[論文レビュー] Epidemic Models for COVID-19 during the First Wave from February to May 2020: a Methodological Review

Marie Garin, Myrto Limnios+13 more|arXiv (Cornell University)|Sep 3, 2021

COVID-19 epidemiological studies参考文献 107被引用数 6

ひとこと要約

この方法論的レビューでは、2020年2月から5月にかけてのCOVID-19の疫学的モデル80件を分析し、現象論的モデル、コンpartimentalモデル、個別レベルモデルに分類し、介入のモデリング、パラメータ推定手法、データ特性を評価した。急速な科学的対応、再現可能性、オープンサイエンスの実践が強調され、パンデミックの最初の波期におけるモデル発見と比較のためのデジタル補完資料を提供している。

ABSTRACT

We review epidemiological models for the propagation of the COVID-19 pandemic during the early months of the outbreak: from February to May 2020. The aim is to propose a methodological review that highlights the following characteristics: (i) the epidemic propagation models, (ii) the modeling of intervention strategies, (iii) the models and estimation procedures of the epidemic parameters and (iv) the characteristics of the data used. We finally selected 80 articles from open access databases based on criteria such as the theoretical background, the reproducibility, the incorporation of interventions strategies, etc. It mainly resulted to phenomenological, compartmental and individual-level models. A digital companion including an online sheet, a Kibana interface and a markdown document is proposed. Finally, this work provides an opportunity to witness how the scientific community reacted to this unique situation.

研究の動機と目的

• 最初の波のCOVID-19パンデミックを研究するために用いられた数学的モデルの方法論的多様性を体系的にマッピングおよび分析すること。
• 初期パンデミック期のモデリング活動における介入戦略の統合、透明性、再現可能性を評価すること。
• 広範な公表済みモデル群におけるデータの質と可用性、推定手順、オープンソースコードの質を評価すること。
• モデリングイノベーションを通じて、前例のない世界的な健康危機に科学界がいかに迅速に反応したかを文書化すること。
• 公衆衛生研究におけるモデル発見、比較、再現可能性を支援する、キュ레이ティドでオープンアクセスのデジタルリポジトリを提供すること。

提案手法

• 理論的厳密性、再現可能性、介入戦略の組み込みを基準とした、オープンアクセスデータベースを用いた体系的文献レビューを実施した。
• モデルを主に3つのタイプに分類した：現象論的モデル、コンpartimentalモデル（例：SIR型）、個別レベルモデル（例：エージェントベース）。
• 各モデルの主な属性をマッピングした。具体的には、流行パラメータ推定手法（例：曲線適合、推論的推定、最適化）、介入モデリング手法、データソースを含む。
• 各論文のアプローチ、推定手法、コードの可用性、介入のモデリングを記述するための構造化されたメタデータスキーマを採用した。
• GitHubにホスティングされたオンラインスプレッドシート、Kibanaインターフェース、およびマークダウンドキュメンテーションを備えたデジタル補完資料を開発した。これにより、モデルのインタラクティブな探索が可能になった。
• 方法論の透明性と再現可能性に焦点を当て、進化するデータに応じたリアルタイムの更新を含むオープンソースコードの利用を重視した。

実験結果

リサーチクエスチョン

• RQ1 最初の波期（2020年2月～5月）に、COVID-19パンデミックの流行をモデル化するために主に使用された疫学的モデルの種類は何か？
• RQ2 初期パンデミック研究において、ロックダウンやソーシャルディスタンシングなどの公衆衛生介入はどのようにモデリングされたか？
• RQ3 R0 や感染率といった主要な流行パラメータを推定するために用いられた手法は何か。また、これらの推定手法の妥当性はどの程度であったか？
• RQ4 モデルの再現性はどの程度達成されており、コードとデータの可用性を通じてオープンサイエンスはどのように反映されたか？
• RQ5 国や地域ごとにモデリングアプローチにどのような差が見られ、データの比較可能性と移行可能性にどのような課題が生じたか？

主な発見

• 科学界は、パンデミックの最初の波期に、80件を超える多様な数学的モデルを急速に開発し、広範な方法論的スペクトルを示した。
• 現象論的モデル、コンpartimentalモデル、個別レベルモデルが主なモデリングフレームワークであり、特にSIR型、SEIR型などのコンpartimentalモデルが最も一般的であった。
• 多くのモデルが接触行列の変更、パラメータ調整、または専用の状態（コンpartiment）を導入することで、介入戦略を組み込み、政策的意義を反映していた。
• 流行パラメータの推定には、曲線適合と推論的推定が最も一般的な手法であったが、最適化や確率的技法の使用が増加していた。
• 多くの研究が、オープンソースコードの提供とリアルタイムの更新を通じて再現性を重視していたが、感度分析や議論セクションといった標準的な研究要素を欠いているものもあった。
• GitHubにホスティングされたKibanaインターフェースと構造化されたスプレッドシートを備えたデジタル補完資料により、モデルの体系的発見と比較が可能となり、科学的進展の促進に貢献している。