[논문 리뷰] Metropolitan-scale COVID-19 outbreaks: how similar are they?

Samuel Heroy|arXiv (Cornell University)|2020. 04. 02.

COVID-19 epidemiological studies참고 문헌 14인용 수 16

한 줄 요약

이 연구는 2020년 1월 21일부터 3월 25일까지 미국의 군수준에서 도시 지역의 코로나19 확진자 증가를 분석하며, 지수적 및 선형 모델을 사용하여 증가 패턴을 평가한다. 도시 규모와 지수적 증가율 사이에 유의미한 상관관계는 없지만, 더 큰 도시는 지수적 확산을 더 이르게 시작하여 3월 25일 기준으로 더 진행된 유행 단계에 이르렀으며, 사회적 거리 두기 영향으로 인해 지수 모델은 후속 사례를 과대 예측한다.

ABSTRACT

In this study, we use US county-level COVID-19 case data from January 21-March 25, 2020 to study the exponential behavior of case growth at the metropolitan scale. In particular, we assume that all localized outbreaks are in an early stage (either undergoing exponential growth in the number of cases, or are effectively contained) and compare the explanatory performance of different simple exponential and linear growth models for different metropolitan areas. While we find no relationship between city size and exponential growth rate (directly related to $R0$, which denotes average the number of cases an infected individual infects), we do find that larger cities seem to begin exponential spreading earlier and are thus in a more advanced stage of the pandemic at the time of submission. We also use more recent data to compute prediction errors given our models, and find that in many cities, exponential growth models trained on data before March 26 are poor predictors for case numbers in this more recent period (March 26-30), likely indicating a reduction in the number of new cases facilitated through social distancing.

연구 동기 및 목표

• 미국 도시의 도시 규모 수준에서 코로나19 유행이 동일한 지수적 증가 패턴을 보이는지 평가하기 위해.
• 도시 규모가 지수적 증가율이나 유행 시작 시점과 상관관계가 있는지 조사하기 위해.
• 초기 데이터를 기반으로 한 지수 모델과 선형 모델의 예측 성능을 평가하기 위해.
• 2020년 3월 26일 이후 사회적 거리 두기의 영향으로 증가 역학이 어떻게 변화했는지 분석하기 위해.
• 초기 패닉 단계 동안 검사 능력 변화로 인한 모델의 강건성과 잠재적 편향을 평가하기 위해.

제안 방법

• 367개의 미국 메트로폴리탄 지역(CBSAs)에 대해 뉴욕타임스의 2020년 1월 21일부터 3월 25일까지의 군수준 확진자 데이터를 사용한다.
• 로그 변환된 사례 수에 최소 제곱법을 적용하여 지수적 증가율과 초기 증가 시점(t₀,c)을 추정한다.
• 모델 적합도와 외부 예측을 위해 R² 및 평균 제곱근 오차(RMSE)를 사용하여 지수 모델과 선형 모델을 비교한다.
• 2020년 3월 26일부터 30일까지의 외부 예측을 수행하여 모델 예측치를 실제 사례 수와 비교한다.
• 간단한 로그-선형 모델을 넘어서는 파rameter 추정을 향상시키기 위해 비선형 최소 제곱법을 사용한다.
• 특히 t₀,c 이후 초기 단계에서의 양의 잔차를 통해 검사 능력 편향 여부를 분석하며, 이는 초기에 검사가 부족했음을 시사한다.

실험 결과

연구 질문

• RQ1 더 큰 미국 도시 지역에서 더 작은 도시에 비해 초기 코로나19 사례의 지수적 증가율이 더 빠를까?
• RQ2 도시 규모와 지역 유행의 지수적 증가 시작 시점 사이에 체계적인 관계가 있는가?
• RQ3 사회적 거리 두기 조치가 시행된 후에도, 초기 데이터로 학습한 지수 모델이 후속 기간의 사례 수를 얼마나 정확하게 예측할 수 있는가?
• RQ4 검사 가능성과 정책 변화가 초기 유행 단계에서 모델 적합도와 예측 정확도에 어떤 영향을 미치는가?
• RQ5 유행 증가 속도가 둔화될 경우, 장기 예측에서 선형 모델이 지수 모델보다 더 우수한 성능을 보일 수 있는가?

주요 결과

• 도시 규모와 지수적 증가율 사이에 유의미한 상관관계가 없으며, 이는 이전 연구에서 더 큰 도시에서 증가율이 더 높다는 주장을 반박한다.
• 더 큰 도시, 특히 뉴욕 시티를 포함한 도시들은 평균적으로 지수적 증가 단계를 더 이르게 시작하여 2020년 3월 25일 기준으로 더 진행된 유행 단계에 이르렀다.
• 3월 26일 이전 데이터로 학습한 지수 모델은 3월 26일부터 30일까지의 신규 사례를 과대 예측하여, 사회적 거리 두기로 인한 전파 감소를 시사한다.
• 선형 모델은 이 기간 동안 일반적으로 사례 수를 과소 예측하여, 통제되지 않은 지수적 증가에서 더 느린 증가로의 전환을 시사한다.
• 단기 예측(1일 전망)에서는 지수 모델이 더 정확했고, 장기 예측(5일 전망)에서는 선형 모델이 더 우수한 정확도를 유지하여 증가 역학의 근본적인 변화를 시사한다.
• 초기 모델 적합에서의 잔차는 t₀,c 이후에 양의 편차를 보였으며, 이는 유행 초기 단계에서 검사가 부족했음을 시사하며, 이는 증가 추정치에 편향을 줄 수 있다.