[논문 리뷰] COFFEE: COVID-19 Forecasts using Fast Evaluations and Estimation

Lauren Castro, Geoffrey Fairchild외 2명|arXiv (Cornell University)|2021. 10. 04.

COVID-19 epidemiological studies참고 문헌 1인용 수 6

한 줄 요약

COFFEE는 일일 코로나19 확진자 수와 사망자 수를 확률적으로 예측하는 모델로, 음수 이항 관측 오차를 갖는 동적 감수성-감염성(SI) 모델을 통해 빠르고 병렬 처리 가능한 추정을 수행한다. 예측 정확도를 햖스르기 위해 외곽치 조정, 로짓 변환, 조정 매개변수의 공동 사후분포를 활용하여 예측 구간을 강건하게 만들며, 뉴멕시코, 미국, 프랑스 등 다양한 지역에서 신뢰할 수 있는 예측을 달성한다.

ABSTRACT

This document details the methodology of the Los Alamos National Laboratory COVID-19 forecasting model, COFFEE (COVID-19 Forecasts using Fast Evaluations and Estimation).

연구 동기 및 목표

• 일일 및 누적 코로나19 확진자 수와 사망자 수를 위한 빠르고 확장 가능하며, 확률적인 예측 모델을 개발하는 것.
• 시계열에 따라 변화하는 역학적 매개변수의 과제를 해결하기 위해 시간에 따라 변화하는 증가율과 사망률 비율을 모델링하는 것.
• 외곽치 탐지 및 조정, 로짓 변환, 튜닝 매개변수의 공동 추정을 통해 예측의 신뢰도를 향상시키는 것.
• 모델을 독립적으로 피팅함으로써 지리적 지역 간 병렬 계산을 가능하게 하는 것.
• 실제 관측치와 회귀 기반 추정을 사용하여 확진자 및 사망자에 대한 校정된 예측 구간을 생성하는 것.

제안 방법

• 모델는 기저의 일일 확진자 수가 감수성 개인 비율과 누적 확진자 수에 비례하는 증가율을 갖는 동적 SI 모델을 사용한다.
• 과분산을 고려하기 위해 음수 이항 관측 모델을 적용하며, 평균은 기저의 확진자 수와 같고 분산은 분산 매개변수 α에 의해 확대된다.
• 보고된 데이터의 외곽치는 다섯 가지 알고리즘을 사용해 탐지되며, 세 개 이상의 방법이 이를 경고하면 값이 음수가 아닌 값으로 조정된다.
• 실제 증가율 κ̂_t는 연속된 일자 간 누적 확진자 수의 비율로 추정되며, 분산 안정성과 경계 보장을 위해 로짓 변환된다.
• 일자 및 요일 효과를 포함한 회귀 모델을 로짓 변환된 증가율에 적합하여 향후 추세를 예측한다.
• 관측된 γ_t에 대한 역거리 가중치를 사용하여 조정 매개변수(이동 평균 윈도우 ν, 하한/상한 경계 θ_lower, θ_upper)에 대한 공동 사후분포를 계산한다.

실험 결과

연구 질문

• RQ1 일일 및 누적 코로나19 확진자 수와 사망자 수를 빠르고 병렬 처리 가능한 확률 모델로 설계할 수 있는가?
• RQ2 외곽치 조정과 로짓 변환은 예측의 안정성과 정확도에 어떤 영향을 미치는가?
• RQ3 시간에 따라 변화하는 증가율과 사망률 비율은 어떻게 모델링하고 예측할 수 있으며, 불확실성은 어떻게 다루는가?
• RQ4 튜닝 매개변수에 대한 공동 사후분포는 예측의 신뢰도와 校정도를 향상시킬 수 있는가?
• RQ5 다양한 데이터 기반 튜닝 전략은 확진자 및 사망자에 대한 예측 구간에 어떤 영향을 미치는가?

주요 결과

• COFFEE 모델은 뉴멕시코, 미국, 프랑스 등 다양한 지역에서 일일 보고된 확진자 수와 사망자 수에 대해 校정된 예측 구간을 성공적으로 생성한다.
• 외곽치 조정은 보고된 데이터의 노이즈를 크게 감소시켜 모델 안정성과 예측의 신뢰도를 향상시킨다.
• 증가율의 로짓 변환은 경계 보장을 보장하고 회귀 모델링의 수치적 안정성을 향상시킨다.
• 튜닝 매개변수에 대한 공동 사후분포를 통해 이동 평균 윈도우와 사망률 비율의 경계에 대한 불확실성을 통합함으로써 강건한 예측이 가능해진다.
• 최근 사망자 데이터가 부족한 경우, 모델은 실측 또는 베르누이 표본 추출로 대체하여 저보도 기간 동안에도 예측의 무결성을 유지한다.
• 최종 예측 결과로 중앙값과 50%/80% 예측 구간이 다양한 전염병 역학을 보이는 지역에서 강력한 校정도와 적응 능력을 보여준다.