[논문 리뷰] Model studies on the COVID-19 pandemic in Sweden

Chong Qi, Daniel Karlsson외 2명|arXiv (Cornell University)|2020. 04. 03.

COVID-19 epidemiological studies참고 문헌 6인용 수 21

한 줄 요약

이 연구는 2020년 초 스웨덴의 코로나19 감염 및 사망 수를 예측하기 위해 SI, SIR 및 SID 전염병학 모델을 적용한다. 보고된 감염 사례 데이터를 사용하여 수행되었으며, 감염 추세에 대해 양호한 적합도를 보였지만, 모델은 사망자 수가 3,000명을 초과하는 극도로 높은 불확실성을 예측한다. 이는 예측의 모호성을 줄이고 긴급한 공중보건 조치를 내리기 위해 시급한 데이터 수집의 중요성을 부각시킨다. 특히 스웨덴의 봉쇄 조치 없이 시행한 전략을 고려할 때 더욱 그렇다.

ABSTRACT

We study the increases of infections and deaths in Sweden caused by COVID-19 with several different models: Firstly an analytical susceptible-infected (SI) model and the standard susceptible-infected-recovered (SIR) model. Then within the SIR framework we study the susceptible-infected-deceased (SID) correlations. All models reproduce well the number of infected cases and give similar predictions. What causes us deep concern is the large number of deaths projected by the SI and SID models. Our analysis shows that, irrespective of the possible uncertainty of our model prediction, the next few days can be critical for determining the future evolution of the death cases (Updated April 02).

연구 동기 및 목표

• 스웨덴의 고유한 봉쇄 없이 시행된 공중보건 전략을 고려해 수학적 모델을 활용해 코로나19의 전파 및 사망률을 평가하기 위해.
• 초기 패닉 기간 동안 감염 및 사망 추세를 포괄하는 데 있어 SI, SIR 및 SID 모델의 예측 정확도를 평가하기 위해.
• 특히 향후 며칠 간의 데이터가 모델의 불확실성을 크게 줄일 수 있는 임계 데이터 창을 식별하기 위해.
• 모델 예측 기반으로 감염 사례의 저작률 가능성을 평가하고, 스웨덴에서의 대규모 검사 필요성에 대해 평가하기 위해.

제안 방법

• SI 모델은 누적 감염 사례를 기술하기 위해 월즈-삭손 해석적 해법을 적용하며, 매개변수는 보고된 데이터에 맞추어 피팅된다.
• SIR 모델은 복구 역학을 포함하기 위해 수치적으로 해결되며, 총 모집단 N = 12,000명이며 시간에 따라 변하는 S, I, R 변수를 포함한다.
• SID 모델은 SIR 프레임워크에서 회복자 수를 사망자 수로 대체하여 확장한 것으로, D(t) = νI(t)의 미분방정식을 사용해 사망률을 모델링한다.
• 수정된 SID 모델은 사망 데이터의 지연된 발병을 더 잘 맞추기 위해 D(t) = a·ln(e^(t₀−t)/d + 1) + bt + c의 로그 적분 형태를 사용한다.
• 전파율 λ, 회복율 β, 사망율 ν 등의 모델 매개변수는 보고된 데이터에서 추정되며, 불확실성은 95% 신뢰구간을 통해 정량화된다.
• 예측 결과는 2020년 4월 1일에서 2일까지의 데이터와 비교하여 검증되며, 향후 정밀화를 위한 새로운 데이터에 대한 민감도 분석도 수행된다.

실험 결과

연구 질문

• RQ1 SI, SIR 및 SID 모델은 2020년 초 스웨덴의 코로나19 감염 추세를 얼마나 잘 재현하는가?
• RQ2 다른 모델 가정 하에 스웨덴의 사망자 수는 예측되며, 이러한 예측의 불확실성은 어느 정도인가?
• RQ3 향후 며칠 간의 데이터는 사망자 예측의 불확실성을 제약하기 위해 얼마나 중요한가?
• RQ4 모델 기반 감염 추세는 감염 사례의 저작률을 어느 정도 시사하며, 이는 검사 및 감염 통제 전략에 어떤 함의를 갖는가?
• RQ5 표준 SIR 확장 방식에 비해 월즈-삭손 또는 로그 적분 형태가 사망자 수의 변화를 더 잘 기술할 수 있는가?

주요 결과

• SI 모델은 스웨덴의 보고된 누적 감염 사례와 잘 맞추며, 일일 신규 감염 사례의 정점이 2020년 4월 3일에 도달할 것으로 예측한다.
• SI 모델은 스웨덴의 총 사망자 수를 2,933명으로 예측하지만, 데이터가 제한되어 있어 매우 높은 불확실성이 수반된다.
• SIR 프레임워크에서 회복자 수를 사망자 수로 대체한 SID 모델은 3,000명 이상의 사망자를 예측하며, 현재 추세 하에 심각한 결과가 초래될 가능성을 시사한다.
• 로그 적분 형태(Eq. 9)는 월즈-삭손 형태보다 더 보수적인 사망 곡선을 제공하지만, 여전히 최근 데이터와의 상당한 이탈을 보인다.
• 향후 며칠 간의 새로운 데이터는 불확실성을 줄이고 사망자 예측이 극단 수준을 유지할지 여부를 결정하는 데 핵심적이다.
• 모델들은 스웨덴의 실제 감염자가 보고된 수치보다 상당히 높을 수 있음을 시사하며, 이는 저작률에 대한 우려와 대규모 검사의 필요성을 제기한다.