[論文レビュー] A Note on the Evolution of Covid-19 in Italy

G. Dattoli, E. Di Palma+2 more|arXiv (Cornell University)|Mar 19, 2020

Complex Systems and Time Series Analysis参考文献 9被引用数 6

ひとこと要約

本論文は、物理学および資源動力学で一般的に用いられるロジスティック曲線およびハーバート曲線モデルを応用し、イタリアにおけるCOVID-19感染の推移を予測している。日次感染データにロジスティック関数を適合させて、ピーク感染率と飽和水準を推定し、ピークが発症後約23日目ごろに2,850件/日の予測値を示すが、Gompertzモデルはより非対称で広がりのあるピーク（約1,648件/日）を示している。

ABSTRACT

We employ methods largely exploited in Physics, in the analysis of the evolution of dynamical systems, to study the pattern of the Covid-19 infection in Italy. The techniques we employ are based on the use of logistic function and of its derivative, namely the Hubbert function. The latter is exploited to give a prediction on the number of infected per day. We also mention the possibility of taking advantage from other mathematical tools based e.g. on the Gompertz equation and make some comparison on the different predictive capabilities.

研究の動機と目的

• 物理学の数学的ツールを用いてイタリアにおけるSARS-CoV-2感染の時間的推移をモデル化すること。
• ロジスティック関数およびハーバート関数を用いて、日次感染数のピークと飽和の時期を予測すること。
• 流行動態の予測性能について、ロジスティックモデルとGompertzモデルを比較すること。
• 異なる医療体制の容量閾値下での、治療が行われない可能性のある患者数を推定すること。
• 完全なSIR型流行モデルと比較して、簡素化されたモデルの限界を評価すること。

提案手法

• 累積感染数の時間的推移をモデル化するために、ロジスティック関数 $ N(\tau) = N_0 \frac{e^{r\tau}}{1 + \frac{N_0}{K}(e^{r\tau} - 1)} $ を使用する。
• ロジスティック関数の微分として知られるハーバート曲線を、日次新規感染数のモデル化に用いる。
• イタリア保健省が提供する初期流行データを用いて、モデルのパラメータ $ r $（増殖率）および $ K $（環境収容力）を適合させる。
• 非対称性およびピークタイミングの違いを比較するため、Gompertzモデル $ G(\tau) = \alpha e^{-\beta e^{-\gamma \tau}} $ を代替として適用する。
• 医療体制の容量を表す閾値 $ \overline{N} $ とハーバート曲線を比較することで、治療が行われない可能性のある患者数 $ \Delta $ を計算する。
• 数値解法を用いて、感染率が閾値 $ \overline{N} $ を上回る時間間隔 $ \tau_{\pm} $ を特定する。

実験結果

リサーチクエスチョン

• RQ1 ロジスティック曲線およびハーバート曲線は、イタリアにおけるCOVID-19の日次感染曲線を正確にモデル化できるか？
• RQ2 日次感染数のピークはどの程度で、いつに発生するか？
• RQ3 Gompertzモデルは、観察されたデータへの適合性およびピークタイミングの予測において、ロジスティックモデルと比べてどのように異なるか？
• RQ4 異なる増殖シナリオ下で、医療体制の容量を超えると予想される患者数はどの程度か？
• RQ5 地域格差（例：ロンバルディア地方）は、全国レベルのモデル予測にどのように影響を与えるか？

主な発見

• ロジスティックモデルは、発症後 $ \tau^* = 23 $ 日目に1日あたり2,850件の新規感染のピークを予測している。
• Gompertzモデルは、1日あたり1,648件のより低く広がりのあるピークを示し、ピークは $ \tau_G^* = 18 $ 日目に発生する。
• モデルの感度分析から、成長率 $ r $ が高くなるほど、治療が行われない可能性のある患者数 $ \Delta $ は顕著に増加することが示された。
• モデルの結果から、ピーク感染数の10％が集中治療を要する場合、1日あたり約300名の患者が標準的な医療体制を超えると推定された。
• Gompertzモデルは、ロジスティックモデルよりも非対称で広がりのある曲線を生成し、観察されたデータのトレンドをよりよく再現している。
• 分析から、全国レベルのトレンドは地域差を隠している可能性があり、特に北イタリア（例：ロンバルディア）が初期の流行動態を支配しており、今後の段階で二重ロジスティック的挙動が生じる可能性があると示唆された。