[논문 리뷰] Using generalized logistics regression to forecast population infected by Covid-19

Mario Villalobos-Arias|arXiv (Cornell University)|2020. 04. 06.

COVID-19 epidemiological studies참고 문헌 3인용 수 20

한 줄 요약

이 논문은 초기 유행 데이터에 S자형 성장 곡선을 적합시켜 누적 코로나19 감염 수를 예측하기 위해 일반화된 로지스틱(Go) 및 고프르츠 회귀 모델을 제안한다. 이 방법은 비선형 최적화를 활용해 제한된 데이터(예: 20–35일)에서 파라미터를 추정하며, 여러 국가에서 R² > 0.998을 달성하여 최소한의 데이터 입력으로 유행 정점 크기와 변곡점에 대한 신뢰할 수 있는 예측이 가능하다.

ABSTRACT

In this work, a proposal to forecast the populations using generalized logistics regression curve fitting is presented. This type of curve is used to study population growth, in this case population of people infected with the Covid-19 virus; and it can also be used to approximate the survival curve used in actuarial and similar studies.

연구 동기 및 목표

• 탄력적인 성장 곡선 모델을 활용해 누적 코로나19 사례를 데이터 효율적으로 예측할 수 있는 방법을 개발하기 위해.
• 전파 및 회복 속도를 추정하기 위해 광범위한 데이터가 필요한 SIR 모델의 한계를 극복하기 위해.
• 초기 유행 데이터(20–35일)가 전체 유행 곡선과 정점 크기를 신뢰성 있게 예측할 수 있는지 테스트하기 위해.
• 실제 감염 데이터에 대한 일반화된 로지스틱 및 고프르츠 함수의 적합 성능을 비교하기 위해.
• 공중보건 관계자가 유행 정점 예측 및 간접적 영향 평가를 위해 실용적인 도구를 제공하기 위해.

제안 방법

• 일반화된 로지스틱(Go) 함수 사용: $ P(t) = \frac{M}{(1 + e^{-at + b})^\alpha} $, 여기서 $ M $은 최대 인구수, $ a $는 성장률을 제어하며, $ b $는 곡선을 이동시키고, $ \alpha $는 유연성을 제공한다.
• 고프르츠 함수 적용: $ G(t) = a \cdot e^{-b \cdot e^{-ct}} $, 삼파rameter 모델로 비대칭성이 내재되어 있어 유행 곡선에 적합하다.
• 선형화가 파라미터 추정을 왜곡할 수 있으므로, 비선형 최적화 기법을 사용해 누적 감염 데이터에 모델을 적합시킨다.
• 적합도 평가에 결정계수($ R^2 $)를 사용하며, 7% 오차 범위의 예측 구간을 포함한다.
• 2020년 3월~4월 데이터를 활용해 중국, 이탈리아, 스페인, 미국 등 여러 국가에서 GL 및 고프르츠 모델의 예측 성능을 비교한다.
• 공중보건 간접 조치의 영향을 평가하기 위해 시간에 따라 예측된 최대 사례 수($ M $)의 변화를 추적한다.

실험 결과

연구 질문

• RQ1 일반화된 로지스틱 및 고프르츠 회귀 모델이 오직 20–35일 간의 데이터만을 사용해 누적 코로나19 감염 수를 정확하게 예측할 수 있는가?
• RQ2 중국, 이탈리아, 스페인, 미국과 같은 국가의 실제 유행 곡선에 대해 GL 및 고프르츠 모델의 예측 성능는 어떻게 비교되는가?
• RQ3 공중보건 간접 조치가 시행됨에 따라 예측된 유행 정점 크기($ M $)가 시간이 지남에 따라 감소하는가? 이는 모델이 이를 포착할 수 있는가?
• RQ4 일일 사례 증가율이 감소하기 시작하는 시점인 유행 곡선의 변곡점은 초기 데이터로부터 이 모델들을 통해 신뢰성 있게 추정할 수 있는가?
• RQ5 한국과 같이 다른 유행 역학을 보이는 국가에 적용했을 때 모델의 예측이 얼마나 강인한가?

주요 결과

• 일반화된 로지스틱 모델은 2020년 3월 31일 기준 코스타리카 데이터에 대해 $ R^2 = 0.99858 $을 달성했으며, 예측 정점은 총 886건의 사례였다.
• 고프르츠 모델은 코스타리카에 대해 $ R^2 = 0.99854 $를 기록했으며, 정점으로 887건의 사례를 예측하여 GL 모델과 강한 일치를 보였다.
• 이탈리아의 경우 고프르츠 모델이 $ R^2 = 0.99968 $을 달성했으며, 2020년 3월 30일까지의 데이터를 사용해 정점 261,052건을 예측했다.
• 스페인의 고프르츠 적합 결과는 $ R^2 = 0.99941 $이었으며, 2020년 3월 31일까지의 데이터로 정점 468,495건을 예측했다.
• 미국의 고프르츠 회귀 모델은 $ R^2 = 0.999915 $를 기록했으며, 2020년 4월 5일까지의 데이터로 정점 1,486,347건을 예측했다.
• 코스타리카의 예측 최대 사례 수($ M $)는 3월 23일 약 2,162건에서 4월 5일까지 743건으로 감소하여 정부 간접 조치의 측정 가능한 영향을 시사했다.