[论文解读] Modeling and forecasting of the COVID-19 pandemic in India

Kankan Sarkar, Subhas Khajanchi|RePEc: Research Papers in Economics|May 13, 2020

COVID-19 epidemiological studies被引用 12

一句话总结

本研究提出了一种数据驱动的SARIIqSq数学模型，用于预测印度及其17个州的COVID-19大流行传播动态及结束日期。基于截至2020年4月30日的实时病例数据，该模型估计了基本再生数$R_0$，并预测严格封锁措施使传播减少了95%（截至2020年6月26日），并进一步减少至99%（截至2020年7月26日），证明了社交距离和隔离措施的有效性。

ABSTRACT

Background: The ongoing COVID-19 epidemic dilated rapidly throughout India. To end the global COVID-19 pandemic major behavioral, social distancing, contact tracing, and state interventions has been undertaken to reduce the outbreak and avert the persistence of the coronavirus in humans in India and worldwide. In absence of any vaccine or therapeutics, forecasting is of utmost priority for health care planning and control the transmission of COVID-19. Methods: We have proposed a mathematical model that explain the transmission dynamics of COVID-19 in India. Based on the estimated data our model predicts the evolution of epidemics and the end of SARS-CoV-2 and aids to evaluate the influence of different policies to control the spread of the diseases. Findings: With the real data for infected individuals, we find the basic reproduction number $R_0$ for 17 states of India and overall India. A complete figure is given to demonstrate the estimated pandemic life cycle along with the real data or history to date. Our study reveals that the strict control measures implemented in India substantially mitigated the disseminate of SARS-CoV-2. Importantly, model simulations predict that 95% reduction of outbreak on June 26, 2020 and 99% reduction of outbreak on July 26, 2020 in India. Interpretation: Our model simulation demonstrates that the community-wide elimination of SARS-CoV-2 is possible by mitigating the social distancing and use essential precautions. Lockdown can be implemented strictly to prevent the human-to-human transmission of COVID-19. The model-based and parameter estimation of epidemic life cycle, and end dates, if can be done precisely, may decrease distress and over optimism and develop the mentality for all of us for the next stages of the outbreak evolution.

研究动机与目标

• 使用截至2020年4月30日的真实世界数据，对印度SARS-CoV-2的传播动态进行建模与预测。
• 估计印度及其17个州的基本再生数$R_0$，以评估传播潜力。
• 评估社交距离、封锁和隔离政策对大流行控制的影响。
• 基于模型模拟，预测印度及其各州大流行的转折点和结束点。
• 为疫情期间的公共卫生规划和政策制定提供可操作的见解。

提出的方法

• 开发了一种改进的SARIIqSq分 compartment 模型，以表征SARS-CoV-2在印度的传播动态。
• 该模型包含易感者、潜伏者、无症状者、有症状者、隔离者和康复者等 compartment，并整合了检疫与隔离控制措施。
• 使用截至2020年4月30日的公开可获取的确诊病例数据进行参数估计。
• 通过将预测的日新增病例（蓝色曲线）与实际报告的病例（红色圆点）在印度各州进行对比，验证模型拟合效果。
• 开展敏感性分析，评估传播概率及控制措施对$R_0$的影响。
• 基于累计病例轨迹预测大流行结束日期，设定95%和99%的减少阈值。

Figure 1: Schematic representation of the model. The schematic flow diagram represents the interplays among different stages of infection in the model $SARII_{q}S_{q}$ : susceptible or uninfected $(S)$ , asymptotic or mildly symptomatic $(A)$ , recovered or healed $(R)$ , infected or symptomatic $(I

实验结果

研究问题

• RQ1 基于真实病例数据，印度及其17个州的基本再生数$R_0$的估计值是多少？
• RQ2 封锁和社交距离措施在印度减少SARS-CoV-2传播方面有多有效？
• RQ3 预计印度大流行将在何时达到其总病例负担的95%和99%？
• RQ4 该模型利用实时数据预测大流行转折点和结束点的准确性如何？
• RQ5 根据模型模拟，隔离和接触者追踪在减轻SARS-CoV-2传播方面发挥了何种作用？

主要发现

• 模型预测，截至2020年6月26日，印度日新增病例数将减少95%。
• 在当前控制措施下，预计到2020年7月26日，传播将减少99%。
• 基于真实病例数据，推导出印度及其17个州的$R_0$估计值，表明其传播潜力。
• 模型模拟证实，严格的封锁和社交距离措施显著降低了SARS-CoV-2的传播。
• 基于模型的预测与实际病例数据高度吻合，验证了其对大流行生命周期预测的准确性。
• 本研究强调了及时且严格的干预措施的重要性，以防止疫情反弹，尤其是在检测率较低的情况下。

Figure 2: Model estimation based on real data. The $SARII_{q}S_{q}$ model fitted with the real data on daily new cases of COVID-19 in India and 5 provinces of India, namely Andhra Pradesh, Delhi, Gujarat, Haryana and Jammu & Kashmir. Observed data points are displayed in the red dot histogram and th