[论文解读] Modeling and forecasting the Covid-19 pandemic in Brazil

Bastos Sb, Cajueiro Do|arXiv (Cornell University)|Mar 31, 2020

COVID-19 epidemiological studies参考文献 8被引用 34

一句话总结

本研究使用带有时变社交距离参数的改进SIR模型，对巴西早期COVID-19传播进行建模与预测，表明尽管社交距离可使感染曲线变平，但其持续时间对峰值出现时间和峰值幅度具有决定性影响；长期模拟确定了此类政策的最优结束日期，且无症状传播显著影响峰值大小，凸显了广泛检测的必要性。

ABSTRACT

We model and forecast the early evolution of the COVID-19 pandemic in Brazil using Brazilian recent data from February 25, 2020 to March 30, 2020. This early period accounts for unawareness of the epidemiological characteristics of the disease in a new territory, sub-notification of the real numbers of infected people and the timely introduction of social distancing policies to flatten the spread of the disease. We use two variations of the SIR model and we include a parameter that comprises the effects of social distancing measures. Short and long term forecasts show that the social distancing policy imposed by the government is able to flatten the pattern of infection of the COVID-19. However, our results also show that if this policy does not last enough time, it is only able to shift the peak of infection into the future keeping the value of the peak in almost the same value. Furthermore, our long term simulations forecast the optimal date to end the policy. Finally, we show that the proportion of asymptomatic individuals affects the amplitude of the peak of symptomatic infected, suggesting that it is important to test the population.

研究动机与目标

• 使用2020年2月25日至3月30日期间的真实数据，对巴西早期COVID-19大流行动力学进行建模。
• 评估社交距离政策对使感染曲线变平及推迟峰值出现时间的影响。
• 确定为使感染峰值最低而需实施社交距离措施的最优持续时间。
• 评估无症状个体比例对症状性感染峰值幅度的影响。
• 强调大规模人群检测在控制疫情传播中的重要性。

提出的方法

• 对经典SIR模型进行改进，引入随时间变化的参数以表征社交距离干预措施。
• 通过早期巴西病例数据校准，纳入病例漏报效应。
• 利用短期和长期模拟，预测在不同政策持续时间下的感染趋势。
• 将无症状传播率作为可变参数，评估其对感染峰值水平的影响。
• 基于2020年2月25日至3月30日的数据进行参数估计，以反映疫情初期状况。
• 通过将模拟曲线与巴西早期实际病例趋势对比，对模型进行验证。

实验结果

研究问题

• RQ1 社交距离如何影响巴西COVID-19感染峰值的出现时间和幅度？
• RQ2 为使感染峰值最低，社交距离政策的最优持续时间是什么？
• RQ3 无症状个体比例如何影响症状性感染峰值的幅度？
• RQ4 病例漏报在多大程度上影响了疫情早期预测的准确性？
• RQ5 该模型能否预测社交距离措施的最优结束日期？

主要发现

• 社交距离政策可有效使感染曲线变平，但若未长期维持，仅会推迟峰值出现时间。
• 若社交距离措施过早解除，感染峰值水平几乎不变，表明需长期实施。
• 长期模拟确定了为使感染峰值最低而需实施社交距离措施的特定最优结束日期。
• 无症状个体比例越高，症状性感染峰值幅度越大，凸显其传播风险。
• 模型表明，广泛检测对控制疫情至关重要，因为无症状病例显著影响传播动力学。
• 模型预测结果与实际早期数据一致，验证了其在疫情初期阶段用于政策相关预测的适用性。