[論文レビュー] A mathematical model for the coronavirus COVID-19 outbreak

Roman Cherniha, Vasyl’ Davydovych|arXiv (Cornell University)|Apr 2, 2020

COVID-19 epidemiological studies被引用数 9

ひとこと要約

本稿では、中国における新型コロナウイルス感染症の流行の動態を記述し、実際のデータを用いて累積感染者数を予測するため、修正されたロジスティック微分方程式モデルを提案する。このモデルは時間に依存する死亡率を組み込み、報告されたデータと非常に良好な一致を示し、正確な解析解とパラメータフィッティングを用いて流行のピーク時刻と最終的な規模を正確に予測可能である。

ABSTRACT

A mathematical model is proposed for quantitative description of the outbreak of novel coronavirus COVID-19 in China. Although the model is relatively simple, the comparison with the public data shows that an exact solution solution of the model (with the correctly-specified parameters) leads to the results, which are in good agreement with the measured data. Prediction of the total number of the COVID-19 cases is discussed and an example is presented using the measured data in Austria.

研究の動機と目的

• 初期パンデミック期における新型コロナウイルスSARS-CoV-2の広がりを定量的に記述する、シンプルでありながら効果的な数学的モデルの構築を目的とする。
• 中国およびオーストリアの実世界データにモデルをフィットさせ、その予測精度を検証することを目的とする。
• 特定のパラメータ仮定の下で、感染症累積数および死亡者数の正確な解析解を導出することを目的とする。
• モデル内のパラメータγを用いて、非線形伝播ダイナミクスおよび政府の対策の影響を検討することを目的とする。
• 反応拡散方程式を用いて空間的拡散を組み込んだモデルの拡張を目的とする。これは、伝播パターンに不均一性を示す地域に適している。

提案手法

• モデルは修正ロジスティック方程式 du/dt = u(a - b u^γ) を用い、u(t) は時刻tにおける累積確認症例数を表す。
• 時間変動する死亡率 k(t) = k₀ exp(-αt) を組み込み、医療体制の改善に伴う効果の向上を反映する。
• γ = 1（標準的ロジスティックモデル）の場合に正確な解析解が得られ、特殊関数（Lerch超越関数など）を用いて特別なケースも解ける。
• パラメータaおよびbは、初期流行データを用いて指数的増加近似（u(t) ≈ u₀ e^{at}）と、u''(t*) = 0 を満たす変曲点t* を用いて推定される。
• 最大症例数は、変曲点条件から導かれる u_max = a/b として予測される。
• 空間的拡張は反応拡散系を用いて提案され、γ = 1 の場合、最初の式はFisher方程式に簡略化される。

実験結果

リサーチクエスチョン

• RQ1 時間に依存する死亡率を組み込んだシンプルな非線形常微分方程式モデルが、中国における初期COVID-19流行の累積症例数を正確に記述できるか？
• RQ2 実データからロジスティック型モデルのパラメータをどのように推定すれば、流行ピーク時刻と最終的規模を正確に予測できるか？
• RQ3 非線形性指数γが、中国および韓国のような異なる国々のデータへの適合性に与える影響は何か？
• RQ4 時間に依存する死亡率を組み込むことで、モデルの現実性および予測能力はどのように向上するか？
• RQ5 反応拡散方程式を用いて、偏微分方程式の枠組みで空間的拡散をモデル化できる程度はどの程度か？

主な発見

• パラメータを適切にフィッティングした場合、モデルの正確な解は中国の累積症例データと非常に良好に一致し、測定値と密接に一致する。
• オーストリアのデータを用いた場合、モデルは累積症例数約13,500例を予測し、最大誤差は10％未満であると推定された。
• 変曲点 t* = (1/a) ln(a/(b u₀) - 1) を用いることで、ピーク時の日増加率の時間的・量的特徴からbのパラメータ推定が可能である。
• オーストリアの事例では、最初の12日間のデータからaを0.27と推定し、t* = 18日目の変曲点を用いてbを0.000020と計算した。
• 中国ではγ = 1が良好な適合を示したが、韓国ではγ < 1がより適切であることが示され、国ごとの伝播ダイナミクスの差異が裏付けられた。
• 空間拡張モデルは反応拡散方程式に基づき、ODEモデルを一般化しており、地域的拡散のモデリングが可能であるが、解析解は得られていない。