[论文解读] Short-term forecasts of COVID-19 spread across Indian states until 1 May 2020

Neeraj Poonia, Sarita Azad|arXiv (Cornell University)|Apr 27, 2020

COVID-19 epidemiological studies参考文献 17被引用 16

一句话总结

本研究应用霍尔特指数平滑法与ARIMA模型，基于2020年1月30日至4月21日的实时数据，对印度各邦及中央直辖区的短期COVID-19病例与死亡人数进行预测。截至2020年5月1日，预测累计病例为36,335.63例（95%预测区间：30,884.56–42,918.87例），死亡人数为1,099.38例（95%预测区间：959.77–1,553.76例），马哈拉施特拉邦预计为受影响最严重的州，而喀拉拉邦与卡纳塔克邦则预计将转入较低严重程度区域。

ABSTRACT

The very first case of corona-virus illness was recorded on 30 January 2020, in India and the number of infected cases, including the death toll, continues to rise. In this paper, we present short-term forecasts of COVID-19 for 28 Indian states and five union territories using real-time data from 30 January to 21 April 2020. Applying Holt's second-order exponential smoothing method and autoregressive integrated moving average (ARIMA) model, we generate 10-day ahead forecasts of the likely number of infected cases and deaths in India for 22 April to 1 May 2020. Our results show that the number of cumulative cases in India will rise to 36335.63 [PI 95% (30884.56, 42918.87)], concurrently the number of deaths may increase to 1099.38 [PI 95% (959.77, 1553.76)] by 1 May 2020. Further, we have divided the country into severity zones based on the cumulative cases. According to this analysis, Maharashtra is likely to be the most affected states with around 9787.24 [PI 95% (6949.81, 13757.06)] cumulative cases by 1 May 2020. However, Kerala and Karnataka are likely to shift from the red zone (i.e. highly affected) to the lesser affected region. On the other hand, Gujarat and Madhya Pradesh will move to the red zone. These results mark the states where lockdown by 3 May 2020, can be loosened.

研究动机与目标

• 利用实时数据对印度28个邦及5个中央直辖区的短期COVID-19病例与死亡人数进行预测。
• 基于累计病例预测结果，将印度各邦按风险等级划分为不同严重程度区域，评估疫情严重程度。
• 通过识别在2020年5月3日可能可谨慎放宽封锁措施的邦，支持公共卫生决策制定。
• 比较霍尔特二阶指数平滑法与ARIMA模型在低资源环境下的短期疫情预测性能。
• 在当前传播条件下，预测印度疫情在2020年5月1日前的可能发展趋势。

提出的方法

• 对每日确诊病例与死亡人数的时间序列应用霍尔特二阶指数平滑法，以建模趋势与水平变化。
• 采用自回归积分滑动平均（ARIMA）模型，捕捉时间依赖性并预测未来数值。
• 使用2020年1月30日至4月21日期间覆盖印度各邦及中央直辖区的累计病例与死亡人数的实时数据。
• 生成2020年4月22日至5月1日期间的10天前瞻预测，并采用95%预测区间（PI）量化不确定性。
• 根据预测的累计病例数，将各邦划分为严重程度区域（如红色区域表示高度受影响）。
• 通过对比预测结果与实际数据趋势，并针对报告与传播中的区域差异进行调整，验证模型输出。

实验结果

研究问题

• RQ1 基于截至2020年4月21日的实时数据，预测到2020年5月1日印度的累计病例数与死亡人数是多少？
• RQ2 基于短期预测模型，2020年5月1日哪些印度邦预计承受最高的疾病负担？
• RQ3 基于预测病例数，2020年5月1日印度各邦的严重程度分类将如何变化？
• RQ4 霍尔特指数平滑法与ARIMA模型在预测印度疫情轨迹短期趋势方面的一致性程度如何？
• RQ5 哪些邦预计将从高严重程度区域转为低严重程度区域，表明可能放宽封锁措施？

主要发现

• 模型预测到2020年5月1日，印度累计病例数为36,335.63例，95%预测区间为（30,884.56, 42,918.87）例。
• 预测到2020年5月1日，印度死亡人数将达到1,099.38例，95%预测区间为（959.77, 1,553.76）例。
• 马哈拉施特拉邦预计为受影响最严重的邦，到2020年5月1日累计病例数预估为9,787.24例（95%预测区间：6,949.81–13,757.06例）。
• 喀拉拉邦与卡纳塔克邦预计将于2020年5月1日从红色区域（高度受影响）转入较低严重程度类别。
• 古吉拉特邦与中央邦预计将进入红色区域，表明传播风险上升。
• 预测表明，到2020年5月3日，病例趋势呈下降或稳定状态的邦（如喀拉拉邦与卡纳塔克邦）可能考虑放宽封锁措施。