[论文解读] Parametrization Model Motivated from Physical Processes for Studying the Spread of COVID-19 Epidemic

S. Maltezos|arXiv (Cornell University)|Apr 8, 2020

COVID-19 epidemiological studies参考文献 4被引用 4

一句话总结

本文提出了一种受物理过程启发的三参数半高斯参数化模型，用于描述每日报告的新冠肺炎病例数，通过非线性优化过程拟合数据。该模型能够可靠预测疫情拐点，并量化关键流行病学参数，如平均感染时间与疾病控制有效性；希腊由于高隔离度（τ）和低传播率（n），表现出更优的曲线平抑效果。

ABSTRACT

The outbreak of the new virus COVID-19, beyond the human health risks and loss, has caused also very serious problems in a wide range of human activities, including the basic and applied scientific research, mainly that concern world wide collaborations. It is desirable to all of us to have the prospect of quickly predicting a turning point in the daily cases curve of the disease. In this work we face the problem of COVID-19 virus disease spreading by aiming mostly to create a reliable mathematical model describing this mechanism for an isolated society, for cities or even for a whole country. Drawing upon similar mechanisms appearing in the particle detector Physics, we concentrated to the so called, semi-gaussian function of n-degree. This approach can provide some very useful advantages in the data analysis of the daily reported cases of the infected people. Applying this model and fitting to the data, reported until the submission of this work, we have determined, among others, the mean infection time for a citizen in the society under study. We also applied and adopted this model to the reported cases in other countries and we have performed useful comparisons and conclusions.

研究动机与目标

• 开发一种灵活且具有物理解释的数学模型，用于预测每日报告新冠肺炎病例数的拐点。
• 利用真实世界数据量化关键流行病学参数，如平均感染时间与基本再生数。
• 通过比较每日病例数曲线的形状与峰值抑制程度，评估各国公共卫生政策的有效性。
• 提供一种简单而稳健的参数化模型，适用于数据有限或孤立的地区或国家。
• 引入无量纲的性能指标（pr），用于相对于参考国家（希腊）评估疾病控制的成功程度。

提出的方法

• 模型采用三参数半高斯函数：c(t) = A·t^n·e^(-t/τ)，其中A为振幅，n为指数，τ为平均感染时间。
• 通过非线性优化将该函数拟合至真实每日病例数据，实现对疫情增长与衰减阶段的曲线拟合。
• 模型借鉴粒子探测器物理与RC电路响应特性，利用指数分布的无记忆性。
• 参数n被解释为人口流动或交通强度的代理指标，而τ则反映隔离措施的有效性。
• 定义无量纲性能指标pr = pi/p1，用于相对于希腊（参考值，pr = 1）比较疾病控制表现。
• 该模型应用于希腊、中国、韩国、意大利、瑞士和英国的数据，实现跨国比较。

实验结果

研究问题

• RQ1 受物理启发的半高斯模型能否准确预测每日报告新冠肺炎病例数的拐点？
• RQ2 模型参数n与τ如何与现实中的公共卫生行为（如人口流动与隔离措施）相关联？
• RQ3 无量纲性能指标pr在多大程度上可量化各国疾病控制政策的成功程度？
• RQ4 每日病例数曲线的形状与公共卫生干预措施的有效性在不同国家之间存在何种关系？
• RQ5 即使在数据有限或拐点尚未出现的情况下，该模型能否可靠估计平均感染时间（τ）与峰值抑制程度（pr）？

主要发现

• 该模型成功拟合了希腊、中国、韩国、意大利、瑞士和英国的每日病例数据，所有情况下的参数估计均具可靠性。
• 对于希腊，模型估计平均感染时间τ = 6天，峰值抑制比pr = 1.0，表明其在所研究国家中控制效果最优。
• 意大利的n = 4.5且τ = 5.5天，表明人口流动高且隔离效果较差，导致pr = 1.43。
• 韩国的pr值最高（4.35），表明其曲线平抑效果最佳，归因于早期强有力的干预措施。
• 中国的pr = 2.43，反映控制有效但不如韩国理想，τ = 6.5天，n = 3.5。
• 模型表明，每增加10%的n，pr约下降5%；每增加10%的τ，pr约下降15%，表明τ对曲线平抑的影响更强。