[论文解读] Modeling and forecasting the early evolution of the Covid-19 pandemic in Brazil

Saulo B. Bastos, Daniel O. Cajueiro|arXiv (Cornell University)|Mar 31, 2020

COVID-19 epidemiological studies被引用 8

一句话总结

本研究使用带有社交距离参数的改进SIR和SIRD模型，对巴西2020年2月25日至3月30日期间COVID-19的早期传播进行建模与预测，表明及时实施社交距离措施可使流行曲线变平，但若无法持续则仅延迟峰值；长期模拟确定了此类政策的最优结束日期，而无症状传播显著影响峰值严重程度。

ABSTRACT

We model and forecast the early evolution of the COVID-19 pandemic in Brazil using Brazilian recent data from February 25, 2020 to March 30, 2020. This early period accounts for unawareness of the epidemiological characteristics of the disease in a new territory, sub-notification of the real numbers of infected people and the timely introduction of social distancing policies to flatten the spread of the disease. We use two variations of the SIR model and we include a parameter that comprises the effects of social distancing measures. Short and long term forecasts show that the social distancing policy imposed by the government is able to flatten the pattern of infection of the COVID-19. However, our results also show that if this policy does not last enough time, it is only able to shift the peak of infection into the future keeping the value of the peak in almost the same value. Furthermore, our long term simulations forecast the optimal date to end the policy. Finally, we show that the proportion of asymptomatic individuals affects the amplitude of the peak of symptomatic infected, suggesting that it is important to test the population.

研究动机与目标

• 使用2020年2月25日至3月30日期间实时数据，对巴西COVID-19大流行早期演变进行建模与预测。
• 评估社交距离政策对使流行曲线变平及延迟感染峰值的影响。
• 在不确定性与数据漏报的背景下，估算关键流行病学参数，包括传播率（β）、恢复率（γ）和病死率（ρ）。
• 评估无症状个体比例对症状性感染峰值幅度的影响。
• 确定社交距离政策的最优持续时间，以最小化峰值负担，同时避免不必要地延长。

提出的方法

• 通过引入包含死亡人数（D）的SIRD变体，对经典SIR模型进行改进，以反映死亡情况，其中死亡率为ρ/(1−ρ)γI。
• 引入SIRASD模型，区分症状性（I_S）和无症状（I_A）感染者，各自具有独立的传播率（β_S, β_A）和恢复率（γ_S, γ_A）。
• 使用scipy的solve_ivp函数通过显式Runge-Kutta（4,5）数值积分求解微分方程组，固定人口规模N₀ = 210,147,125。
• 采用分层估计程序，进行100次随机初始条件试验，剔除未收敛的运行结果，并使用最小二乘优化结合Cauchy损失（C=2）将模型输出拟合至观测数据。
• 利用合理区间界定参数空间：β ∈ [0.1, 2]，γ ∈ [0.071, 1]，ρ ∈ [0.01, 0.1]，且β_A ≤ β_S，以反映无症状感染者传播力较低的事实。
• 通过在估计的95%置信区间内随机化参数，生成长期预测的95%置信区间。

实验结果

研究问题

• RQ1 社交距离措施在不降低峰值高度的前提下，能将症状性感染峰值延迟多长时间？
• RQ2 为使巴西感染峰值负担最小化，社交距离政策的最优持续时间是什么？
• RQ3 初始无症状个体比例如何影响症状性感染峰值的幅度？
• RQ4 参数估计的不确定性与数据漏报如何影响模型可靠性与预测置信度？
• RQ5 区分症状性与无症状传播对模型准确性及政策预测有何影响？

主要发现

• 社交距离措施显著使流行曲线变平，但若无法长期维持，仅会延迟感染峰值。
• 即使实施社交距离，症状性感染的峰值幅度几乎保持不变，表明短期措施无法减轻总体负担。
• 长期模拟确定了社交距离政策的特定最优结束日期，可最小化住院压力峰值。
• 无症状个体比例对症状性感染峰值幅度有显著影响，无症状比例越高，峰值越大。
• 模型估计病死率（ρ）约为0.029（2.9%），恢复率（γ）约为每日0.151，意味着中位恢复时间约为6.6天。
• 传播率β估计为每日0.442，表明在基线条件下基本再生数R₀ ≈ 1.45，且随着无症状传播增加而上升。