 조건에도 불구하고 상이한 전염병 역학을 보였다.

ABSTRACT

Understanding the number of individuals who have been infected with the novel coronavirus SARS-CoV-2, and the extent to which social distancing policies have been effective at limiting its spread, are critical for effective policy going forward. Here we present estimates of the extent to which confirmed cases in the United States undercount the true number of infections, and analyze how effective social distancing measures have been at mitigating or suppressing the virus. Our analysis uses a Bayesian model of COVID-19 fatalities with a likelihood based on an underlying differential equation model of the epidemic. We provide analysis for four states with significant epidemics: California, Florida, New York, and Washington. Our short-term forecasts suggest that these states may be following somewhat different trajectories for growth of the number of cases and fatalities.

연구 동기 및 목표

• 확인된 감염 사례 데이터가 부족한 상황에서 미국 내 실제 SARS-CoV-2 감염 수를 추정하기 위해.
• 사망자 데이터만을 사용하여 사회적 거리두기 정책의 전파 억제 효과를 평가하기 위해.
• 베이지안 프레임워크를 활용해 주요 전염병 발생이 발생한 주의 전염병 역학을 모델링하기 위해.
• 우도 기반 미분방정식 모델을 통해 확인된 사례와 실제 감염 수의 격리 정도를 정량화하기 위해.
• 캘리포니아, 플로리다, 뉴욕, 워싱턴 주의 사례 및 사망자 증가에 대한 단기 예측을 제공하기 위해.

제안 방법

• 사망자 데이터만을 입력으로 사용하는 베이지안 계층 모델을 구축함.
• 우도 함수는 전염병 과정의 미분방정식 모델에 기반하며, 전파 역학을 캡처함.
• 실제 감염 수와 확인된 사례 수 간의 비율을 추정하여 감염 수의 부족 수치를 고려함.
• 전염, 검사 및 개입 시기의 주별 차이를 반영하기 위해 주별 매개변수를 추정함.
• 불확실성 추정을 위해 마르코프 체인 몬테카를로를 사용하여 사후 분포를 샘플링함.
• 사후 예측 분포를 활용하여 사례 및 사망자 증가에 대한 단기 예측을 생성함.

실험 결과

연구 질문

• RQ1 확인된 SARS-CoV-2 감염 사례가 미국 내 실제 감염 수를 얼마나 심각하게 부족하게 기록하고 있는가?
• RQ2 미국의 각 주에서 사회적 거리두기 조치가 바이러스 전파 억제에 얼마나 효과적이었는가?
• RQ3 캘리포니아, 플로리다, 뉴욕, 워싱턴 주의 단기 사례 및 사망자 증가 추세는 어떻게 예측되는가?
• RQ4 사망자 데이터만을 사용할 경우 전염병 역학이 주별로 어떻게 다를 수 있는가?
• RQ5 사망자 데이터만을 사용하여 실제 감염 유병률을 추정할 때의 불확실성은 어느 정도인가?

주요 결과

• 모델은 확인된 사례가 실제 감염 수를 심각하게 부족하게 기록하고 있으며, 주별로 상당한 변동이 있음을 추정함.
• 사회적 거리두기 조치는 측정 가능한 영향을 미쳤지만, 그 효과는 주별로 상이하였으며, 뉴욕은 플로리다보다 더 강력한 억제 효과를 보였음.
• 캘리포니아와 워싱턴은 뉴욕과 플로리다에 비해 사망자 증가 속도가 느리게 나타나, 전염병 통제 효과에 차이가 있음을 시사함.
• 사망자 데이터만을 사용하여도 사례 및 사망자 추세의 신뢰할 수 있는 단기 예측을 생성함.
• 베이지안 프레임워크는 감염 추정치와 전염병 역학의 불확실성을 성공적으로 정량화함.
• 분석 결과, 주별 전염병 역학은 서로 다름을 드러냄. 이는 사망자 데이터만을 사용한 경우에도 마찬가지임.