[论文解读] Regional analysis of COVID-19 in France from fit of hospital data with different evolutionary models

G. A. Mamon|arXiv (Cornell University)|May 13, 2020

COVID-19 epidemiological studies参考文献 4被引用 4

一句话总结

本研究采用扩展的SEIR模型，结合地区特异性基本再生数（$R_0$）和统一的时间尺度/比例关系，拟合法国每日医院数据（入院、死亡、出院情况）。研究发现，封锁前$R_0 = 3.4 \pm 0.1$，封锁期间$R_0 = 0.65 \pm 0.04$，感染致死率（IFR）为4\%\pm1\%，并表明若$R_0$超过1，至少46\%的人口佩戴口罩是防止第二波疫情的关键。

ABSTRACT

The SIR evolutionary model predicts too sharp a decrease of the fractions of people infected with COVID-19 in France after the start of the national lockdown, compared to what is observed. I fit the daily hospital data: arrivals in regular and critical care units, releases and deaths, using extended SEIR models. These involve ratios of evolutionary timescales to branching fractions, assumed uniform throughout a country, and the basic reproduction number, $R_0$, before and during the national lockdown, for each region of France. The joint-region Bayesian analysis allows precise evaluations of the time/fraction ratios and pre-hospitalized fractions. The hospital data are well fit by the models, except the arrivals in critical care, which decrease faster than predicted, indicating better treatment over time. Averaged over France, the analysis yields $R_0$= 3.4$\pm$0.1 before the lockdown and 0.65$\pm$0.04 (90% c.l.) during the lockdown, with small regional variations. On 11 May 2020, the Infection Fatality Rate in France was 4 $\pm$1% (90% c.l.), while the Feverish vastly outnumber the Asymptomatic, contrary to the early phases. Without the lockdown nor social distancing, over 2 million deaths from COVID-19 would have occurred throughout France, while a lockdown that would have been enforced 10 days earlier would have led to less than 1000 deaths. The fraction of immunized people reached a plateau below 1% throughout France (3% in Paris) by late April 2020 (95% c.l.), suggesting a lack of herd immunity. The widespread availability of face masks on 11 May, when the lockdown was partially lifted, should keep $R_0$ below unity if at least 46% of the population wear them outside their home. Otherwise, without enhanced other social distancing, a second wave is inevitable and cause the number of deaths to triple between early May and October (if $R_0$=1.2) or even late June (if $R_0$=2).

研究动机与目标

• 通过允许各地区$R_0$值不同，同时假设法国全国范围内进化时间尺度和分支比例一致，改进标准SIR/SEIR模型。
• 利用对每日医院数据的联合区域分析，估计关键流行病学参数，尤其是$R_0$、感染致死率（IFR）和血清流行率。
• 评估封锁时间安排和口罩佩戴对疫情结局的影响，包括第二波疫情风险。
• 通过与实际数据对比，评估模型预测的稳健性，特别是对重症监护床位入院人数下降速度超过预期的检测。

提出的方法

• 采用贝叶斯分层建模方法，联合拟合法国各地区每日医院数据（普通病房和重症监护病房入院、死亡、出院）。
• 使用扩展的SEIR模型：SEIHCDRO和SEAFHCDRO，纳入潜伏、感染、住院、重症和康复/移除等状态。
• 假设各地区时间尺度与分支比例关系一致，允许封锁前和封锁期间各地区$R_0$值不同。
• 通过emcee包进行马尔可夫链蒙特卡洛（MCMC）采样，结合先验知识与不确定性量化。
• 通过与实际数据对比验证模型，包括残差分析以检测如重症监护床位入院人数下降过快等偏差。
• 敏感性分析评估社交距离和口罩佩戴对后续$R_0$和疫情轨迹的影响。

实验结果

研究问题

• RQ1 法国在国家封锁前后，$R_0$在各地区之间有何差异？
• RQ2 在假设统一时间尺度/比例关系的前提下，扩展的SEIR模型对法国各地区每日医院数据的拟合效果如何？
• RQ3 基于医院数据，2020年5月11日法国的感染致死率（IFR）估计值是多少？
• RQ4 为使$R_0$保持在1以下并防止第二波疫情，需要多大比例的人口佩戴口罩？
• RQ5 若无封锁或封锁提前10天实施，疫情将如何演变？

主要发现

• 法国的原始基本再生数$R_0$在封锁前估计为$3.4 \pm 0.1$，封锁期间为$0.65 \pm 0.04$，地区间差异极小。
• 法国的感染致死率（IFR）估计为$4 \pm 1\%$（90%置信区间），显著高于此前0.5–0.7%的估计值。
• 若完全无封锁或社交距离措施，模型预测法国死亡人数将超过200万；若封锁提前10天实施，死亡人数将降至1000人以下。
• 到2020年4月下旬，全国血清流行率低于1%（巴黎为3%），表明尚未形成群体免疫，免疫人群比例极低。
• 为使2020年5月11日之后$R_0$保持在1以下，全国至少46%的人口必须在户外佩戴口罩；否则第二波疫情不可避免。
• 重症监护床位入院人数下降速度超过预测，表明临床治疗方案有所改进；而死亡率下降速度加快则表明治疗水平随时间提升。