[论文解读] Epidemic Models for COVID-19 during the First Wave from February to May 2020: a Methodological Review

Marie Garin, Myrto Limnios+13 more|arXiv (Cornell University)|Sep 3, 2021

COVID-19 epidemiological studies参考文献 107被引用 6

一句话总结

本方法论综述分析了2020年2月至5月期间的80个新冠肺炎流行病学模型，对现象学模型、分 compartment 模型和个体层面模型进行分类，评估了干预措施建模、参数估计技术及数据特征。研究突出了科学界对疫情的快速响应、可重复性以及开放科学实践，为大流行第一波期间的模型发现与比较提供了数字配套资源。

ABSTRACT

We review epidemiological models for the propagation of the COVID-19 pandemic during the early months of the outbreak: from February to May 2020. The aim is to propose a methodological review that highlights the following characteristics: (i) the epidemic propagation models, (ii) the modeling of intervention strategies, (iii) the models and estimation procedures of the epidemic parameters and (iv) the characteristics of the data used. We finally selected 80 articles from open access databases based on criteria such as the theoretical background, the reproducibility, the incorporation of interventions strategies, etc. It mainly resulted to phenomenological, compartmental and individual-level models. A digital companion including an online sheet, a Kibana interface and a markdown document is proposed. Finally, this work provides an opportunity to witness how the scientific community reacted to this unique situation.

研究动机与目标

• 系统映射并分析用于研究新冠肺炎大流行第一波的数学模型的方法论多样性。
• 评估早期大流行建模工作中干预策略的透明度、可重复性及整合程度。
• 评估广泛发表模型中数据质量与可用性、估计程序及开源代码的质量。
• 记录科学界通过建模创新对前所未有的全球健康危机所作出的快速响应。
• 提供一个经筛选的、开放获取的数字资源库，以支持公共卫生研究中的模型发现、比较与可重复性。

提出的方法

• 通过开放获取数据库开展系统性文献综述，应用理论严谨性、可重复性及包含干预策略等标准。
• 将模型划分为三类主要类型：现象学模型、分 compartment 模型（如 SIR 型）和个体层面模型（如基于代理的模型）。
• 绘制每类模型的关键属性，包括流行病参数估计方法（如曲线拟合、推断、优化）、干预措施建模技术及数据来源。
• 采用结构化元数据模式描述每篇文献的方法、估计方法、代码可用性及干预措施建模情况。
• 开发一个数字配套工具，包含在线电子表格、Kibana 界面及托管在 GitHub 上的 Markdown 文档，支持交互式模型探索。
• 聚焦方法论透明度与可重复性，强调开源代码及对不断演变数据的实时更新。

实验结果

研究问题

• RQ1 在新冠肺炎大流行第一波（2020年2月至5月）期间，主要使用了哪些类型的流行病学模型？
• RQ2 在早期大流行研究中，如何对诸如封锁和社交距离等公共卫生干预措施进行建模？
• RQ3 采用了哪些方法来估计关键流行病参数（如 R0 和感染率）？这些估计技术的稳健性如何？
• RQ4 模型的可重复性程度如何？开放科学在代码和数据可获取性方面体现得如何？
• RQ5 建模方法在不同国家和地区之间有何差异？在数据可比性与可转移性方面出现了哪些挑战？

主要发现

• 科学界在大流行第一波期间迅速开发出超过80个多样化数学模型，反映出广泛的方法论谱系。
• 现象学模型、分 compartment 模型和个体层面模型是主要的建模框架，其中分 compartment 模型（如 SIR、SEIR）最为普遍。
• 大量模型通过修改接触矩阵、调整参数或增设专用传播 compartment 的方式纳入干预策略，体现出政策相关性。
• 曲线拟合与推断估计方法是最常见的参数估计方法，同时优化与随机性技术的使用逐渐增加。
• 许多研究通过提供开源代码和实时更新来强调可重复性，但部分研究缺乏敏感性分析或讨论部分等标准研究要素。
• 数字配套工具（包括托管在 GitHub 上的 Kibana 界面和结构化电子表格）支持系统化的模型发现与比较，推动集体科学进步。