[论文解读] Epidemic analysis of COVID-19 in Brazil by a generalized SEIR model

Suzete Maria Silva Afonso, Juarez S. Azevedo+1 more|arXiv (Cornell University)|May 22, 2020

COVID-19 epidemiological studies参考文献 13被引用 4

一句话总结

本研究采用时变广义SEIRDP模型，基于2020年4月8日至5月21日期间的真实实时数据，对巴西及其主要州的新冠肺炎疫情轨迹进行预测。模型预测全国累计感染病例的峰值出现在2020年7月21日左右，病例数约为982,000例，死亡人数约为192,000例；日新增感染和死亡病例的峰值分别出现在7月下旬和8月上旬。

ABSTRACT

We shall apply a generalized SEIR model to study the outbreak of COVID-19 in Brazil. In particular, we would like to explain the projections of the increase in the level of infection over a long period of time, overlapping large local outbreaks in the most populous states in the country. A time-dependent dynamic SEIR model inspired in a model previously used during the outbreak in China was used to analyses the time trajectories of infected, recovered, and deaths. The model has parameters that vary with time and are fitted considering a nonlinear least-squares method. The simulations starting from April 8, 2020, concluded that the time for a peak in Brazil will be in July 21, 2020 with total cumulative infected cases around 982K people; in addition, an estimated total death case will reach to 192K in the end. Besides that, Brazil will reach a peak in terms of daily new infected cases and death cases around the middle of July with 50K cases of infected and almost 6.0K daily deaths.

研究动机与目标

• 使用考虑潜伏期、康复和死亡的广义SEIR框架，对巴西新冠肺炎疫情的长期流行病动力学进行建模。
• 通过与真实世界病例数据的拟合，估计感染率、保护率和康复率等关键流行病学参数。
• 预测巴西主要州累计感染和日新增感染及死亡病例的流行病高峰时间与规模。
• 通过提供在不同缓解措施和自我保护措施下的可靠预测，支持公共卫生规划。
• 评估数据局限性（包括病例漏报和死亡报告延迟）对模型准确性和预测可靠性的影响。

提出的方法

• 采用广义SEIRDP模型，扩展经典SEIR模型，增加易感者、潜伏者、感染者、康复者、死亡者和非易感者（P）六个隔离 compartment。
• 通过非线性最小二乘法拟合，估计时变参数，包括感染率（β）、保护率（α）和康复率（γ），基于每日和累计病例数据。
• 模型使用巴西卫生部于2020年4月8日至5月21日期间收集的数据进行验证和参数校准。
• 模型应用于病例负担较重的主要巴西州——圣保罗州、里约热内卢州、塞阿拉州、Espírito Santo州、巴伊亚州、亚马孙州、帕拉州、伯南布哥州和马拉尼昂州。
• 模拟预测从4月到2020年8月初的流行病轨迹，并对比观察值与预测值在感染者、康复者和死亡病例方面的表现。
• 进行敏感性分析，评估小样本数据对预测准确性的影响，强调数据量对可靠估计的重要性。

实验结果

研究问题

• RQ1 巴西累计感染病例的峰值将在何时出现？总数将达到多少？
• RQ2 日新增感染和日新增死亡的预测峰值是什么时候？峰值规模如何？
• RQ3 缓解措施和自我保护措施在不同巴西州如何影响流行病轨迹？
• RQ4 病例漏报和死亡报告延迟等数据局限性在多大程度上影响模型预测？
• RQ5 时变SEIRDP模型在多个巴西州对观察病例数据的拟合程度如何？

主要发现

• 模型预测全国累计感染病例的峰值出现在2020年7月21日左右，估计总病例数为982,000例。
• 日新增感染病例的峰值预计出现在2020年7月中旬，达到约50,000例/天。
• 日新增死亡病例的峰值估计出现在2020年8月19日，每日新增约6,000例。
• 里约热内卢州预计在2020年7月21日左右达到日新增感染病例峰值，约9,000例/天；日新增死亡病例峰值预计在2020年8月19日左右，约800例/天。
• 在大多数州，模型对感染者、康复者和死亡病例的相对误差低于20%，表明与观察数据拟合良好。
• 研究发现，预测准确性随数据集增大而显著提高，小样本数据会导致预测结果出现显著偏差。