[论文解读] An epidemiological model for the spread of COVID-19: A South African case study

Olivier Le, Craig Ik|arXiv (Cornell University)|May 16, 2020

COVID-19 epidemiological studies参考文献 7被引用 4

一句话总结

本研究开发了一个SEIQRDP流行病学模型，用于预测南非的COVID-19传播情况，利用德国、意大利和韩国的数据对传播动力学进行参数化校准。在受报告的基本再生数约束下，该模型预测传染病例的峰值将于2020年10月下旬出现，总死亡人数在10,000至90,000例之间，名义估计值为22,000例，凸显出对控制措施和R₀值的高度敏感性。

ABSTRACT

An epidemiological model is developed for the spread of COVID-19 in South Africa. A variant of the classical compartmental SEIR model, called the SEIQRDP model, is used. As South Africa is still in the early phases of the global COVID-19 pandemic with the confirmed infectious cases not having peaked, the SEIQRDP model is first parameterized on data for Germany, Italy, and South Korea - countries for which the number of infectious cases are well past their peaks. Good fits are achieved with reasonable predictions of where the number of COVID-19 confirmed cases, deaths, and recovered cases will end up and by when. South African data for the period from 23 March to 8 May 2020 is then used to obtain SEIQRDP model parameters. It is found that the model fits the initial disease progression well, but that the long-term predictive capability of the model is rather poor. The South African SEIQRDP model is subsequently recalculated with the basic reproduction number constrained to reported values. The resulting model fits the data well, and long-term predictions appear to be reasonable. The South African SEIQRDP model predicts that the peak in the number of confirmed infectious individuals will occur at the end of October 2020, and that the total number of deaths will range from about 10,000 to 90,000, with a nominal value of about 22,000. All of these predictions are heavily dependent on the disease control measures in place, and the adherence to these measures. These predictions are further shown to be particularly sensitive to parameters used to determine the basic reproduction number. The future aim is to use a feedback control approach together with the South African SEIQRDP model to determine the epidemiological impact of varying lockdown levels proposed by the South African Government.

研究动机与目标

• 开发一个针对南非早期COVID-19大流行动态的分 compartment 流行病学模型。
• 利用德国、意大利和韩国等国家的已记录明确流行高峰的数据校准模型参数。
• 评估将SEIQRDP模型应用于2020年3月23日至5月8日南非数据时的预测准确性。
• 通过将基本再生数约束在实证报告值范围内，提高长期预测的可靠性。
• 探索将反馈控制与模型结合，以评估南非不同封锁策略的潜力。

提出的方法

• 采用扩展的SEIQRDP分 compartment 模型，包含易感者、潜伏者、感染者、隔离者、康复者、死亡者和保护者等状态。
• 初始模型参数通过德国、意大利和韩国的已确诊病例、死亡和康复数据进行估计，这些国家的流行曲线已通过其峰值。
• 使用2020年3月23日至5月8日的南非数据对模型进行重新校准，并评估初始拟合度和预测性能。
• 将基本再生数（R₀）约束在报告值范围内，以提高模型稳定性并增强长期预测的可靠性。
• 进行敏感性分析，以评估R₀和控制措施对预测结果的影响。
• 提出一种反馈控制框架，以备未来用于模拟和评估不同封锁水平的流行病学影响。

实验结果

研究问题

• RQ1 当使用早期流行病数据时，SEIQRDP模型在预测南非COVID-19传播轨迹方面的表现如何？
• RQ2 将基本再生数约束在报告值范围内，对模型准确性和长期预测可靠性有何影响？
• RQ3 在当前控制措施下，南非预计何时出现感染病例的峰值？
• RQ4 该模型预测的总死亡人数范围是多少？这些预测对R₀和干预措施依从性的敏感性如何？
• RQ5 如何将反馈控制机制与SEIQRDP模型整合，以评估替代封锁策略？

主要发现

• 当使用国际数据校准后，SEIQRDP模型在拟合南非疫情初期阶段表现良好，但若无约束，长期预测不可靠。
• 将基本再生数约束在报告值范围内，显著改善了模型拟合度，并增强了长期预测能力。
• 模型预测确诊感染者的峰值出现在2020年10月下旬左右。
• 累计总死亡人数预计在10,000至90,000例之间，名义估计值约为22,000例。
• 预测结果对基本再生数的取值以及对公共卫生控制措施的依从程度高度敏感。
• 本研究明确指出，亟需将反馈控制机制与模型整合，以评估并优化未来的封锁政策。