[论文解读] SEIAR model with asymptomatic cohort and consequences to efficiency of quarantine government measures in COVID-19 epidemic

Lenka Přibylová, Veronika Hajnová|arXiv (Cornell University)|Apr 6, 2020

COVID-19 epidemiological studies参考文献 9被引用 17

一句话总结

本文提出了一种SEIAR模型，通过显式引入无症状感染者群体，对标准SEIR框架进行扩展，表明该群体显著提高了基本再生数 $ R_0 $——当包含无症状传播时，$ R_0 $ 可高达约9。模型显示，隔离措施必须尽早实施才有效，因为延迟会因无症状个体的隐性传播而大幅降低其影响。

ABSTRACT

We present a compartmental SEIAR model of epidemic spread as a generalization of the SEIR model. We believe that the asymptomatic infectious cohort is an omitted part of the understanding of the epidemic dynamics of disease COVID-19. We introduce and derive the basic reproduction number as the weighted arithmetic mean of the basic reproduction numbers of the symptomatic and asymptomatic cohorts. Since the asymptomatic subjects people are not detected, they can spread the disease much longer, and this increases the COVID-19 $R_0$ up to around 9. We show that European epidemic outbreaks in various European countries correspond to the simulations with commonly used parameters based on clinical characteristics of the disease COVID-19, but $R_0$ is around three times bigger if the asymptomatic cohort is taken into account. Many voices in the academic world are drawing attention to the asymptomatic group of infectious subjects at present. We are convinced that the asymptomatic cohort plays a crucial role in the spread of the COVID-19 disease, and it has to be understood during government measures.

研究动机与目标

• 通过引入无症状感染者隔离阶段，解决标准SEIR模型在捕捉COVID-19真实传播动态方面的局限性。
• 量化无症状群体如何因持续传染期和未被发现的状态而提高基本再生数 $ R_0 $。
• 评估当无症状传播为主要驱动因素时，隔离和社交距离措施在控制疫情暴发方面的有效性。
• 提供一个更符合欧洲疫情实际模式（特别是意大利、西班牙和英国出现的快速且严重的疫情暴发）的模型。
• 通过识别在疫情达到高峰前的关键干预窗口期，为公共卫生政策提供依据。

提出的方法

• SEIAR模型在SEIR基础上增加无症状感染者阶段（A），其传播率和恢复率与有症状感染者（I）不同。
• 模型使用常微分方程组描述S（易感者）、E（潜伏者）、I（有症状感染者）、A（无症状感染者）和R（康复或移除者）之间的状态转移。
• 传播率 $ \beta $ 被视为平均值，但模型允许分别设定 $ \beta_I $ 和 $ \beta_A $，以反映人们对有症状者的行为回避与无症状者潜在较低传染性的差异。
• 基本再生数 $ R_0 $ 作为有症状与无症状群体 $ R_0 $ 值的加权算术平均，反映其对传播的相对贡献。
• 模型使用临床数据校准，包括潜伏期、有症状比例（p = 0.14），以及恢复时间（1/μ₁ ≈ 3天，1/μ₂ ≈ 10天）。
• 模拟通过GLEAMviz网络模拟器运行，将模型预测与欧洲真实疫情数据进行比较。

实验结果

研究问题

• RQ1 在COVID-19传播模型中，引入无症状感染者群体如何改变估算的基本再生数 $ R_0 $？
• RQ2 为何标准SEIR模型无法预测欧洲疫情的快速暴发？这是否可由未被发现的无症状传播解释？
• RQ3 在无症状传播为主要驱动因素的情况下，实施隔离措施的有效关键时间窗口是什么？
• RQ4 当存在无症状传播时，政府干预措施（如社交距离、佩戴口罩）的有效性如何取决于实施时机？
• RQ5 无症状群体在整体疫情高峰和最终感染率中所占的贡献程度如何？

主要发现

• 引入无症状感染者群体后，基本再生数 $ R_0 $ 上升至约9，远高于仅基于有症状病例估算的世卫组织范围（2–3）。
• 与标准SEIR模型相比，SEIAR模型更能准确再现意大利、西班牙和英国等欧洲国家的观察到的疫情动态，这些国家的疫情暴发迅速且严重。
• 隔离措施仅在早期实施时才有效——理想情况下应在首例确诊病例后20至25天内启动，因为延迟会导致影响微乎其微，原因在于无症状传播未受控制。
• 即使通过强力措施将 $ \beta $ 降低至0.3，若干预未在快速传播阶段（第二阶段）开始前启动，疫情高峰仍可能很高。
• 若在早期采取措施，感染峰值可比无控制情景降低高达80%，但若行动延迟，此优势将完全消失。
• 由于无症状传播导致 $ R_0 $ 升高，该模型可解释在检测能力有限的地区（如美国和英国）观察到的快速传播现象，这些地区普遍存在未被发现的传播。