[論文レビュー] Synthetic Control, Synthetic Interventions, and COVID-19 spread: Exploring the impact of lockdown measures and herd immunity

Niloofar Bayat, Cody Morrin+2 more|arXiv (Cornell University)|Sep 21, 2020

COVID-19 epidemiological studies参考文献 14被引用数 6

ひとこと要約

本論文は、COVID-19の感染拡大に対するロックダウン政策および集団免疫の影響を評価するために、合成コントロールおよび合成介入を適用する。米国の郡単位の観察データを用い、反事実を構築することで、ニューヨークでの早期ロックダウンが死亡者数を最大80％まで削減可能であったことを示している。また、屋内飲食やマスク着用ルールを厳しくした場合、感染歴の有無にかかわらず感染拡大が著しく緩やかになった。

ABSTRACT

The synthetic control method is an empirical methodology forcausal inference using observational data. By observing thespread of COVID-19 throughout the world, we analyze the dataon the number of deaths and cases in different regions usingthe power of prediction, counterfactual analysis, and syntheticinterventions of the synthetic control and its extensions. Weobserve that the number of deaths and cases in different re-gions would have been much smaller had the lockdowns beenimposed earlier and had the re-openings been done later, es-pecially among indoor bars and restaurants. We also analyzethe speculated impact of herd immunity on the spread giventhe population of each region and show that lockdown policieshave a very strong impact on the spread regardless of the levelof prior infections. Our most up-to-date code, model, and data can be foundon github: https://github.com/niloofarbayat/COVID19-synthetic-control-analysis

研究の動機と目的

• ロックダウンのタイミングとリオープンの速度がCOVID-19の症例および死亡者数の推移に与える因果的影響を評価すること。
• 集団免疫とマスク着用義務や屋内飲食制限などの政策的介入のどちらが感染拡大により強い影響を与えるかを評価すること。
• 合成コントロールを用いて、観察的データに基づく、頑健な、データドリブンなパンデミック結果の反事実予測手法を開発すること。
• 感染レベルが類似しているが政策が異なる地域を比較し、特定の介入の影響を分離すること。
• パrametricでない観察的モデリングを用いて、根拠に基づく政策提言を提供すること。

提案手法

• 介入を受けていない地域のドナープールを用いて、介入を受ける地域の反事実を生成するための合成コントロールユニットを構築する。
• 症例および死亡報告における欠損データや高分散ノイズに対処するため、頑健な合成コントロールを適用する。
• 仮説的な政策変更（例えば、早期ロックダウンや遅延リオープン）の影響をシミュレートするために、合成介入を用いる。
• 日々の症例および死亡者数のノイズを低減するために、7日間移動平均を用いる。
• 北東部の郡と他の米国の郡との間で、合成コントロールの予測誤差（平均二乗誤差）を比較し、政策効果を評価する。
• メモリアルデーにおける100万人あたりの感染密度で郡をグループ化し、集団免疫が感染拡大を低下させる閾値をテストする。

実験結果

リサーチクエスチョン

• RQ1 ニューヨークで早期ロックダウンがなされていた場合、COVID-19死亡者数はどの程度削減されたであろうか？
• RQ2 マスク着用義務と比較して、屋内飲食およびバーの規制は感染拡大にどの程度の影響を及ぼすか？
• RQ3 現在の感染レベルでの集団免疫は、SARS-CoV-2の拡散を著しく抑制するか？
• RQ4 類似した症例率を示す郡間での政策差がパンデミック結果にどのように影響するか？
• RQ5 ラントム化試験が不可能な状況下で、合成コントロールモデルは介入の影響を正確に予測できるか？

主な発見

• ニューヨークで早期ロックダウンがなされていた場合、実際の結果と比較して死亡者数が最大80％削減された可能性がある。
• 屋内飲食およびマスク政策がより厳格な郡では、同様の感染レベルにあっても、緩いルールが適用された類似郡よりも症例の増加が著しく低かった。
• 合成コントロールモデルは、北東部の厳しい政策を採用した郡が、他の類似郡よりも良好に推移したと予測した。これは、集団免疫を超えた政策の影響を確認するものである。
• 感染密度のレベルにかかわらず、北東部郡と非北東部郡との間で、予測誤差の大きな開きが継続しており、これは政策措置が集団免疫よりも強い影響を及ぼしていることを示している。
• モデルは、米国の大多数の郡が自然な感染拡大の低下が起こる閾値に大きく遠く離れていることから、集団免疫の効果はほとんど無視できるほど小さいと示している。
• 合成介入法は、政策変更の影響を正確に予測できた。これは、リアルタイムでの政策評価においてその価値を示している。