[论文解读] Proposal of a recursive compartment model of epidemics and applications to the Covid-19 pandemic

Matthias Kreck, Erhard Scholz|arXiv (Cornell University)|Sep 1, 2020

COVID-19 epidemiological studies参考文献 2被引用 7

一句话总结

本文提出一种离散的、递归的五 compartment SEPIR 模型（易感者、潜伏者、传播者、隔离者、康复者），通过与真实数据直接关联的最少参数模拟疫情传播。该模型在德国和瑞士复制数稳定时期展现出强大的预测准确性，支持短期预测和通过公开工具进行的试错模拟，以评估政策影响。

ABSTRACT

This is work in progress. We make it accessible hoping that people might find the idea useful. We propose a discrete, recursive 5-compartment model for the spread of epidemics, which we call {\em SEPIR-model}. Under mild assumptions which typically are fulfilled for the Covid-19 pandemic it can be used to reproduce the development of an epidemic from a small number of parameters closely related to the data. We demonstrate this at the development in Germany and Switzerland. It also allows model predictions assuming nearly constant reproduction numbers. Thus it might be a useful tool for shedding light on which interventions might be most effective in the future. In future work we will discuss other aspects of the model and more countries.

研究动机与目标

• 开发一种简单、数据驱动的分 compartment 模型，用于疫情预测，仅使用直接从观察病例数据中得出的少量参数。
• 在复制数恒定的时期内，实现对疫情曲线的短期预测，特别是传播稳定的阶段。
• 为政策制定者提供实用工具，通过模拟试错情景评估干预措施的影响。
• 通过德国和瑞士的真实世界数据验证模型的准确性，这两个国家的卫生数据报告被认为可靠。
• 创建一个对公众和政策使用者开放、可访问的开源工具，用于模拟未来 4 周内的疫情发展。

提出的方法

• 该模型使用五个 compartment：S（易感者）、E（潜伏者）、P（传播者）、I（隔离者）、R（康复者），其状态转移由递归差分方程控制。
• 关键输入参数是有效复制数 R，基于过去 5 天的新发病例数据估算，且从感染到隔离存在 10 天的延迟。
• 模型假设 R 在短期内近似恒定，从而可基于先前值和 R 递归计算新发隔离病例。
• 模型通过使用 5 天前的数据计算未来 I(t) 曲线，以反映现实报告中潜伏期和报告延迟的影响。
• 由 Harald Grohganz 开发的公开网络工具允许用户输入日期，并基于当前数据模拟 4 周内的疫情轨迹。
• 通过将复制数拟合到观察数据来校准模型，R 的变化通过新发隔离病例趋势的转变来检测。

实验结果

研究问题

• RQ1 一个简单、递归的分 compartment 模型能否仅使用来自真实数据的少数几个参数，准确再现观察到的疫情曲线？
• RQ2 在复制数稳定的时期，SEPIR 模型在多大程度上能预测未来的疫情趋势？
• RQ3 该模型在使用延迟数据时，识别关键转折点（如疫情高峰）的效率如何？
• RQ4 通过模拟干预措施的影响，该模型能否以试错方式支持政策决策，从而在实际实施前进行评估？
• RQ5 在德国和瑞士的真实应用中，该模型的性能与更复杂的模型相比如何？

主要发现

• 在复制数稳定的时期，SEPIR 模型在德国和瑞士准确再现了疫情曲线，预测值与观察数据高度吻合。
• 基于 3 月 25 日至 26 日的数据，该模型在 2020 年 4 月 3 日左右检测到德国疫情的高峰，比数据中实际可见高峰提前 10 天。
• 在 2020 年 8 月 5 日进行的预测中，使用 7 月 21 日至 22 日的数据，若不实施新限制措施，预计到 2020 年 9 月底隔离病例将接近 68,000 例。
• 模型显示，若在 2020 年 8 月下旬复制数约为 1.3，则将在约 3 周内引发规模与首次高峰相当的第二波疫情。
• 只要复制数变化是渐进的，且模型每 10 天重新估计一次，其预测结果即使在复制数变化时也保持稳健。
• 该模型的简洁性及其对最少实时数据的依赖，使其非常适合公众和政策使用，这一点通过公开可用的模拟工具得到了证明。