[논문 리뷰] Estimating the number of SARS-CoV-2 infections and the impact of social distancing in the United States

James E. Johndrow, Kristian Lum외 2명|arXiv (Cornell University)|2020. 04. 06.

COVID-19 epidemiological studies참고 문헌 14인용 수 7

한 줄 요약

이 연구는 코로나19 사망자 데이터를 기반으로 한 베이지안 계층 모델을 사용하여 미국 내 SARS-CoV-2 감염 수와 사회적 거리두기 정책의 영향을 추정하며, 확인된 감염자 수가 실제 감염자 수를 5배에서 25배 정도 낮게 기록하고 있음을 밝혀냈다. 모델은 뉴욕의 유행이 이미 정점에 도달했을 가능성이 있으며, 캘리포니아와 플로리다에서는 여전히 증가 추세일 수 있음을 보여주며, 감염 사망률(IFR)과 정책 준수 정도에 대한 가정에 민감하게 반응한다.

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

• 확진자 수의 기록 부족을 보정하여 미국 내 진짜 SARS-CoV-2 감염 수를 추정하기.
• 주요 미국 주들에서 바이러스 전파를 억제하는 데에 사회적 거리두기 정책이 얼마나 효과적인지 평가하기.
• 확진자 및 입원자 데이터의 신뢰성에 문제가 있어, 유일하게 신뢰할 수 있는 데이터—즉, 사망자 수—만을 사용하는 모델 개발하기.
• 감염 사망률(IFR)의 불확실성과 그것이 감염 및 전파 추정에 미치는 영향을 정량화하기.
• 신뢰할 수 있는 신뢰구간을 제공하는 원칙적인 베이지안 프레임워크를 사용하여 해석 가능하고 매개변수 식별이 가능한 예측 제공하기.

제안 방법

• Epidemic 역학의 표준 SIR 분할 모델을 기반으로 한 베이지안 계층 모델을 구축하며, 모델 매개변수를 사망자 데이터에서 추정한다.
• 감염자 수와 사망자 수 사이의 관계를 시간별 사망 분포와 가정된 감염 사망률(IFR)을 통해 연결하며, IFR는 핵심적인 불확실한 매개변수로 간주된다.
• 관측된 사망자 수의 가능성을 기반으로 한 우도 함수를 구성하며, 이는 기저의 감염 경로와 IFR에 따라 결정된다.
• 모델 피팅과 전파율(β), 회복율(γ), R₀에 대한 사후 분포 생성을 위해 마르코프 체인 몬테카를로(MCMC) 샘플링을 사용한다.
• 모델은 뉴욕, 캘리포니아, 플로리다, 워싱턴 주의 사망자 데이터에 적용되며, 다양한 IFR 가정 조건 하에서 결과를 보고한다.
• 외부 임상 데이터로부터 시간별 사망 분포를 고정하고, IFR를 다중 시나리오로 설정된 초모수로 간주함으로써 모델의 식별성 향상

실험 결과

연구 질문

• RQ1 미국의 확진자 수 기록이 실제 SARS-CoV-2 감염 수를 어느 정도 낮게 기록하고 있는가?
• RQ2 다양한 미국 주에서 사회적 거리두기 정책이 바이러스 전파 억제에 얼마나 효과적인가?
• RQ3 유행의 주별 경로는 어떻게 되며, 전파 정점은 언제 도래할 수 있는가?
• RQ4 감염 사망률(IFR)의 불확실성에 따라 추정치는 얼마나 민감하게 반응하는가?
• RQ5 확진자 및 입원자 보고의 한계를 감안할 때, 사망자 데이터만으로 신뢰할 수 있는 유행 예측를 도출할 수 있는가?

주요 결과

• 미국의 확진자 수 기록은 가정된 감염 사망률에 따라 실제 감염 수를 약 5배에서 25배 정도 낮게 기록하고 있다.
• 뉴욕의 유행은 정점에 도달했을 가능성이 있으며, 현재 정책 조건 하에서 사망자 수가 감소할 것으로 예측된다.
• 캘리포니아는 아직 정점 전 단계일 수 있으며, 현재 정책 하에서 사망자 수의 지속적인 상승 추세가 기대된다.
• 플로리다에서는 사망자 수가 느리게 증가할 것으로 예측되어 유행의 지속적 확산을 시사한다.
• 모델의 예측은 특히 유행 초기 단계에서 보고 지연 및 기록 오류와 같은 데이터 품질 문제에 민감하게 반응한다.
• 연구는 확진자 및 입원자 데이터가 신뢰할 수 없을 경우 사망자 데이터가 진짜 감염 부담을 추정하는 데 가장 신뢰할 수 있는 지표임을 강조한다.