[论文解读] Choosing a growth curve to model the Covid-19 outbreak

Emiro A. Molina-Cuevas|arXiv (Cornell University)|Jul 7, 2020

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

一句话总结

本文应用赤池信息准则（AIC）从Richards族模型中选择最优增长曲线模型，以建模欧盟、美国和英国的SARS-CoV-2疫情。基于AIC，该研究确定Gompertz模型为最佳拟合模型，同时强调模型选择必须结合生物学合理性，并对流行病学特征（如传播峰值和最终规模）进行明确分析。

ABSTRACT

The Richards family models comprise a well-known set of models with useful parameters to describe several aspects of disease outbreaks. Some of these models have been used to study the current Covid-19 pandemic. However, there seems to be confusion regarding the discrimination among competing models. In this paper a detailed application of Akaikes information approach is used to discern among models using data from The European Union, The United States and The United Kingdom. We argue that the epidemiological characteristics derived from competing models should be examined to complement the selection strategy, and the implicit properties of the models contrasted with the available data. Detailed analytical expressions of the epidemiological characteristics implied by the selected parametrizations are also offered.

研究动机与目标

• 解决在建模新冠大流行时，Richards族增长曲线模型选择中的混淆问题。
• 应用赤池信息准则（AIC）作为正式的统计方法，以区分竞争性增长曲线模型。
• 评估由模型推导出的流行病学特征（如传播峰值和最终流行规模）的生物学合理性。
• 推导所选参数化形式所隐含的关键流行病学参数的解析表达式。
• 倡导在模型选择中采用双重方法，即结合统计拟合与生物学及流行病学一致性。

提出的方法

• 应用赤池信息准则（AIC）比较Richards族模型对欧盟、美国和英国累计病例数据的拟合优度。
• 使用Richards族模型，包括Gompertz、逻辑斯蒂和广义Richards模型，作为候选增长曲线。
• 将模型拟合至欧盟、美国和英国国家卫生机构在疫情早期阶段的真实累计病例数据。
• 从选定的参数化形式中解析推导关键流行病学特征（如传播峰值速率、最终流行规模）。
• 将模型推导的动力学与观察到的数据趋势进行比较，以评估生物学合理性。
• 结合统计标准（AIC）与对模型行为的定性评估，以指导模型选择。

实验结果

研究问题

• RQ1 在欧盟、美国和英国的新冠疫情期间，Richards族中的哪一种增长曲线模型最符合累计病例数据？
• RQ2 由不同竞争模型推导出的流行病学特征（如传播峰值、最终规模）与观察数据相比如何？
• RQ3 AIC能否单独指导模型选择，还是生物学合理性同样关键？
• RQ4 所选模型中关键流行病学参数的显式解析表达式是什么？
• RQ5 不同增长曲线的隐含假设在多大程度上与疫情的实际动态一致？

主要发现

• 基于AIC，Gompertz模型被选为欧盟、美国和英国三个地区最优拟合模型。
• Richards族模型，特别是Gompertz模型，对累计病例数据具有良好的拟合效果，AIC值表明其优于其他替代模型。
• 所选模型暗示了独特的流行病学特征，如非对称流行曲线和延迟的传播峰值，与观察到的疫情动态一致。
• 推导出传播峰值速率和最终流行规模的解析表达式，并表明其对模型参数化形式敏感。
• 仅依赖AIC进行模型选择是不足的；流行病学合理性与观察数据趋势的一致性对最终模型验证至关重要。
• 本研究表明，模型选择显著影响对流行病持续时间、峰值强度和最终规模的预测，凸显了严格模型评估的重要性。