[论文解读] A reaction-diffusion system to better comprehend the unlockdown: Application of SEIR-type model with diffusion to the spatial spread of COVID-19 in France

Youcef Mammeri|arXiv (Cornell University)|May 6, 2020

COVID-19 epidemiological studies参考文献 24被引用 47

一句话总结

本论文开发了一个反应-扩散的 SEIR 型模型，含无症状和移动人群，用于研究法国 COVID-19 的时空传播，基于数据估计参数，计算基本再生数 R0，并分析解封情景。

ABSTRACT

A reaction-diffusion model was developed describing the spread of the COVID-19 virus considering the mean daily movement of susceptible, exposed and asymptomatic individuals. The model was calibrated using data on the confirmed infection and death from France as well as their initial spatial distribution. First, the system of partial differential equations is studied, then the basic reproduction number, R0 is derived. Second, numerical simulations, based on a combination of level-set and finite differences, shown the spatial spread of COVID-19 from March 16 to June 16. Finally, scenarios of unlockdown are compared according to variation of distancing, or partially spatial lockdown.

研究动机与目标

• 激发对 COVID-19 时空传播及移动性与保持距离影响的理解。
• 构建一个耦合的偏微分方程/常微分方程的 SEIR 型框架，包含移动的易感、暴露和无症状个体。
• 将模型校准至法国确诊病例和死亡数据，并推导基本再生数 R0。
• 通过数值模拟分析空间传播并评估解封策略。

提出的方法

• 构建六区室的 SEI_aI_sUR 模型，对 S、E 与 I_a 区间考虑扩散。
• 引入随时间变化的接触率 omega(t) 与扩散系数 d(t)，以建模封锁/解封效应。
• 从不含扩散的下一代矩阵推导 R0，并建立指数增长的条件。
• 证明全局良定性性并在适当参数范围内分析渐近性无病行为。
• 使用水平集和有限差分方法，并采用 Runge-Kutta 时积分进行数值模拟。
• 使用基于近似贝叶斯计算且带准牛顿步长的非线性最小二乘法，标定六个参数 rho、beta_e、beta_s、beta_a、p、mu。

实验结果

研究问题

• RQ1 易感、暴露和无症状个体的时空扩散如何影响法国 COVID-19 的传播？
• RQ2 封锁和解封政策对基本再生数以及病例的时空分布有何影响？
• RQ3 模型能否再现观测到的感染和死亡轨迹，并提供基于地图的解封策略？
• RQ4 哪些参数值最能拟合数据，以及这些对暴露和无症状个体的传播意味着什么？

主要发现

• 在校准下，该模型得到基本再生数 R0 = 3.425257。
• 封锁将有效再生数从约 3.42 降至 0.38。
• 至少 63% 的距离保持遵守可以控制有症状感染数量并在所建模区域内让 Reff 小于 1。
• 解封情景显示出时空异质性，在某些策略下东方地区受影响更大。
• 如无干预，模型预测法国各地感染水平广泛且较高，凸显流动性与区域控制的重要性。
• 有效再生数 Reff(x,t) 取决于 S(x,t)/N(x,t) 与接触率 omega(t)，且其域内平均值随疫情控制而变化。