[论文解读] Age-structured impact of social distancing on the COVID-19 epidemic in India

Rajesh Singh, R. Adhikari|arXiv (Cornell University)|Mar 26, 2020

COVID-19 epidemiological studies参考文献 11被引用 313

一句话总结

该论文使用带有社会接触矩阵的分年龄段SIR模型来评估印度COVID-19的传播并评估社交距离措施的有效性，结果认为为期三周的封锁不足以防止再次爆发，并提出应持续封锁并定期放松的策略。

ABSTRACT

The outbreak of the novel coronavirus, COVID-19, has been declared a pandemic by the WHO. The structures of social contact critically determine the spread of the infection and, in the absence of vaccines, the control of these structures through large-scale social distancing measures appears to be the most effective means of mitigation. Here we use an age-structured SIR model with social contact matrices obtained from surveys and Bayesian imputation to study the progress of the COVID-19 epidemic in India. The basic reproductive ratio R0 and its time-dependent generalization are computed based on case data, age distribution and social contact structure. The impact of social distancing measures - workplace non-attendance, school closure, lockdown - and their efficacy with durations are then investigated. A three-week lockdown is found insufficient to prevent a resurgence and, instead, protocols of sustained lockdown with periodic relaxation are suggested. Forecasts are provided for the reduction in age-structured morbidity and mortality as a result of these measures. Our study underlines the importance of age and social contact structures in assessing the country-specific impact of mitigatory social distancing.

研究动机与目标

• 强调年龄结构和社会接触模式如何影响印度的传播和干预结果。
• 量化特定国家的基本再生数及其随社交距离的变化。
• 在不同缓解方案下预测疫情轨迹并确定减少患病率和死亡率的策略。

提出的方法

• 构建一个包含M个年龄组并具有家庭、工作场所、学校及其他场景接触矩阵的分年龄段SIR模型。
• 将基本繁殖数R0计算为下一代矩阵L的谱半径。
• 通过对非家庭接触的控制实现随时间变化的社交距离，从而得到随时间变化的C(t)。
• 拟合模型到截至2020年3月25日的印度病例数据，以估算接触β的感染概率并假设所有病例均为有症状（ᾱ=1）。
• 在未缓解和不同缓解方案下预测疫情轨迹，包括封锁和错峰措施。
• 通过对L矩阵的特征值分析来获得R0和R0,eff(t)，以评估干预效果。

实验结果

研究问题

• RQ1 印度的年龄和社交接触结构在COVID-19传播方面相对于其他国家有何影响？
• RQ2 社交距离（工作场所缺勤、学校关闭、封锁）如何影响年龄结构人口的感染动力学和峰值负担？
• RQ3 需要多长时间和何种封锁模式才能防止复燃并降低发病率/死亡率？
• RQ4 如何对随时间变化的接触减少进行建模，以评估具有潜在接触追踪可行性的政策情景？

主要发现

国家	基本再生数（R0）表达式
India	R0 = 136β
China	R0 = 117β
Italy	R0 = 119β

• 印度的年龄和接触结构导致了不同的传播模式，三代家庭结构产生了显著的代际接触。
• 如果不进行缓解，模型预测在114天内峰值约1.67亿人感染，五个月总感染约9亿（假设所有病例均为有症状）。
• 单独三周的封锁不足以在解除后防止复燃。
• 持续封锁并周期性放松可以将感染降至接触追踪和隔离可能有效的水平。
• 在缓解情景下，死亡率对封锁的持续时间和顺序高度敏感（给出若干方案的最佳情况估计）。
• 基本再生数由于年龄和接触结构在各国存在差异（印度R0 ≈ 136β， China R0 ≈ 117β，Italy R0 ≈ 119β）。