[논문 리뷰] Synthetic Control, Synthetic Interventions, and COVID-19 spread: Exploring the impact of lockdown measures and herd immunity

Niloofar Bayat, Cody Morrin외 2명|arXiv (Cornell University)|2020. 09. 21.

COVID-19 epidemiological studies참고 문헌 14인용 수 6

한 줄 요약

이 논문은 코로나19 전파에 대한 봉쇄 정책과 집단면역의 영향을 평가하기 위해 합성 제어 및 합성 간섭 기법을 적용한다. 미국의 카운티 관찰 데이터를 사용하여 역학적 대체 시나리오를 구축하여, 뉴욕에서 더 이르게 봉쇄 조치를 시행했더라면 사망자 수를 최대 80% 감소시킬 수 있었으며, 더 엄격한 실내 식당 운영 및 마스크 착용 규정은 이전 감염 수준과 관계없이 전파 속도를 둔화시켰음을 보여준다.

ABSTRACT

The synthetic control method is an empirical methodology forcausal inference using observational data. By observing thespread of COVID-19 throughout the world, we analyze the dataon the number of deaths and cases in different regions usingthe power of prediction, counterfactual analysis, and syntheticinterventions of the synthetic control and its extensions. Weobserve that the number of deaths and cases in different re-gions would have been much smaller had the lockdowns beenimposed earlier and had the re-openings been done later, es-pecially among indoor bars and restaurants. We also analyzethe speculated impact of herd immunity on the spread giventhe population of each region and show that lockdown policieshave a very strong impact on the spread regardless of the levelof prior infections. Our most up-to-date code, model, and data can be foundon github: https://github.com/niloofarbayat/COVID19-synthetic-control-analysis

연구 동기 및 목표

• 봉쇄 시기와 재개 속도가 코로나19 확진자 및 사망자 추세에 미치는 인과적 영향을 평가하기 위해.
• 집단면역과 마스크 착용 의무화, 실내 식당 제한과 같은 정책적 조치가 전파에 미치는 영향 중 어느 것이 더 강력한지 평가하기 위해.
• 합성 제어를 사용하여 관찰 데이터 기반으로 역학적 결과의 대체 예측을 위한 강력한, 데이터 기반의 방법론을 개발하기 위해.
• 유사한 감염 수준을 가진 지역 간 정책 차이를 비교하여 특정 조치의 영향을 분리하기 위해.
• 무모수적 관찰 모델링을 활용하여 근거 기반 정책 권고를 제공하기 위해.

제안 방법

• 치료를 받지 않은 지역의 기부자 풀을 이용해 개입을 받은 지역에 대한 대체 시나리오를 생성하기 위해 합성 제어 단위를 구성한다.
• 확진자 및 사망자 보고의 누락 데이터와 높은 변동성 노이즈를 다루기 위해 강력한 합성 제어 기법을 적용한다.
• 예상 정책 변화, 예를 들어 더 이른 봉쇄 또는 지연된 재개의 영향을 시뮬레이션하기 위해 합성 간섭 기법을 사용한다.
• 일일 확진자 및 사망자 수의 노이즈를 줄이기 위해 7일 이동 평균을 사용한다.
• 노르턴 지역 카운티와 다른 미국 카운티 간의 예측 오차(평균 제곱 오차)를 비교하여 정책 효과를 평가한다.
• 메모리얼 데이 기준 100만 명당 감염 밀도로 카운티를 분류하여 집단면역이 전파를 줄일 수 있는 임계점을 테스트한다.

실험 결과

연구 질문

• RQ1 뉴욕에서 더 이른 봉쇄 조치를 시행했더라면 코로나19 사망자 수는 얼마나 감소했을까?
• RQ2 마스크 착용 의무화와 비교할 때 실내 식당 및 바 운영 정책은 전파에 어떤 영향을 미치는가?
• RQ3 현재 감염 수준에서 집단면역이 SARS-CoV-2 전파를 상당히 줄일 수 있는가?
• RQ4 유사한 확진자 수를 가진 카운티 간 정책 차이가 패안드레미아의 결과에 어떤 영향을 미치는가?
• RQ5 랜덤화 실험을 시행할 수 없는 상황에서 합성 제어 모델이 개입의 영향을 정확하게 예측할 수 있는가?

주요 결과

• 뉴욕에서 더 이른 봉쇄 조치를 시행했더라면 실제 결과 대비 사망자 수를 최대 80% 감소시킬 수 있었다.
• 더 엄격한 실내 식당 및 마스크 정책을 시행한 카운티는 유사한 감염 수준을 가진 더 느슨한 규칙을 시행한 카운티보다 확진자 증가율이 유의미하게 낮았다.
• 합성 제어 모델은 뉴잉글랜드 지역에서 엄격한 정책을 시행한 카운티가 유사한 다른 지역 카운티보다 더 잘 운영되었을 것이라고 예측했으며, 이는 집단면역을 초월한 정책 효과를 확인했다.
• 감염 밀도 수준에 관계없이 뉴잉글랜드 지역과 비뉴잉글랜드 지역 간의 예측 오차 간격이 지속적으로 유지되어 정책 조치가 집단면역보다 더 강력한 영향을 미쳤음을 시사한다.
• 대부분의 미국 카운티에서 자연 전파 감소가 발생할 수 있는 임계점에 도달하지 못해 대부분의 지역에서 집단면역 효과는 미미하다는 것을 모델이 보여주었다.
• 합성 간섭 기법은 정책 변화의 영향을 성공적으로 예측하여 실시간 정책 평가에 있어 그 가치를 입증했다.