[论文解读] Predication of Inflection Point and Outbreak Size of COVID-19 in New Epicentres

Qing Duan, Jian Wu+2 more|arXiv (Cornell University)|Jul 15, 2020

COVID-19 epidemiological studies参考文献 20被引用 7

一句话总结

本研究利用成熟疫情国家的转化累积病例数据，通过非线性混合效应模型预测了巴西、印度和非洲地区等新兴疫情中心的疫情拐点和最终疫情规模。预测显示，非洲地区预计在2020年9月13日左右达到拐点，累计病例达390万例；而巴西和印度的峰值病例数预计约为250万例，拐点分别出现在6月23日和7月26日。

ABSTRACT

The coronavirus disease 2019 (COVID-19) had caused more that 8 million infections as of middle June 2020. Recently, Brazil has become a new epicentre of COVID-19, while India and African region are potential epicentres. This study aims to predict the inflection point and outbreak size of these new/potential epicentres at the early phase of the epidemics by borrowing information from more `mature' curves from other countries. We modeled the cumulative cases to the well-known sigmoid growth curves to describe the epidemic trends under the mixed-effect models and using the four-parameter logistic model after power transformations. African region is predicted to have the largest total outbreak size of 3.9 million cases (2.2 to 6 million), and the inflection will come around September 13, 2020. Brazil and India are predicted to have a similar final outbreak size of around 2.5 million cases (1.1 to 4.3 million), with the inflection points arriving June 23 and July 26, respectively. We conclude in Brazil, India, and African the epidemics of COVI19 have not yet passed the inflection points; these regions potentially can take over USA in terms of outbreak size

研究动机与目标

• 预测在疫情早期阶段的新发或潜在疫情中心（如巴西、印度和非洲地区）的COVID-19拐点和最终疫情规模。
• 通过借鉴中国、意大利和德国等成熟疫情国家的疫情模式，解决巴西、印度和非洲等地区早期数据有限的挑战。
• 通过应用具有幂次变换S型增长曲线的非线性混合效应建模框架，提升疫情早期预测的准确性。
• 通过估算传播可能开始减缓的时间点和预期的最终病例数，为公共卫生规划提供可操作的见解。

提出的方法

• 对经过幂次变换的累积确诊病例数据应用四参数逻辑模型（FPLM），以模拟S型疫情增长模式。
• 采用非线性混合效应模型，从疫情成熟国家（如中国、意大利、德国）借用信息，以支持对新兴疫情中心的预测。
• 选择最优的幂次变换（如对数、平方根）以改善模型拟合度和稳定性。
• 利用处于疫情后期阶段国家的数据拟合模型，以估计随机效应和总体参数。
• 通过外推估计的增长曲线预测未来趋势，从而推断拐点和最终疫情规模。
• 通过残差分析和与美国、俄罗斯实际数据的对比验证模型性能，发现后期阶段存在低估现象。

实验结果

研究问题

• RQ1 我们能否利用成熟疫情国家的数据，准确预测新疫情中心的拐点和最终疫情规模？
• RQ2 对累积病例数据进行幂次变换，如何影响S型增长模型在疫情早期阶段的拟合度和预测准确性？
• RQ3 基于跨国建模，巴西、印度和非洲地区的预测拐点和最终病例数分别是多少？
• RQ4 美国和俄罗斯的模型预测结果在多大程度上表明最终疫情规模被低估？这对新兴地区意味着什么？
• RQ5 检测覆盖率和报告准确性差异如何影响基于现象学模型的疫情早期预测的可靠性？

主要发现

• 非洲地区预计将迎来最大规模的疫情，累计病例达390万例（95%置信区间：220万至600万例），拐点预计出现在2020年9月13日左右。
• 巴西和印度的最终疫情规模预计相近，约为250万例（95%置信区间：110万至430万例），拐点分别出现在2020年6月23日和7月26日。
• 巴西的疫情目前处于快速增长阶段，病例数迅速上升；而印度的疫情增长预计滞后约一个月。
• 模型在拐点之后低估了美国和俄罗斯的日新增感染病例，表明这两个国家的实际最终病例数可能超过预测值。
• 美国和俄罗斯的疫情尚未完全平抑，表明即使已过拐点，传播仍在持续，可能由于公共卫生干预措施不足。
• 研究结论指出，若缺乏有效缓解措施，巴西、印度和非洲地区在2020年底的累计病例数可能超过美国。