[논문 리뷰] Understanding the COVID19 Outbreak: A Comparative Data Analytics and Study

Anis Koubâa|arXiv (Cornell University)|2020. 03. 29.

COVID-19 epidemiological studies인용 수 13

한 줄 요약

이 연구는 빅데이터와 시각화를 활용한 종합적인 비교 데이터 분석 프레임워크를 제시하여 코로나19의 세계적 확산과 영향을 이해한다. 이는 2003년 사스, 2012년 메르스, 2014년 에볼라와 비교한다. 연구는 매일 업데이트되는 세계적 확진자 데이터를 기반으로술술 기술적 및 예측 모델을 적용하여, 2020년 3월 27일 기준으로 코로나19가 전 세계 확진자의 90% 이상, 사망자의 80% 이상을 차지했으며, 사망자와 확진자 모두에서 유럽이 가장 심각하게 영향을 받은 것으로 나타났다. 이는 이전의 유행과 비교해 볼 때 코로나19가 세계적으로 예상치 못한 심각성을 띠고 있음을 시사한다.

ABSTRACT

The Coronavirus, also known as the COVID-19 virus, has emerged in Wuhan China since late November 2019. Since that time, it has been spreading at large-scale until today all around the world. It is currently recognized as the world's most viral and severe epidemic spread in the last twenty years, as compared to Ebola 2014, MERS 2012, and SARS 2003. Despite being still in the middle of the outbreak, there is an urgent need to understand the impact of COVID-19. The objective is to clarify how it was spread so fast in a short time worldwide in unprecedented fashion. This paper represents a first initiative to achieve this goal, and it provides a comprehensive analytical study about the Coronavirus. The contribution of this paper consists in providing descriptive and predictive models that give insights into COVID-19 impact through the analysis of extensive data updated daily for the outbreak in all countries. We aim at answering several open questions: How does COVID-19 spread around the world? What is its impact in terms of confirmed and death cases at the continent, region, and country levels? How does its severity compare with other epidemic outbreaks, including Ebola 2014, MERS 2012, and SARS 2003? Is there a correlation between the number of confirmed cases and death cases? We present a comprehensive analytics visualization to address the questions mentioned above. To the best of our knowledge, this is the first systematic analytical papers that pave the way towards a better understanding of COVID-19. The analytical dashboards and collected data of this study are available online [1].

연구 동기 및 목표

• 코로나19의 세계적 확산을 분석하고, 이전 유행과 비교해 비정상적으로 빠른 전파 속도와 규모를 이해하는 것.
• 확진자 및 사망자 수를 대륙, 지역, 국가 수준에서 정량화하고 시각화하여 영향을 분석하는 것.
• 기술적 및 예측 모델을 활용해 코로나19의 심각성과 이전 유행인 사스(2003), 메르스(2012), 에볼라(2014)를 비교하는 것.
• 다양한 지리적 수준에서 확진자 수와 사망자 수 간의 상관관계를 조사하는 것.
• 공개 접근이 가능한 분석 대시보드 및 데이터셋을 제공하여 공중보건 의사결정 및 연구를 지원하는 것.

제안 방법

• 전 세계 확진자 데이터를 매일 업데이트하는 존스홉킨스대학교 자료를 활용해 시간적·공간적 분석을 종합적으로 수행.
• Tableau를 활용해 상호작용 가능한 데이터 시각화를 수행하며, 대륙, 지역, 국가 수준의 비교 열지도 및 팩티드 버블 차트를 포함.
• 기술적 분석을 적용해 지리적 수준에서 확진자 및 사망자 수 분포를 요약.
• 예측 모델링 기법을 사용해 유행 추세를 예측하고 예방 조치의 영향을 평가.
• 코로나19, 사스, 메르스, 에볼라 유행의 경우 수와 사망률 데이터를 정규화하여 비교 분석.
• 대륙별 중앙연령을 분석해 인구 통계적 요소가 사망률에 미치는 영향을 파악.

실험 결과

연구 질문

• RQ1 코로나19는 전 세계적으로 어떻게 퍼졌으며, 주요 전파 패턴은 무엇인가?
• RQ2 대륙, 지역, 국가 수준에서 코로나19의 확진자 및 사망자 수에 따른 영향은 어떠한가?
• RQ3 확진자 및 사망자 분포 측면에서 코로나19의 심각성은 2014년 에볼라, 2012년 메르스, 2003년 사스와 비교해 어떻게 다를까?
• RQ4 다양한 지리적 지역에서 확진자 수와 사망자 수 간에 통계적으로 유의미한 상관관계가 있는가?
• RQ5 중앙연령은 대륙 간 사망률에 영향을 미치는 역할을 하는가?

주요 결과

• 2020년 3월 27일 기준 코로나19는 전 세계 확진자의 90.4%와 사망자의 80.0%를 차지했으며, 이는 2014년 에볼라, 2011년 메르스, 2003년 사스를 크게 앞서는 수준이었다.
• 유럽이 가장 영향을 많이 받은 대륙으로, 확진자의 51.64%와 사망자의 56.26%를 차지했으며, 주로 남유럽과 서유럽에서 주로 발생했다.
• 국가 수준에서 미국이 확진자 수의 가장 높은 비율(16.43%)을 차지했고, 이탈리아(13.98%), 중국(13.15%)가 그 뒤를 이었다.
• 코로나19의 사망률은 유럽에서 가장 높았으며, 중앙연령이 42세로, 고령 인구 비율이 높은 지역에서 사망률이 높게 나타났다. 특히 남유럽과 서유럽에서 뚜렷한 사망률 증가를 보였다.
• 평균적으로 2014년 에볼라의 경우 아프리카 국가당 평균 947명의 사망자가 있었고, 코로나19는 유럽 국가당 평균 296명의 사망자가 있었으며, 2003년 사스는 아시아 국가당 평균 55명의 사망자가 있었다.
• 2014년 서아프리카에서의 에볼라 영향 규모는 네덜란드, 벨기에, 오스트리아와 같은 국가들의 코로나19 확진자 수 확산 규모와 유사한 수준이었다.