[논문 리뷰] Monitoring SEIRD model parameters using MEWMA for the COVID-19 pandemic with application to the State of Qatar

Edward L. Boone, Abdel‐Salam G. Abdel‐Salam외 4명|arXiv (Cornell University)|2021. 01. 29.

COVID-19 epidemiological studies참고 문헌 26인용 수 5

한 줄 요약

이 논문은 베이지안 SEIRD 모델을 사용하여 코로나19 패닉 기간 동안 실시간 모니터링 프레임워크를 제안한다. 이는 확장된 입자 마르코프 체인 몬테카를로(APMCMC) 알고리즘을 통한 온라인 파ameter 추정과 MEWMA를 이용한 多변량 공정 통제를 포함한다. 이 방법은 정책에 의해 유도된 전파 역학의 변화를 성공적으로 탐지하며, 카타르 사례에서 0.999의 가짜 R²를 기록하고, 약 40일째에 핵심 개입 조치를 조기에 탐지하였다.

ABSTRACT

During the current COVID-19 pandemic, decision makers are tasked with implementing and evaluating strategies for both treatment and disease prevention. In order to make effective decisions, they need to simultaneously monitor various attributes of the pandemic such as transmission rate and infection rate for disease prevention, recovery rate which indicates treatment effectiveness as well as the mortality rate and others. This work presents a technique for monitoring the pandemic by employing an Susceptible, Exposed, Infected, Recovered Death model regularly estimated by an augmented particle Markov chain Monte Carlo scheme in which the posterior distribution samples are monitored via Multivariate Exponentially Weighted Average process monitoring. This is illustrated on the COVID-19 data for the State of Qatar.

연구 동기 및 목표

• 코로나19 위기 기간 동안 변화하는 패닉 기간 파ameter를 실시간으로 모니터링할 수 있는 동적이고 실시간적인 방법을 개발하기 위해.
• 기존 문헌의 격차를 보완하기 위해 전파, 회복, 사망률의 변화를 신속하게 탐지하기 위해.
• 시행적 정책 평가를 위한 실시간 정보를 제공하기 위해 베이지안 추론과 다변량 공정 통제를 통합하기 위해.
• 결정자들이 공중보건 개입의 영향을 평가할 수 있도록 반응성이 높은 도구를 제공하기 위해.
• 카타르 주의 실세계 데이터를 사용하여 이 방법의 효과성을 입증하기 위해.

제안 방법

• 연구는 카타르의 전염병학적 데이터에 맞춤형으로 조정된 시간에 따라 변화하는 SEIRD 모델을 사용한다. 이 모델은 감염 가능자, 잠복기자, 감염자, 회복자, 사망자 수를 포함하는 분류를 포함한다.
• 베이지안 추론 프레임워크를 사용하며, 후행 분포는 입자 수가 감소하는 것을 방지하고 매일 업데이트할 수 있도록 확장된 입자 마르코프 체인 몬테카를로(APMCMC) 알고리즘을 통해 추정한다.
• APMCMC 알고리즘은 입자 보강을 통해 중요도 재표본 추출을 사용하여 표본의 다양성을 유지하고, 새로운 일일 데이터로부터 효율적인 순차적 업데이트를 가능하게 한다.
• 다변량 지수 이동 평균(MEWMA) 통제도구는 모델 파ameter의 후행 표본이 시간에 따라 어떻게 변화하는지 모니터링하기 위해 적용된다.
• MEWMA 통계량은 다변량 파ameter 공간 내의 변화를 추적하며, 통제 한계는 95번째 백분율 수준으로 설정되어 중요한 변화를 경고한다.
• 이 방법은 이전의 후행 표본을 재사용하고 새로운 데이터만 통합함으로써 계산 효율성을 확보하면서 매일 모니터링이 가능하다.

실험 결과

연구 질문

• RQ1 온라인 파ameter 업데이트 기능이 있는 베이지안 SEIRD 모델이 실시간으로 패닉 기간 역학의 의미 있는 변화를 탐지할 수 있는가?
• RQ2 MEWMA 모니터링 체계는 전파율 및 회복율과 같은 핵심 전염병학적 파ameter의 변화를 탐지하는 데 얼마나 효과적인가?
• RQ3 제안된 방법은 정부의 개입이 질병 진행에 미치는 영향을 어느 정도 탐지할 수 있는가?
• RQ4 APMCMC 알고리즘은 순차적 추정 과정에서 표본 품질을 유지하는 데 있어 표준 입자 필터보다 어떻게 비교되는가?
• RQ5 이 방법은 SEIRD를 초월한 다른 지역 또는 질병 모델로 일반화될 수 있는가?

주요 결과

• 제안된 방법은 카타르의 코로나19 데이터에 대해 SEIRD 모델을 적합함에 있어 0.999의 가짜 R²를 달성하여 매우 우수한 모델 적합도를 보였다.
• MEWMA 통제도구는 약 40일째에 첫 번째 중요한 패닉 기간 역학 변화를 탐지하였으며, 이는 전용 의료 센터 개소와 같은 주요 정부 개입 조치와 겹쳤다.
• 이 방법은 40일 이후에도 여러 번의 추가 신호 일자를 성공적으로 탐지하였으며, 이는 모두 알려진 정책 변화 또는 전파 패턴의 변화와 일치하였다.
• APMCMC 알고리즘은 입자 고갈을 효과적으로 방지하였고, 다시 시작하지 않고도 매일 후행 분포를 효율적으로 업데이트할 수 있도록 하였다.
• 핫엘링의 T² 통계량은 다변량 통제도구로 사용되었으며, 40일 이후에도 지속적인 신호를 보여주어 체계의 파ameter 공간 내 지속적인 변화를 확인하였다.
• 이 프레임워크는 계산적으로 효율적이고 확장 가능하며, 이전의 후행 표본을 재사용하고 새로운 일일 데이터만 처리함으로써 실시간 공중보건 모니터링에 적합하다.