[논문 리뷰] Predicting the ultimate outcome of the COVID-19 outbreak in Italy

Gábor Vattay|arXiv (Cornell University)|2020. 03. 17.

COVID-19 epidemiological studies참고 문헌 3인용 수 32

한 줄 요약

이 논문은 로지스틱 성장 모형을 사용해 이탈리아의 COVID-19 데이터를 분석하여 총 사망자 수와 발발 지속 시간을 예측하고, 2020년 3월 17일 이후 보건 시스템 용량 도달 시점에 업데이트된 예측을 제공합니다.

ABSTRACT

During the COVID-19 outbreak, it is essential to monitor the effectiveness of measures taken by governments on the course of the epidemic. Here we show that there is already a sufficient amount of data collected in Italy to predict the outcome of the process. We show that using the proper metric, the data from Hubei Province and Italy has striking similarity, which enables us to calculate the expected number of confirmed cases and the number of deaths by the end of the process. Our predictions will improve as new data points are generated day by day, which can help to make further public decisions. The method is based on the data analysis of logistic growth equations describing the process on the macroscopic level. At the time of writing of the first version, the number of fatalities in Italy was expected to be 6000, and the predicted end of the crisis was April 15, 2020. In this new version, we discuss what changed in the two weeks which passed since then. The trend changed drastically on March 17, 2020, when the Italian health system reached its capacity limit. Without this limit, probably 3500 more people would have died. Instead, due to the limitations, 17.000 people are expected to die now, which is a five-fold increase. The predicted end of the crisis now shifted to May 8, 2020.

연구 동기 및 목표

• 전염 경로에 대한 정부 조치의 모니터링을 촉구한다.
• 이탈리아 데이터가 후베이 데이터와 유사한 로지스틱 성장으로 설명될 수 있음을 보인다.
• 변화하는 조건 하에서 궁극적 사망자 수와 발발 종말 시점을 추정한다.

제안 방법

• 성장률의 선형화 형태에서 도출된 로지스틱 성장으로 전염병을 모델링한다: dN/dt = λ0 N (1 - N/N∞).
• 후베이와 이탈리아의 데이터에서 사망의 일일 증가율을 이용해 λ0와 N∞를 추정한다.
• 성장률 대 누적 사망수에서 선형 영역을 식별하여 매개변수를 피팅한다.
• 작은 p에 대해 t = (1/λ0) [log(N∞/N0 - 1) - log p]를 이용해 발발 종말 시간을 계산한다.
• 보건 시스템 용량이 사망에 영향을 준 2020년 3월 17일 이후 예측을 업데이트하여 새로운 N∞와 N0를 도출한다.

실험 결과

연구 질문

• RQ1 이탈리아 데이터가 후베이와 유사한 로지스틱 성장 프레임워크로 최종 발발 규모를 예측하는 데 보일 수 있는 일치가 있는가?
• RQ2 보건 시스템 용량이 사망 증가율과 궁극적 사망자 수에 어떤 영향을 미치는가?
• RQ3 관찰된 데이터 체제에서 발발의 예측 종말 시점은 언제인가?
• RQ4 용량 긴장 이후의 업데이트가 예측을 크게 바꾸는가?

주요 결과

• 초기 이탈리아 사망 데이터는 N∞ ≈ 5996 및 λ0 ≈ 0.243인 후베이와 유사한 로지스틱 형 성장으로 보였다.
• 2020년 3월 17일 보건 시스템 용량 한계로 인한 급격한 변화로 N∞이 ≈19557로 재조정되고 λ0/N∞ ≈ 8.1×10^-6이 되었다.
• 용량 한계가 없었더라면 약 3500명 더 적은 사망을 예측했을 것이고, 용량 한계로 인해 예상 사망은 약 17,000명으로 증가했다.
• N∞를 19557로 바꾸는 업데이트 후 종말 날짜가 2020년 5월 8일경으로 옮겨졌다.
• 후베이 데이터와의 검증은 선형 영역이 특정 사망 수(N0) 부근에서 시작되었고 회고적 점검에서 종말 시간 추정이 정확하게 나왔음을 보여주었다.
• 이 방법은 성장률의 선형 피팅으로 로지스틱 매개변수를 추정한 다음 로지스틱 해에서 종말 시간을 도출한다.