[论文解读] A new SEIR type model including quarantine effects and its application to analysis of Covid-19 pandemia in Poland in March-April 2020

Tomasz Piasecki, Mucha Pb+1 more|arXiv (Cornell University)|May 29, 2020

COVID-19 epidemiological studies参考文献 15被引用 4

一句话总结

本研究提出了一种新颖的 SEIRQ 传染病模型，将隔离动态与延迟机制相结合，以评估接触追踪和隔离对波兰2020年3月至4月期间COVID-19的影响。模型表明，隔离可防止50%至90%以上的病例，具体取决于检测效率，但仅在结合社会疏离措施时才有效，因为通过行为改变实现的传播抑制对于疫情控制仍至关重要。

ABSTRACT

Contact tracing and quarantine are well established non-pharmaceutical epidemic control tools. The paper aims to clarify the impact of these measures in COVID-19 epidemic. A new deterministic model is introduced (SEIRQ: susceptible, exposed, infectious, removed, quarantined) with Q compartment capturing individuals and releasing them with delay. We obtain a simple rule defining the reproduction number $\mathcal{R}$ in terms of quarantine parameters, ratio of diagnosed cases and transmission parameters. The model is applied to the epidemic in Poland in March - April 2020, when social distancing measures were in place. We investigate 3 scenarios corresponding to different ratios of diagnosed cases. Our results show that depending on the scenario contact tracing could have prevented from 50\% to over 90\% of cases. The effects of quarantine are limited by fraction of undiagnosed cases. Taking into account the transmission intensity in Poland prior to introduction of social restrictions it is unlikely that the control of the epidemic could be achieved without any social distancing measures.

研究动机与目标

• 开发一个确定性 SEIRQ 模型，明确纳入隔离并引入延迟释放机制，以反映现实世界中的接触追踪动态。
• 量化隔离与检测效率对降低真实疫情环境中有效基本再生数 R 的贡献。
• 评估在存在社会疏离的前提下，仅靠隔离是否足以控制波兰在2020年初的疫情。
• 评估疫情控制对诊断病例比例（κ）和接触追踪效率的敏感性。
• 为政策制定提供相关见解，阐明结合检测、隔离与社会疏离对于实现有效疫情抑制的必要性。

提出的方法

• 通过引入一个专门的‘隔离’（Q）状态，扩展经典 SEIR 模型，该状态允许暴露者和感染者延迟转入隔离。
• 分别对已诊断（βd）和未诊断（βu）的感染者建模传播，假设 βu < βd，但未显式参数化。
• 推导出有效基本再生数 R 的闭式表达式，其依赖于传播率、诊断比例（κ）以及隔离参数（α, θ）。
• 将模型校准至波兰官方病例数据（2020年3月至4月），通过调整 β 以反映社会疏离的影响。
• 通过三种 κ 值（0.2、0.5、0.8）进行情景分析，以代表不同检测与诊断效率水平。
• 利用稳定性分析与数值模拟，评估隔离对疫情轨迹与最终病例数的影响。

实验结果

研究问题

• RQ1 在疫情暴发初期，延迟隔离状态的引入如何影响 SEIR 类模型的动力学？
• RQ2 SEIRQ 模型中的有效基本再生数 R 是什么？它如何依赖于隔离参数与诊断病例比例？
• RQ3 在大流行早期阶段，接触追踪与隔离在多大程度上可单独减少波兰的感染人数？
• RQ4 在缺乏社会疏离的情况下，隔离效果如何随不同检测效率水平（κ）而变化？
• RQ5 为抵消社会疏离措施的放松，需要达到何种检测与接触追踪的临界水平？

主要发现

• SEIRQ 模型显示，隔离可防止50%至90%以上的感染，具体取决于情景，当80%的病例被诊断（κ = 0.8）时影响最大。
• 即使在最优隔离条件下，有效基本再生数 R 仅在传播减少76%至84%时才低于1，这依赖于社会疏离的传播抑制作用。
• 对于波兰的现实 κ 值（0.2–0.5），模型表明疫情控制在很大程度上依赖于传播抑制（β），而非仅依赖隔离。
• 在诊断率较低的场景中（κ < 0.5），提高隔离效率的影响有限，因为未诊断病例仍是主要传播源。
• 模型预测，若接触追踪能力超载，疫情可能迅速反弹，凸显了早期且积极追踪的必要性。
• 本研究结论认为，仅当结合强有力的社会疏离措施时，隔离才具有高度有效性，因为传播抑制是疫情控制的关键。