[논문 리뷰] Extracting the effective contact rate of COVID-19 pandemic

Gaurav Goswami, J. Prasad외 1명|arXiv (Cornell University)|2020. 04. 16.

COVID-19 epidemiological studies참고 문헌 21인용 수 9

한 줄 요약

이 논문은 확진자 수 시간 시리즈 데이터에서 수정된 SEIR 모델을 사용하여 코로나19 팬데믹 동안 시간에 따라 변하는 효과적 접촉률 β(t)를 추출하는 방법을 제안한다. 실제 데이터에서 β(t)를 재구성하고, 물리적으로 비합리적인 음수 값과 노이즈를 제거하기 위해 스무딩 기법을 적용함으로써, 다양한 인구 집단에서 전파 역학에 대한 억제 조치의 영향을 견고하게 평가할 수 있다.

ABSTRACT

In the absence of any available vaccines or drugs, prevention of the spread of Coronavirus Disease 2019 (COVID-19) pandemic is being achieved by putting many mitigation measures in place. It is indispensable to have robust and reliable ways of evaluating the effectiveness of these measures. In this work, we assume that, at a very coarse-grained level of description, the overall effect of all the mitigation measures is that we can still describe the spread of the pandemic using the most basic Susceptible-Exposed-Infectious-Removed ($SEIR$) model but with an "effective contact rate" ($β$) which is time-dependent. We then use the time series data of the number of infected individuals in the population to extract the instantaneous effective contact rate which is the result of various social interventions put in place. This approach has the potential to be significantly useful while evaluating the impact of mitigation measures on the spread of COVID-19 in near future.

연구 동기 및 목표

• 코로나19 팬데믹 기간 동안 동적 억제 조치를 고려하여 순시 효과적 접촉률 β(t)를 추정하기 위한 데이터 기반 방법을 개발하기 위해.
• 실제 감염자 수 데이터에서의 원시 β(t) 재구성에서 발생하는 물리적으로 비합리적인 음수 값과 노이즈 문제를 해결하기 위해.
• 봉쇄 및 사회적 거리 두기와 같은 사회적 개입의 누적 효과를 반영하는 물리적으로 해석 가능한 스무딩 처리된 β(t)를 제공하기 위해.
• 정책 일정과 연계하여 다양한 국가 간 억제 전략의 비교 분석을 가능하게 하기 위해.
• 알려진 개입 역사를 기반으로 SEIR 모델을 시간에 따라 진전시켜 향후 전염병 예측을 지원하기 위해.

제안 방법

• SEIR 모델의 미분 방정식을 사용하여 확진 감염자 수 시간 시리즈 데이터에서 원시 β(t)를 재구성한다.
• 관측된 유병률 데이터의 수치적 미분을 적용하여 감염자 수의 변화율을 추정함으로써 β(t)의 역행 계산을 가능하게 한다.
• 원시 β(t)가 복구율(γ)과 잠복기율(σ) 추정치의 노이즈와 불확실성으로 인해 물리적으로 비합리적인 음수 값을 유도할 수 있음을 규명한다.
• 이동 평균 또는 스퍼링 스무딩과 같은 스무딩 기법을 제안하여 임의의 변동성을 제거하고 물리적으로 타당한 β(t)를 생성한다.
• 스무딩된 β(t)를 사용하여 SEIR 방정식을 시간에 따라 전진시켜, 알려진 억제 정책 하에서 향후 감염 경로를 예측할 수 있도록 한다.
• 6개 국가의 확진자 수 데이터에 이 방법을 적용하여 타당성과 강건성을 입증한다.

실험 결과

연구 질문

• RQ1 노이즈가 있는 실제 코로나19 확진자 수 시간 시리즈 데이터에서 효과적 접촉률 β(t)를 신뢰성 있게 추출하는 방법은 무엇인가?
• RQ2 원시 β(t) 재구성에서 물리적으로 비합리적인 음수 값이 발생하는 원인은 무엇이며, 이를 어떻게 수정할 수 있는가?
• RQ3 스무딩된 β(t)가 봉쇄 및 사회적 거리 두기와 같은 다수의 억제 조치의 병합된 영향을 얼마나 정확히 반영할 수 있는가?
• RQ4 미리 알려진 억제 정책이 있을 경우 β(t)를 사용하여 향후 전염병 경로를 예측할 수 있는가?
• RQ5 다른 국가들의 β(t) 프로파일은 어떻게 비교되며, 각 정책의 상대적 효과성에 대해 어떤 통찰을 제공하는가?

주요 결과

• 실제 감염자 수 데이터에서 원시 β(t)를 재구성하면, γ 및 σ 매개변수의 노이즈와 불확실성으로 인해 물리적으로 비합리적인 음수 값이 자주 발생한다.
• 스무딩 기법은 비합리적인 변동성을 크게 감소시키고 음수 값을 완전히 제거하여 물리적으로 해석 가능한 β(t)를 생성한다.
• 스무딩된 β(t)는 소수의 매개변수로 기술될 수 있어, 다양한 인구 집단 간 억제 전략의 비교를 효율적으로 가능하게 한다.
• 이 방법은 6개 국가에 대해 β(t)를 성공적으로 재구성하여 실제 데이터에 대한 타당성을 입증한다.
• 재구성된 β(t)를 사용하면 SEIR 역학의 신뢰할 수 있는 향후 시뮬레이션을 수행할 수 있으며, 알려진 정책 시나리오 하에서 감염 추세 예측이 가능하다.
• 이 방법은 복잡하고 동시에 시행되는 억제 조치가 팬데믹 확산에 미치는 영향을 평가하기 위한 거시적이고 강건한 프레임워크를 제공한다.