[论文解读] Spatiotemporal fluctuation scaling law and metapopulation modeling of the novel coronavirus (COVID-19) and SARS outbreaks

Zhanshan Ma|arXiv (Cornell University)|Mar 8, 2020

COVID-19 epidemiological studies参考文献 40被引用 13

一句话总结

本研究将泰勒幂律（TPL）与胡贝尔的统一中性物种多样性理论（UNTB）应用于新冠状病毒病（COVID-19）与严重急性呼吸综合征（SARS）暴发的时空动态建模。研究发现，两种病毒在累计感染数中的TPL标度参数均接近2，表明其具有高度不稳定性；与SARS相比，SARS-CoV-2表现出更低的感染阈值（M0），提示其因致死率较低及阿勒效应动力学而具有更高的传播潜力。

ABSTRACT

We comparatively analyzed the spatiotemporal fluctuations of the 2019-novel coronavirus (COVID-19) and SARS outbreaks to understand their epidemiological characteristics. Methodologically, we introduced TPL (Taylor power law) to characterize their spatiotemporal heterogeneity/stability and Hubbell (2001) unified neutral theory of biodiversity (UNTB) [specifically Harris et al. (2015) HDP-MSN model (hierarchical Dirichlet process multi-site neutral model)] to approximate the metapopulation of coronavirus infections. First, TPL analysis suggested that the coronaviruses appear to have a specific heterogeneity/stability scaling parameter (TPL-b) slightly exceeding 2 for cumulative infections or exceeding 1 for daily incremental infections, suggesting their potentially chaotic, unstable outbreaks. Another TPL parameter (M0) (i.e., infection critical threshold) depends on virus kinds (COVID-19/SARS), time (disease-stages), space (regions) and public-health interventions (e.g., quarantines and mobility control). M0 measures the infection level, at which infections are random (Poisson distribution) and below which infections follow uniform distribution and may die off if M0 coincides or below the level of Allee effects. It was found that COVID-19 outbreak seems nearly twice more risky than SARS, and the lower infection threshold may be due to its lower lethality than SARS since lower fatality rates can facilitate the survival and spread of pathogen. Second, metacommunity UNTB neutrality testing seems appropriate for approximating metapopulation of coronavirus infections. Specifically, two parameters θ and M, borrowed from neutral theory, may be used to assess the relative significance of infection through local contagion vs. infection through migration, both of which may depend on time, space, virus kinds, and particularly public-health interventions.

研究动机与目标

• 比较SARS与新冠状病毒病暴发的时空波动模式。
• 评估泰勒幂律（TPL）在量化冠状病毒传播异质性与稳定性方面的适用性。
• 评估胡贝尔的统一中性物种多样性理论（UNTB）在建模冠状病毒传播群落动态方面的可行性。
• 识别感染持续存在与传播随机性的临界阈值（M0）。
• 研究公共卫生干预措施如何影响传播阈值与暴发稳定性。

提出的方法

• 应用泰勒幂律（TPL）量化累计感染数与日新增感染数的时空异质性。
• 采用分层狄利克雷过程多站点中性模型（HDP-MSN）作为冠状病毒传播中群落动态的代理模型。
• 估计TPL参数：标度指数（b）与截距（M0），其中M0代表泊松分布与均匀分布之间转换的感染阈值。
• 在模型中引入时间、空间、病毒类型（SARS与SARS-CoV-2）以及公共卫生干预措施（如隔离、人员流动控制）作为协变量。
• 调整中性理论参数θ（基本多样性率）与M（总种群规模），以评估局部传播与迁移驱动传播的相对作用。
• 对UNTB假设进行统计检验，以验证其在建模冠状病毒群落动态中的适用性。

实验结果

研究问题

• RQ1 使用泰勒幂律比较SARS与新冠状病毒病的时空波动模式有何异同？
• RQ2 SARS与SARS-CoV-2的临界感染阈值（M0）分别是多少？其在不同地区与疾病阶段如何变化？
• RQ3 胡贝尔的统一中性物种多样性理论在多大程度上可有效建模冠状病毒传播的群落动态？
• RQ4 公共卫生干预措施如何通过TPL参数影响冠状病毒暴发的稳定性与异质性？
• RQ5 为何SARS-CoV-2的感染阈值低于SARS？较低致死率如何影响这一现象？

主要发现

• 累计感染数的TPL标度指数（b）在SARS与SARS-CoV-2中均略高于2，表明存在高度的时空不稳定性，且传播动力学可能呈现混沌特征。
• 对于日增量感染数，TPL指数（b）超过1，进一步支持传播模式的不稳定性与异质性。
• SARS-CoV-2的感染阈值M0低于SARS，表明SARS-CoV-2可在更低感染水平下维持传播。
• M0代表感染分布从均匀分布向泊松分布转变的临界点，若M0低于阿勒效应阈值，则存在灭绝风险。
• UNTB框架，特别是HDP-MSN模型，可有效近似建模冠状病毒群落动态，其中参数θ与M分别反映局部传播与迁移效应。
• SARS-CoV-2较低的致死率可能促使其M0更低且传播潜力更高，从而有利于病原体的存活与传播。