[论文解读] Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents

H. M. Singer|arXiv (Cornell University)|Mar 26, 2020

COVID-19 epidemiological studies参考文献 20被引用 31

一句话总结

本文分析了25个国家的 COVID-19 数据，并拟合幂律增长指数以预测短期感染轨迹，揭示了不同的增长模式以及封锁遵守程度对指数的影响。

ABSTRACT

The number of corona virus (COVID-19) infections grows worldwide. In order to create short term predictions to prepare for the extent of the global pandemic we analyze infection data from the top 25 affected countries. It is shown that all country-specific infection rates follow a power law growth behavior and the scaling exponents per country are calculated. We find two different growth patterns: either steady power law growth from the very beginning with moderate scaling exponents of 3-5 or explosive power law growth with dramatic scaling exponents of 8-11. In the case of the USA we even find an exponent of 16.59. By means of data analysis we confirm that instituting strict measures of lock-downs combined with a strong adherence by the population are effective means to bring the growth rates down. While many countries have instituted measures there are only three countries (Denmark, Norway, and South Korea) so far where such lock-downs led to a significant reduction of the growth rate. In the case of Denmark we calculate the reduction of the scaling exponents to move from 6.82 to 1.47.

研究动机与目标

• 推动使用幂律增长来建模COVID-19感染轨迹，超越指数假设。
• 从早期大流行数据量化各国特定的缩放指数。
• 研究政府干预及遵守程度如何影响增长模式和指数。
• 基于拟合的幂律行为提供短期感染预测。

提出的方法

• 从 JHU-CSSE 收集截至 2020-03-24 最受影响的 25 个国家的国家级感染数据。
• 在每个国家的对数-对数图中识别无尺度（幂律）增长的范围。
• 通过对对数-对数数据进行线性回归来估计各国的幂律指数 γ。
• 在有可用数据的情况下比较干预前后（封锁）的增长模式，以检测 γ 的变化。
• 利用幂律拟合在7–30天内生成短期感染人数预测。
• 通过重新估计 China 的 γ 来交叉检验指数以验证该方法。

实验结果

研究问题

• RQ1 早期大流行期内前25个国家的总感染数的缩放指数 γ 是多少？
• RQ2 封锁和人口遵守程度是否改变缩放指数，指示不同的增长模式？
• RQ3 是否存在任何国家出现饱和的证据，这对建模方法有何影响？
• RQ4 幂律拟合对短期感染增长的描述及其相对于指数模型的预测能力有多好？

主要发现

• 大多数国家呈现幂律增长，指数跨越两个增长模式：稳态增长，γ 约为 2–6；爆发式增长，γ 约为 8–16。
• Denmark、Norway、和 South Korea 在干预后显示出增长变慢的模式，γ 降低（例如，Denmark γ1=6.82 降至 γ2=1.47）。
• China 显示饱和，后饱和指数 γ2 ≈ 0.024，表明干预后放缓；其他国家在 2020-03-24 前后基本未显示饱和。
• USA 具有很高的指数（γ ≈ 16.59），表明早期增长爆发；更高的封锁遵守程度与 γ1 与 γ2 之间的更大下降相关。
• 封锁强度和人口遵守程度，而非仅仅制裁的存在，与缩放指数的下降以及前后两种增长模式的差异相关。
• 幂律方法为总感染数提供准确的短期预测，适用于医疗保健规划。