[论文解读] A predictive model for Covid-19 spread applied to eight US states

Zeina S. Khan, Frank Van Bussel+1 more|arXiv (Cornell University)|Jun 10, 2020

COVID-19 epidemiological studies被引用 4

一句话总结

本研究提出了一种新颖的SQUIDER分 compartment 模型，用于追踪已检测和未检测的感染、隔离、社交距离、再次感染及康复情况，以预测美国八个州的新冠肺炎传播情况。该模型显示，疫情爆发时间早于检测发现的时间，预测疫情将持续超过两年的长期传播，且在德克萨斯州等州，更严格的社交距离、检测或依从性措施本可将死亡人数减少高达50%。

ABSTRACT

A compartmental epidemic model is proposed to predict the Covid-19 virus spread. It considers: both detected and undetected infected populations, medical quarantine and social sequestration, release from sequestration, plus possible reinfection. The coefficients in the model are evaluated by fitting to empirical data for eight US states: Arizona, California, Florida, Illinois, Louisiana, New Jersey, New York State, and Texas. Together these states make up 43% of the US population; some of these states appear to have handled their initial outbreaks well, while others appear to be emerging hotspots. The evolution of Covid-19 is fairly similar among the states: variations in contact and recovery rates remain below 5%; however, not surprisingly, variations are larger in death rate, reinfection rate, stay-at-home effect, and release rate from sequestration. The results reveal that outbreaks may have been well underway in several states before first detected and that California might have seen more than one influx of the pandemic. Our projections based on the current situation indicate that Covid-19 will become endemic, spreading for more than two years. Should states fully relax stay-at-home orders, most states may experience a secondary peak in 2021. If lockdowns had been kept in place, the number of Covid-19 deaths so far could have been significantly lower in most states that opened up. Additionally, our model predicts that decreasing contact rate by 10%, or increasing testing by approximately 15%, or doubling lockdown compliance (from the current $\sim$ 15% to $\sim$ 30%) will eradicate infections in the state of Texas within a year. Extending our fits for all of the US states, we predict about 11 million total infections (including undetected), 8 million cumulative confirmed cases, and 630,000 cumulative deaths by November 1, 2020.

研究动机与目标

• 开发一种能够考虑未检测感染、社交距离、隔离和再次感染的预测性流行病模型。
• 分析并比较八个人口结构和疫情发展轨迹各异的美国州在非药物干预措施方面的有效性。
• 在当前及替代缓解策略下，预测大流行病的长期发展轨迹。
• 评估早期检测、居家令依从性以及检测率对死亡率和感染传播的影响。

提出的方法

• SQUIDER模型在经典SIR框架基础上，引入七个状态：易感者（S）、未检测感染者（U）、已检测感染者（I）、康复者（R）、死者（D）、排除者（E）和伪隔离者（Q）。
• 模型使用微分方程描述各状态之间的转移过程，通过时间相关函数q(t)纳入可变接触率和社交距离的影响。
• 关键参数如感染率（β）、康复率（γ）、死亡率（α）和再次感染率（ρ）均通过美国八个州的实证数据进行拟合。
• 通过非线性传播项βSU^a，模型考虑了无症状感染者传染性的差异，其中a为调节无症状感染者传染力的参数。
• 拟合过程基于亚利桑那州、加利福尼亚州、佛罗里达州、伊利诺伊州、路易斯安那州、新泽西州、纽约州和德克萨斯州的报告病例和死亡数据。
• 在多种情景下生成预测，包括全面放松居家令、提高依从性或检测率等。

实验结果

研究问题

• RQ1 在考虑未检测感染和社交距离的情况下，对美国各州新冠肺炎传播预测的准确性如何受到影响？
• RQ2 若维持或放松当前缓解策略，大流行病的长期发展轨迹将如何？
• RQ3 提高检测率、增强社交距离依从性或降低接触率，能在多大程度上防止二次高峰并减少死亡人数？
• RQ4 各州在接触率、康复率、死亡率和再次感染率上的差异，如何影响整体流行病动力学？
• RQ5 若在后期重新开放的州长期维持封锁措施，会对累积死亡人数产生何种影响？

主要发现

• 模型预测，在当前条件下，新冠肺炎将在美国长期持续传播，且传播时间将超过两年。
• 到2020年11月1日，模型预测全国累计感染人数将达到1100万例（含未检测病例），已确认病例800万例，累计死亡63万人。
• 在德克萨斯州，若将社交距离依从率从15%提高到30%，接触率降低10%，或检测率提高15%，则可在一年内根除感染。
• 放松居家令的州可能在2021年出现二次疫情高峰，感染人数或增加约一个数量级。
• 模型估计，若封锁措施持续实施，大多数州的死亡人数将显著低于实际观测值。
• 加利福尼亚州可能经历了多次病毒输入，且在多个州首次报告确诊病例前，疫情可能已悄然开始。