[논문 리뷰] Network-Based Prediction of the 2019-nCoV Epidemic Outbreak in the Chinese Province Hubei

Bastian Prasse, Achterberg, Massimo A.외 2명|arXiv (Cornell University)|2020. 02. 11.

COVID-19 epidemiological studies참고 문헌 41인용 수 33

한 줄 요약

논문은 관측 데이터를 통해 도시 간 감염 확률을 추정하여 도시 규모의 2019-nCoV 발발을 예측하기 위한 네트워크 기반 SIR 모델을 제안하고 로지스틱 회귀와 비교한다.

ABSTRACT

At the moment of writing (12 February, 2020), the future evolution of the 2019-nCoV virus is unclear. Predictions of the further course of the epidemic are decisive to deploy targeted disease control measures. We consider a network-based model to describe the 2019-nCoV epidemic in the Hubei province. The network is composed of the cities in Hubei and their interactions (e.g., traffic flow). However, the precise interactions between cities is unknown and must be inferred from observing the epidemic. We propose a network-based method to predict the future prevalence of the 2019-nCoV virus in every city. Our results indicate that network-based modelling is beneficial for an accurate forecast of the epidemic outbreak.

연구 동기 및 목표

• 허베이성의 2019-nCoV 발발을 도시 수준에서 정확하게 예측하는 것을 동기화합니다.
• 데이터로부터 도시 간 상호 작용을 추정하는 네트워크 기반 SIR 모델을 개발한다.
• 향후 유병률을 예측하기 위해 도시별 치유 확률과 감염 확률을 추정한다.
• 로지스틱 회귀 기반의 기준선과 비교하여 예측 정확도를 평가한다.

제안 방법

• 도시별로 이산 시간 SIR 모델과 도시 간 감염 행렬 B를 사용하여 전염병을 모델링한다.
• 데이터에 맞춰 후보 값의 그리드에서 선택하여 치유 확률 delta_i를 추정한다.
• beta_ij 추정을 선형 시스템 V_i = F_i * beta_i 로 형식화하고 beta를 0-1로 제약한다.
• 과적합을 피하기 위해 LASSO(L1) 정규화를 적용하여 beta_ij를 추정한다.
• 보고된 감염을 감염 분수로 변환하고 스무딩하여 감염 데이터를 전처리한다.
• 추정된 SIR 모델을 원하는 예측 구간만큼 반복하여 향후 발발을 예측한다.

실험 결과

연구 질문

• RQ1 도시 간 상호 작용에 대한 미지의 네트워크 기반 SIR 모델이 허베이성의 도시 수준 발발 궤적을 정확히 예측할 수 있는가?
• RQ2 관찰 데이터로부터 LASSO 기반 네트워크 추정이 도시 간 감염 확률을 회복하는 정도가 기본 방법과 비교하여 어느 정도인가?

주요 결과

• 네트워크 기반 방법은 예측 구간 전반에서 로지스틱 회귀보다 오차 지표에서 더 정확한 예측을 보인다.
• 예측 구간이 길어질수록 예측 정확도가 감소하지만 시간이 지남에 따라 더 많은 데이터가 사용할수록 개선된다.
• 여러 날 앞의 도시 수준 예측은 관측된 데이터와 일관된 그럴 듯한 성장 패턴을 보여준다.
• 도시 간 상호 작용에 대한 사전 지식 없이도 데이터 기반의 네트워크 추정을 통해 실용적인 예측을 생성한다.