[논문 리뷰] First attempts to model the dynamics of the Coronavirus outbreak 2020

Thomas Götz|arXiv (Cornell University)|2020. 02. 10.

COVID-19 epidemiological studies인용 수 5

한 줄 요약

이 논문은 WHO에서 제공한 자료를 바탕으로 2019-nCoV 유행의 역학을 시뮬레이션하기 위해 초기 이산적이고 연속적인 수학 모델을 제시한다. 지수, 일반화된 지수, 비선형 및 수정된 SIR 모델을 적용하여, 감염 전파 속도가 감소하는 요소(예: β < 1 또는 조각별 θ)를 포함한 모델이 단순 지수 모델보다 관측된 데이터에 더 잘 맞고 향후 감염자 수를 낮게 예측하는 것으로 나타났다.

ABSTRACT

Since the end of 2019 an outbreak of a new strain of coronavirus, called 2019--nCoV, is reported from China and later other parts of the world. Since January 21, WHO reports daily data on confirmed cases and deaths from both China and other countries. In this work we present some discrete and continuous models to discribe the disease dynamics in China and estimate the needed epidemiological parameters. Good agreement with the current dynamics has be found for both a discrete transmission model and a slightly modified SIR-model.

연구 동기 및 목표

• 이른 시기의 2019-nCoV 전파 역학을 가용한 일일 감염자 수 및 사망자 수 자료를 사용하여 중국 본토에서 모델링하기 위해.
• 관측된 감염자 수와 비교하여 이산적 지수 모델 및 일반화된 모델의 성능 평가를 위해.
• 입원 및 격리 조치 등으로 인한 전파 강도 변화를 반영하기 위해 표준 SIR 모델을 수정하기 위해.
• 감염 증가율, 기본 재생수 R0, 사망률 등의 핵심 역학적 매개변수 추정을 위해.

제안 방법

• 이산적 지수 모델을 사용: y_exp_{k+1} = (1 + r)y_exp_k, 누적 감염자 수의 로그 변환 자료에 최소 제곱법을 적용하여 피팅한다.
• 일반화된 모델 도입: y_gen_{k+1} = (1 + c)(y_gen_k)^β, 성장 속도 감소를 반영하기 위해 β < 1을 사용한다.
• 비선형 모델 적용: y_nl_{k+1} - y_nl_k = ρ(y_nl_k)^α, 인지 효과를 모델링하기 위해 α < 1을 사용한다.
• 시간에 따라 변화하는 감염력 θ(t)를 고려한 표준 SIR 모델 수정, 격리 조치 전후 단계로 나누어 적용한다.
• WHO가 보고한 누적 감염자 수 및 사망자 수 자료에 최소 제곱법을 적용하여 매개변수(r, y0, β, c, ρ, α, θ1, θ2, ts, µ) 추정.
• σ = 1/14일을 사용하고 추정된 µ = 2.09%를 적용하여, 일정 및 조각별 일정 θ 모델의 R0 = θ / (µ + σ) 계산.

실험 결과

연구 질문

• RQ1 단순 지수 모델이 중국 내 2019-nCoV 감염자 수의 이른 초기 증가를 얼마나 잘 기술하는가?
• RQ2 일반화된 또는 비선형 모델이 관측된 일일 감염자 수 증가의 감속 현상을 더 잘 포착할 수 있는가?
• RQ3 일정 전파 조건과 시간에 따라 변화하는 전파 조건 하에서 추정된 기본 재생수 R0는 얼마인가?
• RQ4 시간에 따라 변화하는 감염력의 포함이 실제 자료에 대한 모델 적합도를 어떻게 향상시키는가?
• RQ5 초기 누적 사망자 및 감염자 자료를 바탕으로 추정된 사망률은 얼마인가?

주요 결과

• 이산적 지수 모델은 성장률 r̂ ≈ 0.304 및 초기 감염자 수 ŷ0 ≈ 451을 도출하며 R² = 0.9484를 기록하지만, 성장 속도 감소로 인해 후속 기간의 감염자 수를 과대평가한다.
• β̂ = 0.904 및 ĉ = 2.02를 사용한 일반화된 모델(Gen)은 첫 번째 데이터 포인트를 제외한 경우에 더 나은 적합도를 보이며, 향후 감염자 수를 낮게 예측한다.
• α̂ = 0.5794 및 ρ̂ = 10.1321을 사용한 비선형 모델(NonLin)은 R² = 0.9287을 기록하며, 지수 성장과 비교해 후속 일수의 신규 감염자 수가 감소하는 경향을 보여준다.
• 조각별 일정 θ를 사용한 SIR 모델은 격리 조치 이후 전파율을 기반으로 최종 R0 추정치 3.31을 도출하였으며, 다른 초기 추정치(2.1–3.1)와 일치한다.
• 추정된 사망률 µ̂는 2.09%로, 관측된 누적 사망자 수와 감염자 수와 양호한 일치를 보인다.
• 조각별 일정 θ SIR 모델(Model 2)은 일정 θ 모델(Model 1)보다 관측 자료에 훨씬 더 잘 맞으며, 특히 격리 조치 시행 후에 두드러진다.