[논문 리뷰] Mathematical Modeling of Epidemic Diseases; A Case Study of the COVID-19 Coronavirus

Reza Sameni|arXiv (Cornell University)|2020. 03. 25.

COVID-19 epidemiological studies인용 수 80

한 줄 요약

본 논문은 SEIR-type 구획모형을 확장하여 COVID-19 확산을 연구하고, 사회적 개입이 모델 매개변수 및 결과를 어떻게 변화시키는지 보여주며, MATLAB 코드가 온라인에서 제공됩니다.

ABSTRACT

In this research, we study the propagation patterns of epidemic diseases such as the COVID-19 coronavirus, from a mathematical modeling perspective. The study is based on an extensions of the well-known susceptible-infected-recovered (SIR) family of compartmental models. It is shown how social measures such as distancing, regional lockdowns, quarantine and global public health vigilance, influence the model parameters, which can eventually change the mortality rates and active contaminated cases over time, in the real world. As with all mathematical models, the predictive ability of the model is limited by the accuracy of the available data and to the so-called extit{level of abstraction} used for modeling the problem. In order to provide the broader audience of researchers a better understanding of spreading patterns of epidemic diseases, a short introduction on biological systems modeling is also presented and the Matlab source codes for the simulations are provided online.

연구 동기 및 목표

• 전염병 확산을 이해하고 의료 계획 수립에 정보를 제공하기 위해 수학적 모델링의 활용을 촉진한다.
• COVID-19 동역학을 포함하는 노출(E) 및 치명(P) 구획을 포함하는 확장된 구획 프레임워크를 도입한다.
• 비약물적 개입이 모델 매개변수와 발생 경로에 어떻게 영향을 주는지 설명한다.
• 모형의 가정, 한계 및 매개변수 추정에서 데이터 품질의 역할을 강조한다.

제안 방법

• SEIR 프레임워크에 노출된(exposed) 및 치명적(fatal) 구획을 포함하도록 확장하여 5-구획 모델(S, E, I, R, P)을 얻는다.
• 각 구획의 시간적 변화를 지배하는 모델 방정식(Eq. 27)을 도출하고 제시한다.
• 상태 및 측정 방정식과 선택적 차수 축소(Eq. 28)을 포함한 폐쇄계 시스템 및 측정 고려사항을 설명한다.
• 구획 모형 내의 재생성 개념과 안정성 분석을 다루며, R0 및 대체 재생성 수 ϱR0~(Proposition 1)을 포함한다.
• 수학적 역학, 구획 모형, 및 s(t)e(t) 및 s(t)i(t)와 같은 비선형 항의 해석에 대한 간단한 입문을 제공한다.
• 결과를 재현하기 위한 MATLAB 소스 코드는 프로젝트 저장소에서 온라인으로 이용 가능하다는 점을 명시한다.

실험 결과

연구 질문

• RQ1 SIR/SEIR 프레임워크의 확장으로 노출 및 치명적 결과를 가진 COVID-19의 진행을 어떻게 포착하는가?
• RQ2 사회적 조치(거리두기, 봉쇄, 경계)들이 매개변수와 시간이 지나며 사망 및 활성 사례에 어떤 영향을 주는가?
• RQ3 전통적 R0(NGM 기반)와 제안된 대체 재생성 수 간의 관계는 발발 안정성 측면에서 어떤 차이가 있는가?
• RQ4 관측 가능한 양은 무엇이며 측정 잡음을 고려하여 상태 추정은 어떻게 수행될 수 있는가?

주요 결과

• 노출(E) 및 치명(P) 구획을 포함한 확장된 SEIR-type 모형이 COVID-19 동역학을 더 잘 반영하도록 제안된다.
• 모형은 다양한 개입 하에서 전파 속도 및 다른 매개변수가 시간에 따른 사망 및 활성 사례에 미치는 영향을 보여준다.
• 은닉 구획을 관찰 가능한 양(감염, 회복, 사망 등)과 연결하는 측정 모형이 제공된다.
• 재생성 수에 대한 논의는 발발 안정성 기준과의 등가성 및 이산화 시간(discretization time)을 반영하는 대체 R0를 도입한다.
• 데이터 품질과 추상화 수준의 한계로 인해 수학적 모델의 한계가 있음을 강조하고 재현을 위한 MATLAB 코드를 제공한다.