[논문 리뷰] Forecasting hospital demand during COVID-19 pandemic outbreaks

Capistrán Ma, Ana Cláudia Niedhardt Capella외 1명|arXiv (Cornell University)|2020. 06. 02.

COVID-19 epidemiological studies인용 수 11

한 줄 요약

이 연구는 코로나19 팬데믹 기간 동안 병원 수요를 예측하기 위해 명시적인 잠복기, 감염 및 입원 동역학을 포함한 베이지안 SEIRD 분할 모델을 개발한다. 확진자 수와 사망자 수 데이터를 시간에 따라 변하는 접촉률과 봉쇄로 인한 단절점과 통합함으로써, 멕시코 연방 정부가 70개 이상의 메트로폴리탄 지역과 전국 32개 주에서 공중보건 정책 결정에 사용할 수 있는 실시간, 확률론적 예측을 제공한다.

ABSTRACT

We present a compartmental SEIRD model aimed at forecasting hospital occupancy in metropolitan areas during the current COVID-19 outbreak. The model features asymptomatic and symptomatic infections with detailed hospital dynamics. We model explicitly branching probabilities and non exponential residence times in each latent and infected compartments. Using both hospital admittance confirmed cases and deaths we infer the contact rate and the initial conditions of the dynamical system, considering break points to model lockdown interventions. Our Bayesian approach allows us to produce timely probabilistic forecasts of hospital demand. The model has been used by the federal government of Mexico to assist public policy, and has been applied for the analysis of more than 70 metropolitan areas and the 32 states in the country.

연구 동기 및 목표

• 코로나19 팬데믹 기간 동안 병원 수용률을 예측하기 위한 동적이고 데이터 기반의 모델을 개발하기 위해.
• 모델 정확도 향상을 위해 확진자 수와 사망자 수 데이터를 모두 통합하여 모수 추정을 향상시키기 위해.
• 잠복기 및 감염 상태에서의 비지수 분포 체류 시간과 분기 확률을 명시적으로 모델링하여 현실성 향상시키기 위해.
• 공중보건 계획을 위한 실시간이고 확률론적인 예측을 가능하게 하기 위해 베이지안 프레임워크를 활용하기 위해.
• 모델을 멕시코 전역의 32개 주와 70개 이상의 메트로폴리탄 지역에 적용함으로써 국가 차원의 정책 결정을 지원하기 위해.

제안 방법

• 감염자, 잠복기, 무증상자, 유증상자, 입원자, 사망자 등 명시적인 분할 상태를 포함한 분할 모델(SEIRD)을 사용한다.
• 실제 감염 및 회복 기간을 더 잘 반영하기 위해 단계형 분포를 사용하여 비지수 분포 체류 시간을 모델링한다.
• 감염 상태 간 전이 및 입원 경로를 고려하기 위해 분기 확률을 명시적으로 모델링한다.
• 병원 입원 및 사망 데이터를 사용하여 베이지안 추론를 통해 접촉률과 初기 조건을 추정한다.
• 봉쇄 간섭의 영향을 반영하기 위해 시간에 따라 변하는 접촉률에 단절점을 통합한다.
• 사후 예측 분포를 통해 병원 수요의 확률론적 예측을 생성한다.

실험 결과

연구 질문

• RQ1 비지수 분포 체류 시간을 포함한 분할 SEIRD 모델이 팬데믹 기간 동안 병원 수용률을 얼마나 정확하게 예측할 수 있는가?
• RQ2 확진자 수와 사망자 수 데이터를 모두 통합할 경우 예측 신뢰도가 얼마나 향상되는가?
• RQ3 봉쇄 간섭을 접촉률의 단절점으로 모델링할 경우 예측된 병원 수요에 어떤 영향을 미치는가?
• RQ4 베이지안 프레임워크를 통해 공중보건 기관이 실시간으로 활용 가능한 확률론적 예측을 생성할 수 있는가?
• RQ5 이 모델은 다양한 메트로폴리탄 및 주 수준의 보건 시스템에 얼마나 확장 가능한가?

주요 결과

• 모델은 멕시코 연방 정부가 공적 정책 결정에 사용할 수 있는 실시간이고 확률론적인 병원 수요 예측을 성공적으로 제공하였다.
• 확진자 수와 사망자 수 데이터를 모두 통합함으로써 접촉률과 초기 조건 추정의 정확도가 향상되었다.
• 비지수 분포 체류 시간을 모델링함으로써 입원 및 회복 동역학의 현실성이 향상되었다.
• 봉쇄를 단절점으로 표현함으로써 모델은 정책 간섭과 변화하는 전파 패턴에 적응할 수 있었다.
• 모델은 멕시코의 70개 이상의 메트로폴리탄 지역과 전국 32개 주에 적용되어 광범위한 확장성과 실제 적용 가능성을 입증하였다.
• 베이지안 프레임워크를 통해 불확실성 정량화가 가능해져 공중보건 분야의 위험 기반 의사결정 지원이 가능해졌다.