[논문 리뷰] Stochastic modeling and estimation of COVID-19 population dynamics

Nikolay M. Yanev, Vessela Stoimenova외 1명|arXiv (Cornell University)|2020. 04. 02.

COVID-19 epidemiological studies참고 문헌 6인용 수 9

한 줄 요약

이 논문은 일일 보고된 감염자 수만을 사용하여 코로나19의 평균 전파율(m)을 추정하기 위해 이종 분할 과정 모델을 제안한다. 이는 관측되지 않은 감염자 수를 예측할 수 있도록 한다. 모델은 무증상 보균자(T₁형)와 확진자(T₂형)를 구분하며, m는 헤리스 추정기법을 통해 추정된다. 결과적으로 불가리아와 전 세계적으로 m ≈ 1.11로 나타나 초임계적 성장이 일어나며, 감염자의 55%만 보고된 것으로 나타났다.

ABSTRACT

The aim of the paper is to describe a model of the development of the Covid-19 contamination of the population of a country or a region. For this purpose a special branching process with two types of individuals is considered. This model is intended to use only the observed daily statistics to estimate the main parameter of the contamination and to give a prediction of the mean value of the non-observed population of the contaminated individuals. This is a serious advantage in comparison with other more complicated models where the observed official statistics are not sufficient. In this way the specific development of the Covid-19 epidemics is considered for different countries.

연구 동기 및 목표

• 관측된 일일 확진자 수만을 기반으로 두 종류의 분할 과정을 사용하여 코로나19 전파의 확률적 역학을 모델링하는 것.
• 공식 통계 자료만을 사용하여 감염자 한 명이 유발하는 2차 감염자의 평균 수(m)를 추정함으로써 관측되지 않거나 불완전한 자료에 의존하지 않는 것.
• 추정된 전파 파rameter를 바탕으로 보고되지 않은(등록되지 않은) 감염자 수를 예측하는 것.
• 보고된 사례 비율(α)을 평가하고, 시간에 따른 예측된 사례 수와 관측된 사례 수를 비교하여 모델 적합도를 평가하는 것.
• 모든 국가나 지역에서 공개된 일일 사례 보고 자료만을 사용하여 적용 가능한 확장 가능한, 자료 기반의 프레임워크를 제공하는 것.

제안 방법

• 두 종류의 갈턴-워슨 분할 과정을 수립: T₁형(무증상 보균자)은 새로운 T₁형 개체를 생성하거나 T₂형(확진자)으로 전환되며, T₂형 개체는 번식하지 않는다.
• T₁형의 후손에 대한 연합 확률 생성 함수(p.g.f.)를 정의: h₁(s₁,s₂) = p₀ + Σⱼ₌₁ᵏ pⱼs₁ʲ + qs₂, 여기서 q는 확진자로 전환될 확률이다.
• 관측된 일일 확진자 수 Z₂(n)에서 헤리스 추정기법을 사용하여 평균 후손 수 m = E[ξ₁⁽¹⁾]를 추정하며, Z₁(0) > 0 및 Z₂(0) = 0을 가정한다.
• 헤리스 추정기법을 불가리아, 이탈리아, 독일, 프랑스 및 전 세계의 실시간 데이터에 적용하여 20일 단위로 분석하며, 확진자 수의 첫 20일을 사용한다.
• 추정된 m를 바탕으로 향후 확진자 수를 예측하고, 실제 데이터와 비교하며 95% 신뢰구간을 포함한다.
• 관측된 총 감염자 수와 예측된 총 감염자 수의 비율을 사용하여 보고된 감염자 비율(α)을 추정하며, 지연 기간으로 10 또는 20일을 고려한다.

실험 결과

연구 질문

• RQ1 불가리아, 이탈리아, 전 세계에서 일일 보고된 감염자 수만을 기반으로 감염자 한 명이 유발하는 2차 감염자의 평균 수(m)는 얼마인가?
• RQ2 첫 20일 간의 데이터와 추정된 m만을 사용하여 모델이 향후 확진자 수를 얼마나 잘 예측할 수 있는가?
• RQ3 공식 통계에 포함된 총 감염자 비율(α)은 얼마이며, 국가 간에 어떻게 달라지는가?
• RQ4 다양한 지역에서 추정된 m에 기반해 전파 과정은 초임계적, 임계적, 또는 초임계적인가?
• RQ5 데이터 윈도우의 종료 5일 전에 모델의 예측 성능이 실제 감염자 수와 어떻게 비교되는가?

주요 결과

• 헤리스 추정기법을 통해 불가리아의 경우 m ≈ 1.1093, 이탈리아의 경우 1.1348, 전 세계적으로는 1.0875로 추정되어 초임계적 과정이며 기하급수적 성장 가능성을 나타낸다.
• 불가리아의 경우, 모델은 20일째에 31명의 보고되지 않은 감염자를 예측했으며, 실제 보고된 사례는 38건이었고, 이에 따라 보고 비율 α = 0.5507로 추정되었다.
• 추정된 m를 사용한 예측 사례 수는 실제 데이터와 매우 유사하게 추적되었으며, 모든 세 데이터셋에서 95% 예측 구간이 관측된 값을 포함하였다.
• 데이터 종료 5일 전의 전 세계 사례에 대한 모델 예측값(11,754건)은 실제 확진자 수 13,998건과 유사했으며, 95% 신뢰구간 [8,289, 15,393] 내에 포함되었다.
• 감염 기간 종료 시점에도 보고된 사례 비율(α)이 비교적 높게 유지되어(약 0.55), 효과적인 검사 또는 격리 조치가 시행된 것으로 나타났다.
• 헤리스 추정기법과 모델 예측은 다양한 국가에서 동일하게 강건하게 유지되었으며, 연구된 모든 지역에서 m > 1인 초임계적 행동이 일관되게 관찰되었다.