[论文解读] Analysis and Prediction of COVID-19 Pandemic in Pakistan using Time-dependent SIR Model

Muhammad Sohail Waqas, M. Zaeem Farooq+2 more|arXiv (Cornell University)|May 5, 2020

COVID-19 epidemiological studiesMathematics参考文献 4被引用 20

一句话总结

本研究采用时变SIR模型，基于真实数据拟合动态传播率（$\beta(t)$）和恢复率（$\gamma(t)$），预测巴基斯坦的COVID-19疫情轨迹。预测显示，2020年5月下旬至6月9日期间，活跃感染病例将达到20,000至47,000例的峰值，累计病例数在57,651至153,149例之间，具体取决于恢复率，且预计疫情将于2020年8月下旬至9月趋于平息，恢复率高达97%。

ABSTRACT

The current outbreak is known as Coronavirus Disease or COVID-19 caused by the virus SAR-COV-2 which continues to wreak havoc across the globe. The World Health Organization (WHO) has declared the outbreak a Public Health Emergency of International Concern. In Pakistan, the spread of the virus is on the rise with the number of infected people and causalities rapidly increasing. In the absence of proper vaccination and treatment, to reduce the number of infections and casualties, the only option so far is to educate people regarding preventive measures and to enforce countrywide lock-down. Any strategy about the preventive measures needs to be based upon detailed analysis of the COVID-19 outbreak and accurate scientific predictions. In this paper, we conduct mathematical and numerical analysis to come up with reliable and accurate predictions of the outbreak in Pakistan. The time-dependent Susceptible-Infected-Recovered (SIR) model is used to fit the data and provide future predictions. The turning point of the peak of the pandemic is defined as the day when the transmission rate becomes less than the recovering rate. We have predicted that the outbreak will reach its maximum peak occurring from late May to 9 June with unrecovered number of Infectives in the range 20000-47000 and the cumulative number of infected cases in the range of 57500-153100. The number of Infectives will remain at the lower end in the lock-down scenario but can rapidly double or triple if the spread of the epidemic is not curtailed and localized. The uncertainty on single day projection in our analysis after April 15 is found to be within 5\%.

研究动机与目标

• 使用时变SIR框架对巴基斯坦的COVID-19疫情动态进行建模与预测。
• 从实时病例数据中估计关键流行病学参数（$\beta(t)$ 和 $\gamma(t)$），以提高预测准确性。
• 评估恢复率和预防措施对疫情峰值及持续时间的影响。
• 在将模型应用于巴基斯坦之前，先通过瑞士及其他欧洲国家的数据验证模型。
• 为政策制定者提供数据驱动的预测，以支持有效的公共卫生干预措施。

提出的方法

• 采用时变SIR模型，其微分方程描述易感者（S）、感染者（I）和康复者（R）的人群变化。
• 传播率 $\beta(t)$ 作为时变参数，通过指数拟合每日病例数据进行估计。
• 恢复率 $\gamma(t)$ 被视为可调节参数，以反映医疗资源能力及响应效率的变化。
• 通过将模型应用于瑞士及其他欧洲国家进行验证，结果显示与实际观测数据高度一致。
• 计算基本再生数 $R_0 = \beta(t)/\gamma(t)$，以识别当 $R_0 < 1$ 时疫情的转折点。
• 通过在合理范围内调整 $\gamma(t)$，生成预测区间，以评估峰值时间与规模的不确定性。

实验结果

研究问题

• RQ1 在当前条件下，巴基斯坦的活跃感染病例峰值预计何时出现，峰值规模如何？
• RQ2 恢复率 $\gamma(t)$ 的变化如何影响累计感染人数和疫情持续时间？
• RQ3 疫情何时将出现转折点（定义为 $R_0 < 1$）？该时间点与SIR模型预测的峰值是否一致？
• RQ4 时变SIR模型在预测巴基斯坦及其他国家真实病例趋势方面的准确性如何？
• RQ5 预防措施和封锁政策在降低活跃感染峰值数量方面发挥何种作用？

主要发现

• 巴基斯坦的疫情峰值预计出现在2020年5月29日至6月9日期间，活跃感染病例数在20,094至47,043例之间，具体取决于恢复率。
• 累计感染人数预计在57,651例（当 $\gamma = 0.046$ 时）至153,149例（当 $\gamma = 0.034$ 时）之间，表明对恢复效率高度敏感。
• 自4月15日起，单日预测误差保持在5%以内的不确定性范围内，表明模型具有较强的可靠性。
• 基本再生数 $R_0$ 在峰值后降至1以下，证实了疫情的转折点。
• 若到2020年8月下旬至9月实现97%的恢复率，疫情预计将逐渐消退。
• 恢复率每降低1%，累计感染人数可能增加三倍，凸显医疗系统表现的关键作用。