[论文解读] Optimal control of COVID-19 infection rate with social costs

Palmer Az, Zabinsky Zb+1 more|arXiv (Cornell University)|Feb 10, 2021

COVID-19 epidemiological studies参考文献 1被引用 5

一句话总结

本文利用确定性和随机性分 compartment 模型，制定最优控制策略，以最小化 COVID-19 感染率，同时平衡社会与经济成本。研究识别出抑制与缓解为最优政策类别，其中疫苗接种时间是关键的随机因素，并表明在成本约束下，早期且积极的干预措施可获得最佳结果。

ABSTRACT

The COVID-19 pandemic has posed a policy making crisis where efforts to slow down or end the pandemic conflict with economic priorities. This paper provides mathematical analysis of optimal disease control policies with idealized compartmental models for disease propagation and simplistic models of social and economic costs. The optimal control strategies are categorized as 'suppression' and 'mitigation' strategies and are analyzed in both deterministic and stochastic models. In the stochastic model, vaccination at an uncertain time is taken into account.

研究动机与目标

• 解决控制 COVID-19 传播与最小化社会和经济干扰之间的政策困境。
• 利用理想化的分 compartment 动力学模型，对公共卫生干预措施与社会成本之间的权衡进行建模。
• 在确定性和随机性框架下，将最优控制策略分类为抑制与缓解两类。
• 在控制模型中将不确定的疫苗接种时间作为随机变量纳入。
• 推导出最小化总社会成本（包括健康与经济影响）的最优控制政策。

提出的方法

• 构建一个分 compartment 疾病模型（例如 SIR 类型）以表示疾病传播动力学。
• 引入一个成本函数，综合感染相关的社会成本与干预相关的经济成本。
• 应用最优控制理论，推导出最小化总成本函数的必要条件。
• 使用庞特里亚金最大值原理，在确定性设定下刻画最优控制策略。
• 通过将疫苗接种时间视为具有已知概率分布的随机变量，将模型扩展至随机框架。
• 利用动态规划和期望成本最小化方法求解随机最优控制问题。

实验结果

研究问题

• RQ1 在理想化的疾病传播动力学下，疾病抑制与经济成本之间最优平衡是什么？
• RQ2 在确定性和随机模型中，抑制与缓解策略在总社会成本方面的表现如何比较？
• RQ3 疫苗接种时间的不确定性如何影响控制策略的最优性与鲁棒性？
• RQ4 当社会与经济成本被显式建模时，最优控制策略的结构性差异是什么？
• RQ5 在何种条件下，早期且积极的干预措施相较于延迟或渐进措施能取得更优结果？

主要发现

• 在确定性和随机模型下，抑制策略（即早期且严格的干预）始终比缓解策略产生更低的总社会成本。
• 在随机模型中，疫苗接种时间的不确定性增加了疫苗接种前所需的最优控制力度，反映出预防性行为。
• 最优控制策略表现出从低强度到高强度干预的急剧转变，表明对感染风险存在阈值响应行为。
• 在目标函数中纳入社会与经济成本后，导致干预策略更加渐进且持续，相较于仅最小化感染的控制策略更为温和。
• 最优策略对疫苗接种时间的中等程度不确定性具有鲁棒性，但若疫苗接种显著延迟，则会增加干预的持续时间和强度。
• 该模型表明，即使延迟干预仅数周，也会显著增加总成本，凸显及时政策行动的重要性。