[论文解读] Modelling and predicting the spread of Coronavirus (COVID-19) infection in NUTS-3 Italian regions

Diego Giuliani, Dickson Mm+2 more|arXiv (Cornell University)|Mar 14, 2020

COVID-19 epidemiological studies被引用 18

一句话总结

本研究将多变量区域计数时间序列模型应用于意大利NUTS-3区域层面，以预测COVID-19的时空传播，利用统计流行病-地方病建模方法捕捉背景传播与流行病动态。该模型在考虑报告不足的情况下，展现出优异的本地预测性能，为区域感染模式提供了有价值的见解。

ABSTRACT

This paper represents a frst attempt to model and predict the spatio-temporal distribution of Coronavirus (COVID-19) infections at NUTS-3 regional level in Italy. The statistical endemic-epidemic multivariate areal count time-series model introduced by Paul and Held (2011), and further refined by Meyer and Held (2014), is employed. Despite being very preliminary, the results are promising with respect to the possibility to gain useful insights about the spatial and temporal characteristics of both the endemic and epidemic behaviours of this new infectious disease. Moreover, the result also show that the model has the potential to provide good forecasts of the number of infections at local level while controlling for under-reporting.

研究动机与目标

• 在意大利NUTS-3区域层面建模并预测COVID-19的时空传播，该粒度此前在类似模型中尚未被涵盖。
• 评估统计地方病-流行病多变量区域计数时间序列模型在捕捉SARS-CoV-2背景（地方病）传播与暴发（流行病）传播模式方面的潜力。
• 在调整病例报告不足的前提下，评估模型在本地（区域）尺度上的预测准确性。
• 为意大利次国家级层面的疫情时空动态提供可操作的见解。

提出的方法

• 采用Paul和Held（2011）最初提出的统计地方病-流行病多变量区域计数时间序列模型，后经Meyer和Held（2014）进一步优化。
• 将区域感染人数建模为地方病（背景）传播与流行病（局部传播）成分的函数，捕捉空间与时间依赖性。
• 引入观测水平异质性，以考虑各区域报告病例数中的报告不足问题。
• 采用贝叶斯分层建模估计模型参数，并生成未来感染人数的概率预测。
• 将模型应用于意大利NUTS-3区域，实现对区域传播模式的精细化分析。

实验结果

研究问题

• RQ1 多变量区域计数模型在多大程度上能够捕捉意大利NUTS-3区域层面COVID-19感染的时空动态？
• RQ2 该模型在保持预测准确性的同时，对区域病例数据中的报告不足问题有多大的调整能力？
• RQ3 该模型为意大利各区域地方病与流行病传播成分之间的平衡提供了哪些见解？
• RQ4 该模型能否在区域层面生成可靠的短期感染人数预测？

主要发现

• 该模型成功捕捉了SARS-CoV-2在意大利NUTS-3区域层面的流行病与地方病传播成分，揭示了传播动态中的显著区域差异。
• 该模型在本地（区域）层面展现出优异的预测性能，表明其在公共卫生规划中具有实际应用潜力。
• 对报告不足的调整显著提升了模型拟合度与预测可靠性，凸显了考虑数据不完整性的重要性。
• 初步结果表明，该模型可为在精细化行政层级上理解疫情的时空演变提供有益见解。