[논문 리뷰] Regional analysis of COVID-19 in France from fit of hospital data with different evolutionary models

G. A. Mamon|arXiv (Cornell University)|2020. 05. 13.

COVID-19 epidemiological studies참고 문헌 4인용 수 4

한 줄 요약

이 연구는 지역별 복제 수($R_0$)와 균일한 시간스케일/비율 비율을 가진 확장된 SEIR 모델을 사용하여 프랑스의 일일 병원 데이터(입원, 사망, 퇴원)에 적합시켰다. 연구 결과, 봉쇄 이전의 $R_0 = 3.4 \pm 0.1$, 봉쇄 기간 동안의 $R_0 = 0.65 \pm 0.04$로 추정되었으며, 감염 후 사망률(IFR)은 4\%\pm1\%로 추정되었고, $R_0$가 1을 초과할 경우 두 번째 유행을 방지하기 위해 인구의 최소 46\%가 마스크를 착용해야 한다고 밝혔다.

ABSTRACT

The SIR evolutionary model predicts too sharp a decrease of the fractions of people infected with COVID-19 in France after the start of the national lockdown, compared to what is observed. I fit the daily hospital data: arrivals in regular and critical care units, releases and deaths, using extended SEIR models. These involve ratios of evolutionary timescales to branching fractions, assumed uniform throughout a country, and the basic reproduction number, $R_0$, before and during the national lockdown, for each region of France. The joint-region Bayesian analysis allows precise evaluations of the time/fraction ratios and pre-hospitalized fractions. The hospital data are well fit by the models, except the arrivals in critical care, which decrease faster than predicted, indicating better treatment over time. Averaged over France, the analysis yields $R_0$= 3.4$\pm$0.1 before the lockdown and 0.65$\pm$0.04 (90% c.l.) during the lockdown, with small regional variations. On 11 May 2020, the Infection Fatality Rate in France was 4 $\pm$1% (90% c.l.), while the Feverish vastly outnumber the Asymptomatic, contrary to the early phases. Without the lockdown nor social distancing, over 2 million deaths from COVID-19 would have occurred throughout France, while a lockdown that would have been enforced 10 days earlier would have led to less than 1000 deaths. The fraction of immunized people reached a plateau below 1% throughout France (3% in Paris) by late April 2020 (95% c.l.), suggesting a lack of herd immunity. The widespread availability of face masks on 11 May, when the lockdown was partially lifted, should keep $R_0$ below unity if at least 46% of the population wear them outside their home. Otherwise, without enhanced other social distancing, a second wave is inevitable and cause the number of deaths to triple between early May and October (if $R_0$=1.2) or even late June (if $R_0$=2).

연구 동기 및 목표

• 표준 SIR/SEIR 모델을 개선하기 위해 지역별 $R_0$ 값을 允許하면서도 프랑스 전역에서 시간스케일과 분지 비율을 균일하게 가정하는 것.
• 일일 병원 데이터의 통합 지역 분석을 통해 주요 전염병학적 매개변수—특히 $R_0$, 감염 후 사망률(IFR), 혈청유병률—을 추정하는 것.
• 봉쇄 시기와 마스크 착용이 패안드믹 결과에 미치는 영향, 특히 두 번째 유행의 위험을 평가하는 것.
• 특히 임상 중재의 빠른 감소 추세를 반영하지 못한 예측과의 일치 여부를 검토하여 모델 예측의 탄력성 평가

제안 방법

• 프랑스의 각 지역에서 일일 병원 데이터(일반 병동 및 중환자실 입원, 사망, 퇴원)를 동시에 적합하기 위한 베이지안 계층 모델링.
• 확장된 SEIR 모델 사용: SEIHCDRO 및 SEAFHCDRO 모델로, 잠복기, 감염기, 입원, 중증, 제거 상태를 포함.
• 모든 지역에서 시간스케일 대 분지 비율 비율을 균일하게 가정하고, 봉쇄 전후로 지역별로 $R_0$를 다양하게 허용.
• emcee 패키지를 사용한 마르코프 체인 몬테카를로(MCMC) 샘플링을 통한 사전 지식 통합 및 불확실성 정량화.
• 관측된 데이터와의 모델 검증, 잔차 분석을 통한 이상 징후(예: 중환자실 입원의 빠른 감소) 탐지.
• 사회적 거리두기 및 마스크 착용의 영향을 평가하기 위한 민감도 분석을 통한 향후 $R_0$ 및 패안드믹 궤적 예측

실험 결과

연구 질문

• RQ1 프랑스의 국가 봉쇄 기간 전후로 지역 간 $R_0$의 변동은 어떻게 되는가?
• RQ2 균일한 시간스케일/비율 비율을 가진 확장된 SEIR 모델이 프랑스 각 지역의 관측된 일일 병원 데이터에 얼마나 잘 적합되는가?
• RQ3 2020년 5월 11일 기준으로 병원 데이터를 바탕으로 프랑스의 감염 후 사망률(IFR)은 얼마로 추정되는가?
• RQ4 $R_0$를 1 이하로 유지하고 두 번째 유행을 방지하기 위해 마스크 착용 비율은 어느 정도가 필요한가?
• RQ5 봉쇄 조치가 전혀 없었거나 10일 일찍 봉쇄 조치를 내렸다면 패안드믹은 어떻게 전개되었을 것인가?

주요 결과

• 봉쇄 이전의 프랑스에서 기본 복제 수 $R_0$는 $3.4 \pm 0.1$로 추정되었고, 봉쇄 기간 동안 $0.65 \pm 0.04$로 나타났으며, 지역 간 변동은 최소한이었다.
• 프랑스의 감염 후 사망률(IFR)은 $4 \pm 1\%$ (90% 신뢰구간)로 추정되었으며, 이는 이전 추정치인 0.5–0.7%보다 뚜렷이 높았다.
• 봉쇄나 사회적 거리두기 조치가 전혀 없었을 경우, 모델은 프랑스에서 200만 명 이상의 사망을 예측했고, 10일 일찍 봉쇄 조치를 내렸다면 사망자 수는 1,000명 이하로 줄어들었다.
• 2020년 4月下旬, 전국적으로 혈청유병률은 1% 미만이었고, 파리에서는 3%로 나타나 집단면역이 이루어지지 않았고, 면역을 획득한 인구 비율이 매우 낮았다.
• 2020년 5월 11일 이후 $R_0$를 1 이하로 유지하기 위해서는 최소 46%의 인구가 실외에서 마스크를 착용해야 하며, 그렇지 않으면 두 번째 유행은 피할 수 없다.
• 중환자실 입원 수의 예상보다 빠른 감소는 임상 지침의 개선을 시사하며, 사망률 감소 속도의 빠른 향상은 시간이 지남에 따라 치료법 향상의 증거로 보인다.