[论文解读] Optimal Lockdown for Pandemic Control

Qiang Ma, Liu Y+1 more|arXiv (Cornell University)|Oct 24, 2020

COVID-19 epidemiological studies参考文献 40被引用 8

一句话总结

本文提出了一套数学框架，用于设计最优的非均匀封锁政策，以在最小化经济损害的同时，以预定速率将感染人数降至零。通过将疫情传播建模为网络化动力系统，并利用半定规划实现特征值控制，该方法计算出各位置的封锁强度；一个关键发现是，出人意料的是，尽管纽约市的感染率更高，2020年4月纽约州的非城市地区本应比纽约市实施更严格的封锁措施。

ABSTRACT

As a common strategy of contagious disease containment, lockdowns will inevitably weaken the economy. The ongoing COVID-19 pandemic underscores the trade-off arising from public health and economic cost. An optimal lockdown policy to resolve this trade-off is highly desired. Here we propose a mathematical framework of pandemic control through an optimal stabilizing non-uniform lockdown, where our goal is to reduce the economic activity as little as possible while decreasing the number of infected individuals at a prescribed rate. This framework allows us to efficiently compute the optimal stabilizing lockdown policy for general epidemic spread models, including both the classical SIS/SIR/SEIR models and a new model of COVID-19 transmissions. We demonstrate the power of this framework by analyzing publicly available data of inter-county travel frequencies to analyze a model of COVID-19 spread in the 62 counties of New York State. We find that an optimal stabilizing lockdown based on epidemic status in April 2020 would have reduced economic activity more stringently outside of New York City compared to within it, even though the epidemic was much more prevalent in New York City at that point. Such a counterintuitive result highlights the intricacies of pandemic control and sheds light on future lockdown policy design.

研究动机与目标

• 设计一种封锁政策，以最小化经济损害，同时确保感染人数以预定速率下降至零。
• 解决疫情控制中公共卫生遏制与经济成本之间的权衡问题。
• 开发一种计算高效的非均匀封锁设计方法，适用于异质性地理区域。
• 将该框架应用于真实世界数据，包括2020年4月纽约州的县际通勤数据和疾病参数。
• 揭示基于网络结构和流行病动力学的最优封锁强度的反直觉见解。

提出的方法

• 使用具有无症状和有症状传播的网络化SIR/SEIR类分 compartment 模型来模拟疾病传播。
• 通过矩阵A表示系统动力学，其特征值决定感染人数的衰减速率。
• 利用半定规划计算最优封锁政策，通过将特征值移至期望边界来稳定系统。
• 应用矩阵平衡技术以确保解的鲁棒性和计算效率。
• 推导出特征值边界与有效基本再生数Rt之间的关联。
• 使用来自SafeGraph的纽约州县际通勤真实数据以及文献中的疾病参数对方法进行验证。

实验结果

研究问题

• RQ1 如何设计最优的非均匀封锁政策，以在最小化经济成本的同时确保感染人数以预定速率衰减？
• RQ2 人类流动结构和人口分布如何影响不同区域的最优封锁强度？
• RQ3 为何非城市地区可能需要比城市中心更严格的封锁措施，即使城市的感染率更高？
• RQ4 最优封锁政策对疾病参数、人口密度和传播率变化的鲁棒性如何？
• RQ5 有症状与无症状个体之间流动行为的差异在塑造最优封锁策略中起什么作用？

主要发现

• 基于2020年4月疫情状况的最优稳定封锁政策，要求纽约市以外的农村县实施比市内更严格的限制措施，尽管纽约市的感染率更高。
• 最优封锁政策并非主要由本地感染率或人口规模驱动，而是由网络中心性和流动模式决定。
• 度中心性和人口规模仅在与其他地区相比极端小或极端大时，才会影响封锁强度。
• 与均匀封锁相比，该框架能更高效地减少经济活动，在非均匀情景下实现显著的成本节约。
• 即使传播率随人口密度变化（例如，β ∝ p^0.15），最优封锁政策仍倾向于在人口更少、中心性更低的地区实施更严格的限制。
• 该模型揭示，有症状个体的流动模式显著影响最优封锁强度，其流动越高，外围地区的封锁措施越严格。