[논문 리뷰] Statistical methods used to combine the effective reproduction number, R(t), and other related measures of COVID-19 in the UK

T. Maishman, Stephanie Schaap외 4명|arXiv (Cornell University)|2021. 03. 02.

COVID-19 epidemiological studies인용 수 5

한 줄 요약

이 논문은 영국의 지역별 코로나19 모델들에서 유도된 효과적 유포 수 R(t)와 증식률 r(t)의 추정치를 통합하기 위해 제한 최대우도( REML )를 사용하는 무작위 효과 메타분석과 두 가지 신뢰구간 방법—와ลด 유형 및 케너-하르퉁(KNHA)—를 제안한다. 등가 가중치를 사용할 경우 REML 또는 REML+KNHA는 분산 역수 가중치보다 더 보수적이고 넓은 신뢰구간을 제공함으로써 불충분한 불확실성으로 인한 과신을 방지함으로써 강건성을 향상시킨다.

ABSTRACT

In the recent COVID-19 pandemic, a wide range of epidemiological modelling approaches have been used to predict the effective reproduction number, R(t), and other COVID-19 related measures such as the daily rate of exponential growth, r(t). These candidate models use different modelling approaches or differing assumptions about spatial or age mixing, and some capture genuine uncertainty in scientific understanding of disease dynamics. Combining estimates using appropriate statistical methodology from multiple candidate models is important to better understand the variation of these outcome measures to help inform decision making. In this paper, we combine these estimates for specific UK nations and regions using random effects meta analyses techniques, utilising the restricted maximum likelihood (REML) method to estimate the heterogeneity variance parameter, and two approaches to calculate the confidence interval for the combined estimate: the standard Wald-type intervals; and the Knapp and Hartung (KNHA) method. As estimates in this setting are derived using model predictions, each with varying degrees of uncertainty, equal weighting is favoured over the more standard inverse-variance weighting in order avoid potential up-weighting of models providing estimates with lower levels of uncertainty that are not fully accounting for inherent uncertainties. Utilising these meta-analysis techniques has allowed for statistically robust combined estimates to be calculated for key COVID-19 outcome measures. This in turn allows timely and informed decision making based on all of the available information.

연구 동기 및 목표

• 영국 코로나19 패닉 기간 동안 사용된 다양한 역학 모델들에서 유도된 이질적인 R(t)와 r(t) 추정치를 통합하는 데 도전하는 것.
• 모든 가용한 모델 증거를 하나의 통계적으로 강건한 추정치로 융합함으로써 의사결정을 향상시키는 것.
• 분산 역수 가중치를 피하는 것으로, 불충분한 불확실성을 갖는 모델에 대한 과신을 줄이는 것.
• 특히 REML과 KNHA를 포함한 다양한 메타분석 방법의 성능을 공중보건 맥락에서 평가하는 것.
• 정책 결정을 빠르게 지원하기 위해 예측치를 통합하는 투명하고 재현 가능한 프레임워크를 제공하는 것.

제안 방법

• 영국의 국가 및 지역권에서 다양한 후보 모델들로부터 유도된 R(t)와 r(t) 추정치를 통합하기 위해 무작위 효과 메타분석을 적용한다.
• 모델 가정과 데이터 출처의 차이를 반영하기 위해 이질성 분산 파라미터를 추정하기 위해 제한 최대우도(REML)를 사용한다.
• 표준 와ลด 유형 구간과 더 보수적인 케너-하르퉁(KNHA) 방법을 포함한 두 가지 신뢰구간 방법을 적용한다.
• 분산 역수 가중치를 피하기 위해 등가 가중치를 적용하여 불확실성이 인위적으로 낮은 모델에 과도하게 의존하는 것을 방지한다.
• REML 단독과 REML+KNHA의 결과를 비교하여, 통합 추정치의 커버리지와 정밀도를 평가함으로써 접근법의 타당성을 검증한다.
• 모델 예측치를 입력으로 사용하며, 메타분석 프레임워크를 통해 과학적 진정한 불확실성을 반영하도록 불확실성의 전파를 적절히 수행한다.

실험 결과

연구 질문

• RQ1 다양한 역학 모델들에서 유도된 R(t)와 r(t) 추정치를 통계적으로 통합하여 더 신뢰할 수 있는 종합 추정치를 도출하는 방법은 무엇인가?
• RQ2 다른 수준의 불확실성을 갖는 모델 출력치를 통합할 때 등가 가중치와 분산 역수 가중치를 사용하는 데 미치는 영향은 무엇인가?
• RQ3 와ลด 유형과 케너-하르퉁(KNHA) 방법은 통합된 R(t)와 r(t) 추정치의 신뢰구간의 커버리지와 너비 측면에서 어떻게 비교되는가?
• RQ4 메타분석 방법의 선택이 공중보건 의사결정에서 통합 추정치의 강건성과 보수성에 얼마나 영향을 미치는가?
• RQ5 메타분석 프레임워크는 패닉 기간 동안 모델 기반 정책 지침의 투명성과 신뢰성 향상에 기여할 수 있는가?

주요 결과

• REML+KNHA 접근법은 표준 분산 역수 가중치보다 R(t)와 r(t)에 대해 더 넓고 보수적인 신뢰구간을 도출하여 과신에 대한 강건성을 향상시켰다.
• 등가 가중치가 분산 역수 가중치보다 바람직한 이유는 불충분한 불확실성을 갖는 모델에 과도하게 가중치를 부여하는 것을 방지하기 때문이다. 이는 진정한 과학적 불확실성을 충분히 반영하지 못할 수 있다.
• REML 단독과 REML+KNHA 접근법 모두 유사한 수준의 변동성을 보였으며, 이는 두 방법 간의 일관성을 시사한다.
• 메타분석을 통한 통합 추정치는 다수의 모델 출력치를 통계적으로 강건하게 융합하여 R(t)와 r(t)의 신뢰성 향상을 도모하였다.
• 메타분석 기법의 사용은 모든 가용한 모델 예측치를 투명하고 방법론적으로 타당한 방식으로 통합함으로써, 즉각적인 증거 기반 의사결정을 가능하게 하였다.
• 이 프레임워크는 메타분석을 통해 모델 출력치를 통합함으로써, 특히 모델의 가정이나 데이터 출처가 다를 경우 한 모델의 결과를 과도하게 해석할 위험을 줄이는 데 성공했다.