[논문 리뷰] Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models

Punam Bedi, Shivani Shivani외 3명|arXiv (Cornell University)|2020. 09. 07.

COVID-19 epidemiological studies참고 문헌 44인용 수 4

한 줄 요약

이 연구는 잠복기이지만 무증상이지만 전염성이 있는 개별들을 포함하는 수정된 SEIRD 모델을 제안하고, 이를 LSTM 딥러닝 모델과 융합하여 인도와 그의 5개 가장 영향을 많이 받은 주에서 코로나19 전파를 예측한다. 2020년 8월 15일까지의 데이터를 사용하여, 모델들은 30일간의 감염 및 사망 수를 예측하였으며, 봉쇄 조치가 전파 속도를 뚜렷이 저하시켰고, 공중보건 계획 및 인프라 준비에 실질적인 통찰을 제공한다.

ABSTRACT

The last leg of the year 2019 gave rise to a virus named COVID-19 (Corona Virus Disease 2019). Since the beginning of this infection in India, the government implemented several policies and restrictions to curtail its spread among the population. As the time passed, these restrictions were relaxed and people were advised to follow precautionary measures by themselves. These timely decisions taken by the Indian government helped in decelerating the spread of COVID-19 to a large extent. Despite these decisions, the pandemic continues to spread and hence, there is an urgent need to plan and control the spread of this disease. This is possible by finding the future predictions about the spread. Scientists across the globe are working towards estimating the future growth of COVID-19. This paper proposes a Modified SEIRD (Susceptible-Exposed-Infected-Recovered-Deceased) model for projecting COVID-19 infections in India and its five states having the highest number of total cases. In this model, exposed compartment contains individuals which may be asymptomatic but infectious. Deep Learning based Long Short-Term Memory (LSTM) model has also been used in this paper to perform short-term projections. The projections obtained from the proposed Modified SEIRD model have also been compared with the projections made by LSTM for next 30 days. The epidemiological data up to 15th August 2020 has been used for carrying out predictions in this paper. These predictions will help in arranging adequate medical infrastructure and providing proper preventive measures to handle the current pandemic. The effect of different lockdowns imposed by the Indian government has also been used in modelling and analysis in the proposed Modified SEIRD model. The results presented in this paper will act as a beacon for future policy-making to control the COVID-19 spread in India.

연구 동기 및 목표

• 인도에서의 코로나19 전파를 보다 정확하게 예측하기 위해, 잠복기 중 무증상이지만 전염성이 있는 개별들을 포함하는 수정된 SEIRD 모델을 개발하는 것.
• 수정된 SEIRD 모델의 단기 예측을 장기 기억망(LSTM) 딥러닝 모델의 예측과 비교하여 일致성과 신뢰성을 평가하는 것.
• 수정된 SEIRD 프레임워크를 사용하여 인도 정부가 시행한 봉쇄 조치가 전파 역학에 미친 영향을 평가하는 것.
• 고부하 주에서의 의료 인프라 계획 및 정책 결정을 위한 실질적이고 데이터 기반의 예측을 제공하는 것.
• 인도의 가장 영향을 많이 받은 지역에서의 향후 감염 및 사망 추세를 추정함으로써, 근거 기반의 공중보건 개입을 지원하는 것.

제안 방법

• 잠복기 중 무증상이지만 전염성이 있는 개별들을 포함하는 별도의 잠복기 분류를 갖춘 수정된 SEIRD 모델을 개발하여 전파 역학의 현실성 향상.
• 봉쇄 정책에 의해 영향을 받는 시간에 따라 변하는 전파율을 통합하여 간병 조치의 영향을 시뮬레이션할 수 있도록 함.
• 인도와 그의 5개 가장 영향을 많이 받은 주에서의 역학적 사례 및 사망 데이터를 기반으로 LSTM 신경망을 훈련시켜 단기 예측을 생성.
• 2020년 8월 15일까지의 역학적 데이터를 사용하여 모델 파라미터를 校정하였으며, 누적 사례 및 사망 수를 포함.
• 두 모델의 예측을 30일 예측 기간 동안 비교하여 수렴성과 신뢰도 평가.
• 실제 정책 일정(봉쇄 단계)을 입력으로 사용하여 SEIRD 프레임워크 내에서 전파율에 대한 정책의 영향을 평가.

실험 결과

연구 질문

• RQ1 잠복기 중 무증상이지만 전염성이 있는 개별들을 포함하는 것으로 수정된 SEIRD 모델이 인도의 코로나19 전파 예측 정확도를 얼마나 향상시키는가?
• RQ2 30일 예측 윈도우 동안 수정된 SEIRD 모델의 예측이 LSTM 모델의 예측과 얼마나 일치하는가?
• RQ3 수정된 SEIRD 모델에 의해 시뮬레이션된 인도 정부의 봉쇄 정책이 전파율 감소에 얼마나 측정 가능한 영향을 미쳤는가?
• RQ4 두 모델링 접근법 간에 인도의 5개 가장 영향을 많이 받은 주에서의 예측 사례 및 사망 수는 어떻게 비교되는가?
• RQ5 epidemiological 및 딥러닝 기법을 융합한 하이브리드 모델링이 패안드믹 관리에 더 강력한 단기 예측을 제공할 수 있는가?

주요 결과

• 수정된 SEIRD 모델은 봉쇄 조치 시행 이후 인도와 그의 5개 고부하 주에서 일일 신규 사례가 점차 감소할 것으로 예측하여 정책의 효과성을 시사한다.
• LSTM 모델은 수정된 SEIRD 모델과 유사한 단기 예측을 생성하였으며, 양 모델 모두 2020년 9月下旬에 신규 사례 정점에 도달한 후 감소 추세를 보였다.
• 모델들은 인도에서 두 번째 파동의 정점이 2020년 10월 초에 발생할 것으로 추정하였으며, 가장 영향을 많이 받은 주에서는 일일 신규 사례가 약 40,000~50,000에 이를 것으로 예측하였다.
• 수정된 SEIRD 모델은 현재 추세를 유지할 경우, 인도의 누적 사망자 수가 2020년 11월 말까지 약 100,000명에 이를 것으로 추정하였다.
• 모델 간 비교 결과, 추세 방향성과 크기에서 강한 일치를 보였으며, 공중보건 계획에 대한 예측 신뢰도가 향상되었다.
• 이 연구는 봉쇄 조치가 전파율을 뚜렷이 감소시켰음을 입증하였으며, 봉쇄 시행 후 일일 유병률이 30~40% 감소한 것으로 모델이 나타내었다.