[논문 리뷰] Real-time projections of epidemic transmission and estimation of vaccination impact during an Ebola virus disease outbreak in the Eastern region of the Democratic Republic of Congo

Lee Worden, Rae Wannier외 11명|arXiv (Cornell University)|2018. 11. 03.

Viral Infections and Outbreaks Research참고 문헌 12인용 수 3

한 줄 요약

이 연구는 2018년 동부 Democratic Republic of the Congo(DRC)에서 발생한 에볼라 유행에 대해 실시간 예측 프레임워크를 개발하고 검증한다. 이 프레임워크는 확률적 분기 과정, 자기상관 회귀, Theil-Sen 회귀, Gott의 법칙을 통합하여 감염자 수와 백신 영향을 예측한다. 연구 결과, 62% 백신 접종률 수준 이하로 전파가 예상보다 높았으며, 단기 예측은 장기 예측보다 성능이 뛰어났고, 유행이 아직 정점에 도달하지 못했고, 전쟁으로 인한 혼란으로 인해 백신의 영향은 제한적이었다고 결론을 내렸다.

ABSTRACT

As of October 12, 2018, 211 cases of Ebola virus disease (EVD) were reported in North Kivu Province, Democratic Republic of Congo. Since the beginning of October the outbreak has largely shifted into regions in which active armed conflict is occurring, and in which EVD cases and their contacts are difficult for health workers to reach. We modeled EVD transmission using a branching process with gradually quenching transmission estimated from past EVD outbreaks, with outbreak trajectories conditioned on agreement with the course of the current outbreak, and with multiple levels of vaccination coverage. We used an autoregression for short-term projections, a regression model for final sizes, and a simple Gott's law rule as an ensemble of forecasts. Short-term model projections were validated against actual case counts. During validation of short-term projections, models consistently scored higher on shorter-term forecasts. Based on case counts as of October 13, the stochastic model projected a median case count of 226 by October 27 (95% prediction interval: 205-268) and 245 by November 10 (95% PI: 208-315), while the auto-regression model projected median case counts of 240 (95% PI: 215-307) and 259 (95% PI: 216-395) for those dates, respectively. Projected median final counts range from 274 to 421. Except for Gott's law, the projected probability of an outbreak surpassing 2013-2016 is exceedingly small. The stochastic model estimates that vaccine coverage in this outbreak is lower than reported in its trial. Based on our projections we believe that the epidemic had not yet peaked at the time of these estimates, though an outbreak like 2013-2016 is not likely. We estimate that transmission rates are higher than under target levels of vaccine coverage, and this model estimate may offer a surrogate indicator for the outbreak response challenges.

연구 동기 및 목표

• 2018년 DRC 유행 기간 동안 실시간으로 데이터 기반 예측을 통해 에볼라 전파와 최종 유행 규모를 도출하기 위해.
• 접근이 어려운 전쟁 영향 지역에서 백신 접종이 전파 역학에 어떤 영향을 미치는지 평가하기 위해.
• 유행 초기 단계에서 실제 감염자 수와 비교하여 단기 예측 모델의 정확성을 검증하기 위해.
• 확률적 분기 과정, 자기상관 회귀, Theil-Sen 회귀, Gott의 법칙을 포함한 여러 예측 방법의 정확성과 강건성을 비교하기 위해.
• 현재 유행의 진행 상황이 이전의 에볼라 유행과 유사한지, 아니면 별개로 더 심각한 경로를 따르는지 평가하기 위해.

제안 방법

• 이전의 에볼라 유행에서 유래한 전파율 감쇠 추정치를 기반으로 점진적으로 감쇠하는 전파율을 고려한 확률적 분기 과정을 사용하여 전파를 모델링하였다.
• 실시간 감염자 수 데이터를 조건으로 하여 단기 감염자 수 예측을 위해 음이이항 자기상관 회귀를 적용하였다.
• 역사적 감염자 수 추세를 기반으로 최종 유행 규모를 추정하기 위해 Theil-Sen 회귀를 활용하였다.
• 최소 정보 기반 예측으로서 Gott의 법칙을 적용하여 앙상블 예측을 구성하였다.
• 2018년 8월 20일부터 10월 13일까지 수집된 실제 감염자 수와 비교하여 1~4주 전망의 단기 예측을 검증하였다.
• 백신 접종률 시나리오(고, 저, 없음)를 확률적 모델에 통합하여 백신 영향을 추정하였으며, 웨스트 아프리카에서 유래한 효과성 추정치를 사용하였다.

실험 결과

연구 질문

• RQ1 전쟁 지역에서 유행이 발생할 때 실시간 예측 모델이 단기 및 장기 감염자 수를 얼마나 정확하게 예측할 수 있는가?
• RQ2 현재 유행에서의 백신 접종률이 이전 유행에서 효과적인 접촉 추적과 백신 접종에 관련된 62% 목표 수준과 얼마나 일치하는가?
• RQ3 전쟁 지역에서 감염자 수가 증가하는 것은 전파가 더 높기 때문인지, 아니면 감시가 감소했기 때문인가?
• RQ4 확률적, 자기상관, 회귀, Gott의 법칙 등의 다양한 예측 방법 간 성능과 신뢰성은 어떻게 비교되는가?
• RQ5 현재 유행의 진행 상황은 이전의 에볼라 유행과 일치하는가, 아니면 별개로 더 심각한 전염병을 의미하는가?

주요 결과

• 확률적 모델은 2018년 10월 27일 기준 중앙값으로 226건의 감염자를 예측했으며(95% 예측 구간: 205–268건), 11월 10일에는 245건(95% 예측 구간: 208–315건)으로 예측하였다.
• 자기상관 모델은 10월 27일 기준 240건(95% 예측 구간: 215–307건), 11월 10일에는 259건(95% 예측 구간: 216–395건)으로 예측하였다.
• 최종 유행 규모의 중앙값 예측 범위는 모델과 가정 조건에 따라 274에서 421건 사이로 변동하였다.
• Gott의 법칙을 제외한 모든 모델에서 2013~2016년 웨스트 아프리카 에볼라 유행과 유사한 규모의 유행 발생 확률은 매우 낮다고 평가되었다.
• 확률적 모델은 실제 백신 접종률이 62% 목표 수준 이하임을 추정하여, 전쟁으로 인한 혼란으로 인해 백신의 영향이 제한적이었다고 결론을 내렸다.
• 단기 예측(1~4주 전망)은 장기 예측보다 항상 더 정확했으며, 실시간 모델 업데이트의 유용성이 검증되었다.