[论文解读] Projected Development of COVID-19 in Louisiana

Ka-Ming Tam, Nicholas Walker+1 more|arXiv (Cornell University)|Apr 6, 2020

COVID-19 and healthcare impacts被引用 9

一句话总结

本研究利用校准至早期死亡人数和确诊病例的改进SIR模型，预测了路易斯安那州在无缓解措施情况下的COVID-19传播情况。研究发现，若不采取严格缓解措施，需将感染率降低70%以上，才能防止感染人数超过一百万例，凸显了实施积极社交疏离和检测措施以避免医疗系统崩溃的紧迫性。

ABSTRACT

At the time of writing, Louisiana has the third highest COVID-19 infection per capita in the United States. The state government issued a stay-at-home order effective March 23rd. We analyze the projected spread of COVID-19 in Louisiana without including the effects of the stay-at-home order. We predict that a large fraction of the state population would be infected without the mitigation efforts, and would certainly overwhelm the capacity of Louisiana health care system. We further predict the outcomes with different degrees of reduction in the infection rate. More than 70% of reduction is required to cap the number of infected to under one million.

研究动机与目标

• 基于早期病例和死亡数据，预测路易斯安那州在无缓解措施下的COVID-19传播轨迹。
• 评估不同水平的感染率降低（由缓解措施引起）的影响。
• 估算将总感染人数控制在一百万例以下所需的最低传播减少阈值。
• 评估在检测能力有限的情况下，死亡人数是否可作为流行病动态的可靠代理指标。
• 通过量化社交疏离和检测措施的有效性，为公共卫生政策提供依据。

提出的方法

• 改进的SIR模型包含易感者（S）、感染者（I）、隔离者（Q）和康复/死亡者（R）四个状态 compartment。
• 模型引入病死率（δ），通过 dC/dt = δI(t) 将死亡人数与活跃感染人数关联。
• 通过早期死亡数据估计参数 β（感染率）、η（检测率）、α（无症状康复率）和 γ（隔离者康复/死亡率）。
• 利用初始流行期的死亡人数指数增长（C(t) ≈ 5.04exp(0.228t)）校准 β - (α + η)。
• 情景模拟从3月23日（第15天）起将 β 减少50%至90%，同时保持 η 和 α 不变。
• 总感染人数估算为 I(t) + Q(t) + R(t)，结果以对数尺度展示，以揭示长期趋势。

实验结果

研究问题

• RQ1 若不实施任何缓解措施，路易斯安那州的预测感染人数将是多少？
• RQ2 感染率需降低到何种程度，才能使累计感染人数控制在一百万例以下？
• RQ3 在检测能力有限的早期疫情传播阶段，死亡人数在多大程度上可作为活跃感染人数的可靠代理？
• RQ4 通过降低 β 实现的社交疏离不同水平如何改变流行曲线及峰值感染时间？
• RQ5 为防止医疗系统超载，感染率需降低到何种阈值？

主要发现

• 若无缓解措施，模型预测路易斯安那州人口中将有大量个体被感染，导致医疗系统崩溃。
• 即使感染率降低50%，累计感染人数仍超过一百万例，表明控制力度仍不足。
• 需将感染率降低超过70%，才能将总感染人数控制在一百万例以下。
• 模型对早期死亡数据的指数增长拟合（C(t) ≈ 5.04exp(0.228t)）得出约3.0天的翻倍时间。
• 即使 β 降低70%，活跃但未被检测到的感染者（I(t)）数量仍相当可观，尽管已显著减少。
• 本研究建议，提升检测能力并推广防护装备，可进一步降低传播风险并改善疫情结局。