[论文解读] Real-time forecasts of the 2019-nCoV epidemic in China from February 5th to February 24th, 2020

Kimberlyn Roosa, Y. Lee+6 more|arXiv (Cornell University)|Feb 12, 2020

COVID-19 epidemiological studies参考文献 7被引用 13

一句话总结

本研究利用三种流行病学模型——广义逻辑斯蒂模型、Richards模型和亚流行波模型——基于2020年1月22日至2月9日的每日病例数据，对中国2019-nCoV疫情进行了实时预测。预测显示，未来五天内湖北省新增病例为7,409–7,496例，其他省份为1,128–1,929例，至2020年2月24日，湖北省累计病例达37,415–38,028例，其他省份为11,588–13,499例，表明有效防控策略减缓了传播速度。

ABSTRACT

The initial cluster of severe pneumonia cases that triggered the 2019-nCoV epidemic was identified in Wuhan, China in December 2019. While early cases of the disease were linked to a wet market, human-to-human transmission has driven the rapid spread of the virus throughout China. The ongoing outbreak presents a challenge for modelers, as limited data are available on the early growth trajectory, and the epidemiological characteristics of the novel coronavirus are yet to be fully elucidated. We provide timely short-term forecasts of the cumulative number of confirmed reported cases in Hubei province, the epicenter of the epidemic, and for the overall trajectory in China, excluding the province of Hubei. We collect daily reported cumulative case data for the 2019-nCoV outbreak for each Chinese province from the National Health Commission of China. Here, we provide 5, 10, and 15 day forecasts for five consecutive days, February 5th through February 9th, with quantified uncertainty based on a generalized logistic growth model, the Richards growth model, and a sub-epidemic wave model. Our most recent forecasts reported here based on data up until February 9, 2020, largely agree across the three models presented and suggest an average range of 7,409-7,496 additional cases in Hubei and 1,128-1,929 additional cases in other provinces within the next five days. Models also predict an average total cumulative case count between 37,415 - 38,028 in Hubei and 11,588 - 13,499 in other provinces by February 24, 2020. Mean estimates and uncertainty bounds for both Hubei and other provinces have remained relatively stable in the last three reporting dates (February 7th - 9th). Our forecasts suggest that the containment strategies implemented in China are successfully reducing transmission and that the epidemic growth has slowed in recent days.

研究动机与目标

• 在疫情早期阶段，提供基于数据的、及时的2019-nCoV病例增长短期预测。
• 通过分析传播动力学趋势，评估防控策略的有效性。
• 利用多种流行病学模型量化预测中的不确定性。
• 通过实时、基于证据的预测，支持公共卫生决策制定。

提出的方法

• 本研究采用广义逻辑斯蒂增长模型，以捕捉具有饱和点的S型流行曲线。
• 应用Richards增长模型以估计流行病的增速和峰值，允许感染曲线形状具有灵活性。
• 采用亚流行波模型以考虑多重传播波及异质性传播动态。
• 收集并更新截至2020年2月9日中国国家卫生健康委员会发布的每日累计病例数据。
• 生成五天、十天和十五天的预测，不确定性区间基于模型拟合及参数分布得出。
• 通过将预测结果与实际观测数据对比，评估模型性能，模型间的一致性表明结果具有稳健性。

实验结果

研究问题

• RQ1 基于实时数据，未来五天（2月5日至9日）湖北省新增2019-nCoV病例的预测数量是多少？
• RQ2 到2020年2月24日，湖北省与其他省份的累计病例数预测值有何对比？
• RQ3 在疫情早期阶段，多种建模方法在多大程度上产生一致的预测结果？
• RQ4 预测趋势对防控措施在中国的有效性提供了何种启示？
• RQ5 预测估计值在连续数日内是否保持稳定，表明其可靠性和收敛性？

主要发现

• 未来五天（2月5日至9日）湖北省新增病例的预测范围为7,409–7,496例，各模型间高度一致。
• 同一时期其他省份新增病例预测范围为1,128–1,929例，不确定性中等但估计值稳定。
• 到2020年2月24日，模型预测湖北省累计病例达37,415–38,028例，表明疫情增长速度正在放缓。
• 到2020年2月24日，其他省份累计预测病例达11,588–13,499例，不确定性区间在2月7日至9日期间保持稳定。
• 2月7日至9日期间，湖北省及其他省份的模型估计值变化极小，表明预测结果已实现收敛且具有可靠性。
• 各模型间的一致性及稳定的预测范围表明，中国采取的防控策略成功地减少了传播。