[논문 리뷰] Semi-Mechanistic Bayesian Modeling of COVID-19 with Renewal Processes

Samir Bhatt, Neil M. Ferguson외 4명|arXiv (Cornell University)|2020. 12. 01.

COVID-19 epidemiological studies인용 수 10

한 줄 요약

이 논문은 감염 재생 프로세스를 사용하여 COVID-19 전파를 모델링하는 반기계적 베이지안 프레임워크를 제시한다. 이 프레임워크는 정책 조치와 이동성과 같은 공변량에 대한 회귀를 통해 지역 간 시간에 따라 변화하는 기본 재생수 $R_t$를 공동으로 추정한다. 부분 풀링을 통해 안정적인 추론이 가능하며, 봉쇄 조치가 이동성 감소를 통해 전파를 18.3% 감소시켰고, 이 간접 효과가 양수일 가능성은 89.6%로 추정된다.

ABSTRACT

We propose a general Bayesian approach to modeling epidemics such as COVID-19. The approach grew out of specific analyses conducted during the pandemic, in particular an analysis concerning the effects of non-pharmaceutical interventions (NPIs) in reducing COVID-19 transmission in 11 European countries. The model parameterizes the time varying reproduction number $R_t$ through a regression framework in which covariates can e.g be governmental interventions or changes in mobility patterns. This allows a joint fit across regions and partial pooling to share strength. This innovation was critical to our timely estimates of the impact of lockdown and other NPIs in the European epidemics, whose validity was borne out by the subsequent course of the epidemic. Our framework provides a fully generative model for latent infections and observations deriving from them, including deaths, cases, hospitalizations, ICU admissions and seroprevalence surveys. One issue surrounding our model's use during the COVID-19 pandemic is the confounded nature of NPIs and mobility. We use our framework to explore this issue. We have open sourced an R package epidemia implementing our approach in Stan. Versions of the model are used by New York State, Tennessee and Scotland to estimate the current situation and make policy decisions.

연구 동기 및 목표

• COVID-19와 같은 대유행 기간 동안 감염병 역학을 모델링하기 위한 유연하고 일반화 가능한 베이지안 프레임워크를 개발하는 것.
• 사례 데이터의 보고율이 낮고 시간에 따라 변동하는 경우 발생하는 편향으로 인해 전파율을 추정하는 데 도전 과제를 해결하는 것.
• 사례, 사망, 입원, 혈청유병률 등의 다양한 자료 유형을 함께 모델링하여 단일 자료원에 대한 의존도를 줄이고 정확성을 높이는 것.
• 자료가 부족하거나 혼동 요인이 있는 경우에도 NPI 및 이동성 효과 추정의 안정성을 높이기 위해 지역 간 부분 풀링을 가능하게 하는 것.
• 특히 봉쇄 조치가 이동성 변화를 통해 전파에 미치는 간접 효과를 포함한 인과적 경로를 탐색하는 것.

제안 방법

• 감염의 잠재적 전파를 모델링하기 위해 이산 재생 프로세스를 사용하며, 잠재 감염자와 관측 결과 간의 관계를 세대 분포와 관측 분포를 통해 연결한다.
• 비약리적 조치(NPIs)와 이동 패턴과 같은 시간에 따라 변화하는 공변량에 따라 $R_t$ 를 매개변수화하기 위해 회귀 프레임워크를 사용한다.
• 11개 유럽 국가 간에 계층적(부분 풀링) 모델링을 적용하여 정보 공유를 통해 추정 안정성을 향상시킨다.
• 사망, 사례, 입원, 중환자실 입원, 혈청유병률 등의 다양한 자료 유형을 통합된 우도 함수에 통합하여 정확성을 높인다.
• 인과 중재 분석을 통해 봉쇄 조치의 총 효과를 직접 효과와 이동성을 통한 간접 효과로 분해하며, 간접 효과를 $\beta^1_1 - \beta^2_1$ 로 추정한다.
• 오픈소스 R 패키지 *epidemia* 를 통해 스탠(Stan)에 구현하여 마르코프 체인 몬테카를로(MCMC)를 통한 확장 가능하고 재현 가능한 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 지역 간 이질성과 자료 부족을 고려하면서도 다수 지역의 $R_t$ 를 통합적으로 추정할 수 있는 방법은 무엇인가?
• RQ2 비약리적 조치(NPIs)는 전파를 얼마나 줄이며, 그 효과의 몇 퍼센트가 이동성 변화를 통해 간접적으로 발생하는가?
• RQ3 사례 데이터의 편향이 있을 경우, 사망, 사례, 혈청유병률 등의 다양한 자료원을 통합하여 전파율 추정의 정확성을 어떻게 향상시킬 수 있는가?
• RQ4 NPIs와 이동성 간의 혼동 요인이 간섭 효과 추정에 미치는 영향은 무엇이며, 이를 어떻게 분리할 수 있는가?
• RQ5 생물학적으로 타당하면서도 통계적 민첩성을 갖춘 반기계적 모델은 패닉 기간 동안 시의적이고 정책적으로 유용한 추정을 제공할 수 있는가?

주요 결과

• 봉쇄 조치는 이동성 감소를 통해 전파를 18.3% 감소시켰으며, 95% 신뢰구간은 [12.2%, 44.4%]이다.
• 봉쇄 조치가 이동성 변화를 통해 간접적으로 전파에 영향을 미치는 효과가 양수일 가능성의 사후 확률은 89.6%로, 이 경로에 강력한 증거가 있음을 시사한다.
• 모델은 11개 유럽 국가에서 NPI 및 이동성의 영향을 성공적으로 추정하였으며, 이후 유행 경과와의 일치로 검증되었다.
• 다양한 자료 유형 통합으로 인해 편향이 심한 또는 불완전한 사례 보고로 인한 편향을 줄여 정확성을 높였다.
• 지역 간 부분 풀링은 특히 자료가 부족한 초기 유행 단계에서 추정 정밀도를 향상시켰다.
• 뉴욕 주, 테네시 주, 스코틀랜드 정부에서 모델이 정책 결정에 실제로 활용되고 있어 실용적 유용성을 입증했다.