[논문 리뷰] Prediction of COVID-19 Disease Progression in India : Under the Effect of National Lockdown

Sourish Das|arXiv (Cornell University)|2020. 04. 07.

COVID-19 epidemiological studies참고 문헌 5인용 수 24

한 줄 요약

이 연구는 인도의 국가 봉쇄 기간 동안 코로나19 전개를 예측하기 위해 SIR 전염병학 모델과 통계 기계학습을 적용한다. 이는 인도의 기본 재생수 𝒫₀ ≈ 2.75를 추정하며, 이는 초기 후이بي/중국과 유사하다. 同시에 펀자브(𝒫₀ ≈ 16), 마하라슈트라, 타밀 나라드를 고위험 지역으로 규명하고, 봉쇄가 효과가 있다면 2020년 5월 1일까지 확진자 수가 66,224명 이하로 줄어들 것임을 예측한다.

ABSTRACT

In this policy paper, we implement the epidemiological SIR to estimate the basic reproduction number $\mathcal{R}_0$ at national and state level. We also developed the statistical machine learning model to predict the cases ahead of time. Our analysis indicates that the situation of Punjab ($\mathcal{R}_0\approx 16$) is not good. It requires immediate aggressive attention. We see the $\mathcal{R}_0$ for Madhya Pradesh (3.37) , Maharastra (3.25) and Tamil Nadu (3.09) are more than 3. The $\mathcal{R}_0$ of Andhra Pradesh (2.96), Delhi (2.82) and West Bengal (2.77) is more than the India's $\mathcal{R}_0=2.75$, as of 04 March, 2020. India's $\mathcal{R}_0=2.75$ (as of 04 March, 2020) is very much comparable to Hubei/China at the early disease progression stage. Our analysis indicates that the early disease progression of India is that of similar to China. Therefore, with lockdown in place, India should expect as many as cases if not more like China. If lockdown works, we should expect less than 66,224 cases by May 01,2020. All data and exttt{R} code for this paper is available from \url{https://github.com/sourish-cmi/Covid19}

연구 동기 및 목표

• 전염병학적 모델링을 통해 인도의 국가 봉쇄가 코로나19 전파를 억제하는 데 효과가 있는지 평가하기 위해.
• 긴급한 공중보건 개입이 필요한 지역을 규명하기 위해 지역 수준의 기본 재생수(𝒫₀)를 추정하기 위해.
• 기초 전염병 데이터를 활용해 통계 기계학습(SML) 모델을 사용해 향후 확진자 수를 예측함으로써 인도 보건 당국의 조기 대비를 위해.
• 제한된 의료 능력 하에서 정책 결정을 지원하기 위해 인도의 초기 유행 궤적을 중국 후이비의 초기 단계와 비교하기 위해.

제안 방법

• 존스 홉킨스, Covid19India, Kaggle에서 확보한 확진자 데이터를 활용해 국가 및 주 수준에서 기본 재생수(𝒫₀)를 추정하기 위해 감염자-치료자-회복자(SIR) 모델을 적용하였다.
• 2020년 1월 23일부터 4월 4일까지의 데이터를 사용해 SIR 모델을 校정하였으며, 민감도 분석을 위해 2020년 1월 2일과 3월 2일을 두 개의 시작 시점으로 설정하였다.
• 2020년 3월 24일 이후 데이터를 사용해 검증을 수행한 외부 샘플 검증을 통해 통계 기계학습(SML) 모델을 활용해 향후 확진자 수를 예측하였다.
• 지역 수준의 전파 위험에 대한 불확실성을 평가하기 위해 𝒫₀ 추정치에 95% 신뢰구간을 계산하였다.
• 인도의 유행 곡선과 𝒫₀를 초기 후이비/중국 데이터와 비교하여 인도 유행의 심각성을 맥락화하였다.
• 재현 가능성과 투명성을 확보하기 위해 오픈소스 데이터와 GitHub에 공개된 R 코드를 활용하였다.

실험 결과

연구 질문

• RQ1 코로나19 유행의 초기 단계 동안 인도와 각 주의 기본 재생수(𝒫₀)는 얼마인가?
• RQ2 전파 가능성을 고려할 때, 인도의 초기 유행 궤적은 중국 후이비와 어떻게 비교되는가?
• RQ3 확진자 추세와 𝒫₀ 추정치를 바탕으로, 인도의 국가 봉쇄가 전파를 얼마나 줄이고 있는가?
• RQ4 기초 유행 데이터를 활용해 통계 기계학습 모델이 인도의 향후 확진자 수를 정확하게 예측할 수 있는가?
• RQ5 𝒫₀ 값에 기반해 어느 인도 주가 지속적인 전파 위험이 가장 높은가?

주요 결과

• 2020년 3월 4일 기준으로 인도의 국가 기본 재생수(𝒫₀)는 약 2.75로 추정되었으며, 이는 초기 후이비/중국과 유사하여 높은 전파 가능성을 시사한다.
• 펀자브는 약 16으로 가장 높은 𝒫₀를 기록했으며, 이는 초확산 사건의 영향일 가능성이 높아 즉각적인 대응 조치가 필요하다는 것을 시사한다.
• 매드하프라디시(𝒫₀ = 3.37), 마하라슈트라(3.25), 타밀 나라드(3.09)는 모두 𝒫₀ > 3를 기록해 높은 전파 위험을 나타낸다.
• 안드라 프라데시(2.96), 뉴델리(2.82), 서 Bengal(2.77)도 국가 평균을 초월하는 𝒫₀ 값을 기록해 특별한 주의가 필요하다.
• 기계학습 모델은 봉쇄가 효과가 있다면 2020년 5월 1일까지 인도의 누적 확진자 수가 66,224명 이하로 유지될 것으로 예측하였다.
• 모델는 2020년 4월 7일 기준 봉쇄의 즉각적인 효과가 없음을 보였지만, 개입이 성공한다면 하향 추세가 나타날 것으로 예측하였다.