[논문 리뷰] The Effect of Population Size for Pathogen Transmission on Prediction of COVID-19 Pandemic Spread

Xuqi Zhang, Haiqi Liu외 4명|arXiv (Cornell University)|2020. 04. 22.

COVID-19 epidemiological studies참고 문헌 33인용 수 4

한 줄 요약

이 연구는 병원체 전파를 위한 시간에 따라 변하는 인구 규모(Nc)를 고려한 확률적 SEIR 모델을 개발하여 코로나19의 실시간 예측 및 전망을 향상시킨다. 비선형 필터링 이론에 기반해 유닉스 필터와 상호작용 다중 모델 필터를 통합함으로써, 변동하는 전파 매개변수를 추정하고 다양한 간섭 강도 하에서 감염 피크를 예측한다. 그 결과, Nc를 50–75% 감소시킬 경우 세계적 정점 병원 감염 수를 각각 3.00×10⁶에서 1.84×10⁶ 및 1.27×10⁶로 낮출 수 있음을 보여준다.

ABSTRACT

Extreme public health interventions play a critical role in mitigating the local and global prevalence and pandemic potential of COVID-19. Here, we use population size for pathogen transmission to measure the intensity of public health interventions, which is a key characteristic variable for nowcasting and forecasting of the epidemic. By formulating a hidden Markov dynamic system and using nonlinear filtering theory, we have developed a stochastic epidemic dynamic model under public health interventions. The model parameters and states are estimated in time from internationally available public data by combining an unscented filter and an interacting multiple model filter. Moreover, we consider the computability of the population size and provide its selection criterion. We estimate the mean of the basic reproductive number of China and the rest of the globe except China (GEC) to be 2.46 (95% CI: 2.41-2.51) and 3.64 (95% CI: (3.55-3.72), respectively. We infer that the number of latent infections of GEC is about 7.47*10^5 (95% CI: 7.32*10^5-7.62*10^5) as of April 2, 2020. We predict that the peak of infections in hospitals of GEC may reach 3.00*10^6 on the present trajectory, i.e., if the population size for pathogen transmission and epidemic parameters remains unchanged. If the control intensity is strengthened, e.g., 50% reduction or 75% reduction of the population size for pathogen transmission, the peak would decline to 1.84*10^6, 1.27*10^6, respectively.

연구 동기 및 목표

• 공중보건 간섭 조건 하에서 시간에 따라 변하는 전파를 위한 인구 규모(Nc)를 고려한 확률적 전염병 동역학 모델을 개발하는 것.
• 비선형 필터링을 통해 공개된 국제 데이터를 실시간으로 활용해 모델 상태와 매개변수를 추정할 수 있도록 하는 것.
• Nc가 전염병 예측에서 간섭 강도를 측정하는 핵심 제어 변수로서의 역할을 규명하고 정량화하는 것.
• 모델의 식별성과 실용성 보장을 위해 Nc에 대한 계산 가능한 선택 기준을 제공하는 것.
• 다양한 간섭 시나리오 하에서 세계 및 지역적 감염 추세의 규모, 피크 및 신뢰구간을 전망하는 것.

제안 방법

• 공중보건 간섭 하에서 SEIR 과정의 확률적 변화를 나타내기 위해 은닉 마르코프 동적 시스템을 수립한다.
• 노이즈가 있는 실제 데이터로부터 시간에 따라 변하는 상태와 매개변수를 추정하기 위해 유닉스 칼만 필터와 상호작용 다중 모델 필터를 통합한다.
• 비선형 필터링 이론을 적용해 전염병 역학의 과정 및 관측 노이즈를 처리함으로써 강건한 상태 추정을 가능하게 한다.
• 1/N 전개를 사용해 상태 및 공분산 추정치의 변동 범위를 유도하여 모델이 인구 규모에 대한 민감도를 평가한다.
• 모델의 계산 가능성과 식별성에 기반한 Nc 선택 기준을 적용하여 실제 적용 가능성을 확보한다.
• 잠재 감염자와 확진자 수를 연결하는 측정 모델을 활용하여 잠복기(7–14일)를 고려한다.

실험 결과

연구 질문

• RQ1 전파를 위한 인구 규모(Nc)가 코로나19의 실시간 예측 및 전망 정확도에 어떤 영향을 미치는가?
• RQ2 Nc로 측정된 간섭 강도의 변화가 세계적으로 병원 감염 피크에 어떤 영향을 미치는가?
• RQ3 시간에 따라 변하는 Nc를 가진 확률적 SEIR 모델이 실시간 공개 데이터를 기반으로 비선형 필터링을 통해 신뢰성 있게 추정될 수 있는가?
• RQ4 간섭 하에서 동적 전염병 모델에서 Nc의 식별성 및 선택 기준은 무엇인가?
• RQ5 Nc의 변화(예: 50% 또는 75% 감소)가 글로벌 중국 제외 지역(GEC)의 예측 감염 경로와 피크에 어떤 영향을 미치는가?

주요 결과

• 중국의 추정 기본 전파 수치는 2.46(95% 신뢰구간: 2.41–2.51)이며, 나머지 세계(지구 전체, GEC)는 3.64(95% 신뢰구간: 3.55–3.72)이다.
• 2020년 4월 2일 기준 GEC의 잠재 감염자 수는 7.47×10⁵(95% 신뢰구간: 7.32×10⁵–7.62×10⁵)로 추정된다.
• 현재 추세를 유지할 경우 GEC의 병원 감염 피크는 3.00×10⁶에 도달할 것으로 예측된다.
• Nc를 50% 감소시킬 경우 피크는 1.84×10⁶로 감소하고, 75% 감소시킬 경우 1.27×10⁶로 낮아진다.
• 모델은 Nc가 전염병 예측에서 핵심적이고 측정 가능하며 계산 가능한 변수임을 입증한다.
• 변동 분석 결과 상태 및 공분산 추정치가 1/N 순서 오차 하에서도 안정적이며, 대규모 인구에 대한 모델의 강건성을 확인한다.