[论文解读] New approximations, and policy implications, from a delayed dynamic model of a fast pandemic

C. P. Vyasarayani, Anindya Chatterjee|arXiv (Cornell University)|Apr 8, 2020

COVID-19 epidemiological studies参考文献 31被引用 6

一句话总结

本文针对快速传播大流行病的延迟SEIQR模型，发展了分析近似与降阶模型，表明时变社交疏离可将近乎一半的总感染人数减少，而更快的检测与近乎确定的隔离可能带来更强的控制效果。研究通过多尺度方法与长波近似，从时滞微分方程中推导出低维动力学，从而为干预时机与效果提供具有政策参考价值的洞见。

ABSTRACT

We study an SEIQR (Susceptible-Exposed-Infectious-Quarantined-Recovered) model for an infectious disease, with time delays for latency and an asymptomatic phase. For fast pandemics where nobody has prior immunity and everyone has immunity after recovery, the SEIQR model decouples into two nonlinear delay differential equations (DDEs) with five parameters. One parameter is set to unity by scaling time. The subcase of perfect quarantining and zero self-recovery before quarantine, with two free parameters, is examined first. The method of multiple scales yields a hyperbolic tangent solution; and a long-wave approximation yields a first order ordinary differential equation (ODE). With imperfect quarantining and nonzero self-recovery, the long-wave approximation is a second order ODE. These three approximations each capture the full outbreak, from infinitesimal initiation to final saturation. Low-dimensional dynamics in the DDEs is demonstrated using a six state non-delayed reduced order model obtained by Galerkin projection. Numerical solutions from the reduced order model match the DDE over a range of parameter choices and initial conditions. Finally, stability analysis and numerics show how correctly executed time-varying social distancing, within the present model, can cut the number of affected people by almost half. Alternatively, faster detection followed by near-certain quarantining can potentially be even more effective.

研究动机与目标

• 使用带有潜伏期与无症状阶段的延迟SEIQR模型，分析快速传播大流行病的动力学。
• 通过多尺度与长波方法，推导出从爆发初始到饱和状态的完整疫情进展的分析近似。
• 证明高维时滞微分方程系统通过基于Galerkin的降阶模型，表现出有效低维动力学。
• 评估社交疏离等政策干预措施的影响，包括时变社交疏离与减少隔离延迟，评估其对总感染负担的影响。

提出的方法

• 在无先前免疫力与康复后永久免疫的假设下，对带有潜伏期与无症状阶段时滞的SEIQR模型进行简化。
• 应用多尺度方法，推导出在完美隔离且无自愈情况下的爆发分析解，其形式为双曲正切函数。
• 通过长波近似，将系统简化为弱增长情况下的首阶常微分方程，以及在包含自愈与不完美隔离时的二阶常微分方程。
• 采用六状态Galerkin投影构建降阶模型，准确捕捉原始时滞微分方程系统的动力学行为。
• 引入时变感染率β(t)以模拟社交疏离，调整参数以模拟早期与持续干预。
• 通过稳定性分析与数值模拟，评估社交疏离与减少隔离延迟τ对最终感染水平的影响。

实验结果

研究问题

• RQ1 能否为快速大流行病的延迟SEIQR模型的完整疫情进展推导出分析近似？
• RQ2 时变社交疏离在减少总感染人数方面有多有效？其最佳实施时机为何？
• RQ3 能否通过低维降阶模型准确表示原始高维时滞微分方程系统的动力学？
• RQ4 相较于仅依赖社交疏离，更快的检测与近乎确定的隔离是否能提供更强的控制效益？
• RQ5 在初始感染数量较小时，系统稳定性的角色如何，使其能够通过社交疏离实现有效干预？

主要发现

• 多尺度方法导出的双曲正切解，可准确捕捉在完美隔离且无自愈情况下的完整疫情进展，从初始微小爆发到最终饱和状态。
• 长波近似将系统简化为弱增长情况下的首阶常微分方程，以及在包含自愈与不完美隔离时的二阶常微分方程，两者均能完整捕捉疫情动力学。
• 基于六状态Galerkin的降阶模型在广泛参数范围与初始条件下，能准确复现原始时滞微分方程系统的动力学行为。
• 当早期实施并持续进行时，时变社交疏离可在弱增长情形下将近乎一半的感染者数量减少。
• 更快的检测与近乎确定的隔离可能比单独依赖社交疏离带来更强的总感染人数减少效果，尤其在自愈率较低时更为显著。
• 在初始感染数量较小时，最终状态的稳定性至关重要：社交疏离通过在感染水平被抑制后维持系统处于稳定状态，防止疫情再次爆发。