[논문 리뷰] Why integral equations should be used instead of differential equations to describe the dynamics of epidemics

Zoltán Fodor, Sheldon Katz외 1명|arXiv (Cornell University)|2020. 04. 15.

COVID-19 epidemiological studies참고 문헌 25인용 수 17

한 줄 요약

이 논문은 전염병 역학을 모델링할 때 미분방정식 대신 적분방정식을 사용해야 한다고 주장한다. 적분방정식은 근사치를 사용하지 않고도 잠복기 지연을 자연스럽게 반영하기 때문이다. 뉴욕시 데이터를 바탕으로, 적분모델은 $R_0$ 추정이 더 정확하고, 정책 개입 후의 진동 현상을 더 잘 묘사하며, $R_0$ 변화를 실시간으로 모니터링할 수 있음을 보여주며, 일반적인 SEIR 유형의 미분방정식 모델보다 예측 성능이 뛰어나다.

ABSTRACT

It is of vital importance to understand and track the dynamics of rapidly unfolding epidemics. The health and economic consequences of the current COVID-19 pandemic provide a poignant case. Here we point out that since they are based on differential equations, the most widely used models of epidemic spread are plagued by an approximation that is not justified in the case of the current COVID-19 pandemic. Taking the example of data from New York City, we show that currently used models significantly underestimate the initial basic reproduction number ($R_0$). The correct description, based on integral equations, can be implemented in most of the reported models and it much more accurately accounts for the dynamics of the epidemic after sharp changes in $R_0$ due to restrictive public congregation measures. It also provides a novel way to determine the incubation period, and most importantly, as we demonstrate for several countries, this method allows an accurate monitoring of $R_0$ and thus a fine-tuning of any restrictive measures. Integral equation based models do not only provide the conceptually correct description, they also have more predictive power than differential equation based models, therefore we do not see any reason for using the latter.

연구 동기 및 목표

• 미분방정식 기반 전염병 모델의 개념적·정량적 한계, 특히 잠복기 지연과 $R_0$의 급격한 변화 처리 문제를 해결하기 위해.
• 기존에 널리 사용되는 SEIR 유형의 미분방정식 모델보다 적분방정식 모델이 전염병 역학을 더 정확하고 개념적으로 타당하게 묘사할 수 있음을 입증하기 위해.
• 수치적 복잡도는 유사하게 유지되지만, 특히 정책 변화가 빠를 경우 예측 성능이 크게 향상되는 바람직한 결과를 얻을 수 있음을 보여주기 위해.
• 미분방정식 모델에 내재된 통제되지 않은 근사치를 제거함으로써, $R_0$ 변화를 실시간으로 정밀하게 모니터링할 수 있도록 하기 위해.
• 보다 현실적이고 정확한 특성 덕분에, 적분방정식 수식 체계를 전염병 모델링의 표준 접근법으로 도입할 것을 촉진하기 위해.

제안 방법

• 이 논문은 시간 $t$에 발생하는 새로운 감염 수가 과거 감염률과 잠복기 분포 $P(\tau)$의 컨볼루션에 의존하는 적분방정식 모델을 수립한다.
• 핵심 방정식은 $\rho(t) = \beta \int_0^\infty \rho(t-\tau) P(\tau) d\tau$이며, 이는 노출에서 감염성으로의 시간 지연을 추가 근사 없이 모델링한다.
• 기본 재생수는 $R_0 = \beta \int_0^\infty P(\tau) d\tau$로 정의되며, 이는 투명하고 일관된 해석을 보장한다.
• 모델은 하위 인구집단으로 일반화될 수 있으며, 이 경우 병변별 전파율 $\beta_{i\leftarrow j}$와 인구역학적 동역학 $S_i(t)$를 포함하는 연립 적분방정식을 사용한다.
• 수치적 구현은 이산 시간 컨볼루션을 통해 이루어지며, 이는 SEIR 미분방정식을 푸는 것과 동일한 계산 복잡도를 가진다.
• 이 방법은 공중보건 조치로 인한 $R_0$ 급격한 감소 후에 발생하는 신규 사례 수의 진동 현상을 자연스럽게 묘사할 수 있으며, 이는 미분모델이 재현하지 못하는 특성이다.

실험 결과

연구 질문

• RQ1 왜 기존의 미분방정식 모델은 코로나19처럼 급격히 확산되는 유행병에서 초기 $R_0$를 크게 과소평가하는가?
• RQ2 노출과 감염성 사이의 시간 지연을 통제되지 않은 근사치 없이 정확하게 모델링할 수 있는 방법은 무엇인가?
• RQ3 적분방정식 모델이 미분방정식 모델보다 정책 시행 후의 신규 사례 수 변화의 진동 현상을 더 잘 묘사할 수 있는가?
• RQ4 적분방정식 프레임워크를 사용해 $R_0$를 얼마나 실시간으로 모니터링할 수 있는가?
• RQ5 적분방정식 모델과 미분방정식 모델을 비교했을 때, 유행의 피크 크기와 시점의 정량적 차이는 어느 정도인가?

주요 결과

• 적분방정식 모델은 잠복기 지연을 정확히 처리함으로써, 특히 $R_0$가 클 경우 미분방정식 모델보다 훨씬 높은 초기 $R_0$를 추정한다.
• 엄격한 조치가 시행된 후, 적분모델은 실제로 관측된 신규 사례 수의 진동 현상을 정확히 재현하지만, 이는 미분모델이 재현하지 못한다.
• 적분방정식 수식 체계는 $R_0$ 변화를 정확하고 실시간으로 모니터링할 수 있게 하여, 공중보건 조치의 정밀 조정을 가능하게 한다.
• 초기 기하급수적 확산 단계에서도, 미분방정식 모델은 잠복기 없이 즉시 감염성 상태로 전환된다고 가정함으로써 $R_0$를 과소평가한다.
• 적분모델이 예측하는 피크 감염자 수는 매개변수에 따라 SEIR 모델과 상당한 차이를 보일 수 있으며, 이는 더 현실적인 지연 반영 덕분이다.
• 적분방정식 접근법은 SEIR 모델과 비슷한 수준의 수치적 구현 복잡도를 가지지만, 더 뛰어난 예측 정확도와 개념적 명료성을 제공한다.