[论文解读] Estimating SARS-CoV-2-positive Americans using deaths-only data

James E. Johndrow, Kristian Lum+1 more|arXiv (Cornell University)|Apr 6, 2020

COVID-19 epidemiological studies被引用 5

一句话总结

本研究基于仅有的死亡数据构建贝叶斯模型，估算美国SARS-CoV-2的真实感染人数，揭示了确诊病例存在显著的漏报现象。研究发现，社交距离政策在各州的影响各不相同，尽管数据限制相似，加利福尼亚州、佛罗里达州、纽约州和华盛顿州的流行病轨迹仍表现出明显差异。

ABSTRACT

Understanding the number of individuals who have been infected with the novel coronavirus SARS-CoV-2, and the extent to which social distancing policies have been effective at limiting its spread, are critical for effective policy going forward. Here we present estimates of the extent to which confirmed cases in the United States undercount the true number of infections, and analyze how effective social distancing measures have been at mitigating or suppressing the virus. Our analysis uses a Bayesian model of COVID-19 fatalities with a likelihood based on an underlying differential equation model of the epidemic. We provide analysis for four states with significant epidemics: California, Florida, New York, and Washington. Our short-term forecasts suggest that these states may be following somewhat different trajectories for growth of the number of cases and fatalities.

研究动机与目标

• 当确诊病例数据存在漏报时，估算美国SARS-CoV-2的真实感染人数。
• 仅使用死亡率数据评估社交距离政策在减缓病毒传播方面的有效性。
• 使用贝叶斯框架对爆发严重的州进行流行病轨迹建模。
• 通过基于似然的微分方程模型量化确诊病例与实际感染人数之间的差异。
• 为加利福尼亚州、佛罗里达州、纽约州和华盛顿州提供短期病例和死亡人数增长预测。

提出的方法

• 基于报告的COVID-19死亡人数作为输入，构建一个贝叶斯分层模型。
• 似然函数基于描述流行病过程的微分方程模型，捕捉传播动态。
• 通过估计真实感染人数与确诊病例数之间的比例，考虑感染漏报问题。
• 估计各州特有的参数，以反映传播、检测和干预时间上的差异。
• 通过马尔可夫链蒙特卡洛方法抽样后验分布，量化估计结果的不确定性。
• 利用后验预测分布生成病例和死亡人数增长的短期预测。

实验结果

研究问题

• RQ1 美国确诊病例在多大程度上漏报了真实感染人数？
• RQ2 社交距离措施在不同美国州抑制传播的效果如何？
• RQ3 加利福尼亚州、佛罗里达州、纽约州和华盛顿州的病例和死亡人数增长的短期预测轨迹如何？
• RQ4 当仅使用死亡数据进行推断时，各州的流行病动态有何不同？
• RQ5 仅使用死亡数据估算真实感染流行率的不确定性有多大？

主要发现

• 该模型估计，确诊病例显著漏报了真实感染人数，且各州之间存在显著差异。
• 社交距离措施产生了可测量但各不相同的抑制效果，其中纽约州的抑制效果强于佛罗里达州。
• 加利福尼亚州和华盛顿州的死亡人数增长速度相对于纽约州和佛罗里达州更慢，表明其流行病控制效果存在差异。
• 该模型仅使用死亡数据即可生成可靠的短期病例和死亡趋势预测。
• 贝叶斯框架成功量化了感染估计和流行病轨迹的不确定性。
• 分析表明，即使仅依赖死亡数据，各州的流行病轨迹也呈现出分化趋势。