[論文レビュー] A COVID-19 Epidemiological Model for Community and Policy Maker Use

Alex De Visscher|arXiv (Cornell University)|Mar 19, 2020

COVID-19 epidemiological studies被引用数 5

ひとこと要約

この論文は、COVID-19の4段階の疫学的モデル—感染、発症、重篤、回復—を、公衆衛生および政策的意思決定用途のためにMATLAB/GNU Octaveで実装したものである。このモデルは、医療体制の逼迫を防ぐには、社会的距離の確保が65–75%以上の効果を示す必要があり、R0を1未満に抑える必要があることを示しており、『集団免疫』や『曲線の平らさ』を政策戦略として採用することは妥当でないことを挑戦する。

ABSTRACT

An epidemiological model for COVID-19 was developed and implemented in MATLAB/GNU Octave for use by public health practitioners, policy makers and the general public. The model distinguishes four stages in the disease: infected, sick, seriously sick, and better. The model was preliminarily parameterized based on observations of the spread of the disease. The model is consistent with a mortality rate of 1.5 %. Preliminary simulations with the model indicate that concepts such as "herd immunity" and "flattening the curve" are highly misleading in the context of this virus. Public policies based on these concepts are inadequate to protect the population. Only reducing the R0 of the virus below 1 is an effective strategy for maintaining the death burden of COVID-19 within the normal range of seasonal flu. As R0 values estimated with the model range from 2.82 worldwide outside of China and 3.83 in the Western world in late February - early March 2020, this means social distancing with effectiveness greater than 65 % (worldwide) or 75 % (Western world) are needed to combat the virus successfully.

研究の動機と目的

• パンデミック初期の公衆衛生専門家や政策立案者向けに、アクセス可能で透明性のある疫学的モデルを開発すること。
• 『集団免疫』や『曲線の平らさ』が公衆衛生戦略として誤解を招く要因となっている点を明確にすること。
• 死亡率を季節性インフルエンザの水準に保つために必要な社会的距離の効果を定量化すること。
• コミュニティおよび政策立案者によるリアルタイム意思決定のための、オープンソースのコードを備えたツールを提供すること。
• 2020年2月から3月にかけての初期観察データと整合するR0の値および死亡率を推定すること。

提案手法

• モデルは、病状の進行を4つの明確な段階に分類する：感染、発症、重篤、回復。
• 常微分方程式を用いて、時間経過に伴う各段階間の移動をシミュレートする。
• パラメータは、初期観察データに合わせてキャリブレーションされ、ベースライン死亡率は1.5%として設定されている。
• R0は、世界全体（中国を除く）で2.82、西ヨーロッパで2020年2月下旬から3月上旬にかけて3.83と推定された。
• R0を1未満に抑えるために必要な社会的距離の効果を、式 1 - (1/R0) を用いて計算している。
• コードは、透明性と再現可能性を確保するため、MATLAB/GNU Octave形式で提供されている。

実験結果

リサーチクエスチョン

• RQ1 『集団免疫』や『曲線の平らさ』は、SARS-CoV-2に対して効果的な公衆衛生戦略として成立するか？
• RQ2 R0を1未満に抑えるために、どの程度の社会的距離の効果が求められるか？
• RQ3 世界全体と西ヨーロッパにおける推定R0の値の違いが、介入の強度にどのような影響を与えるか？
• RQ4 4段階のシンプルで透明性のあるモデルが、パンデミックの初期動態を的確に反映できるか？
• RQ5 モデルの予測と初期観察データに整合する死亡率はどの程度か？

主な発見

• モデルは、2020年2月下旬から3月上旬にかけて、世界全体（中国を除く）でR0を2.82、西ヨーロッパで3.83と推定した。
• R0を1未満に抑えるには、世界全体で65%、西ヨーロッパで75%の社会的距離の効果がそれぞれ必要である。
• モデルは、『集団免疫』や『曲線の平らさ』がこのウイルスに対して誤解を招く概念であり、保護を保証しないことを示している。
• R0を1未満に抑えることのみが、死亡率を季節性インフルエンザの通常水準に保つのに可能である。
• モデルのベースライン死亡率1.5%は、初期観察データおよび仮定と整合している。
• モデルのソースコードは、透明性とコミュニティ利用を目的として、MATLAB/GNU Octave形式で公開されている。