[论文解读] The fractal time growth of COVID-19 pandemic: an accurate self-similar model, and urgent conclusions

Alfonso M. Gañán‐Calvo, Juan A. Hernandez Ramos|arXiv (Cornell University)|Mar 31, 2020

COVID-19 epidemiological studies参考文献 11被引用 7

一句话总结

本文提出了一种自相似分形模型，用于描述新冠疫情在大流行期间的随时间增长规律，表明在防控措施实施前，确诊病例和死亡人数均遵循具有分形维数3.75的普适幂律行为。该模型根据隔离措施实施的延迟预测最终死亡人数，关键感染时间为20.1天，并强烈建议在报告100例确诊病例前即启动全面隔离。

ABSTRACT

Current available data of the worldwide impact of the COVID-19 pandemic has been analyzed using dimensional analysis and self-similarity hypotheses. We show that the time series of infected population and deaths of the most impacted and unprepared countries exhibits an asymptotic power law behavior, compatible with the propagation of a signal in a fractal network. We propose a model which predicts an asymptotically self-similar expansion of deaths in time before containment, and the final death toll under total containment measures, as a function of the delay in taking those measures after the expansion is observed. The physics of the model resembles the expansion of a flame in a homogeneous domain with a fractal dimension 3.75. After containment measures are taken, the natural fractal structure of the network is drastically altered and a secondary evolution is observed. This evolution, akin to the homogeneous combustion in a static isolated enclosure with a final quenching, has a characteristic time of 20.1 days, according to available data of the pandemic behavior in China. The proposed model is remarkably consistent with available data, which supports the simplifying hypotheses made in the model. A universal formulation for a quarantine as a function of that delay is also proposed.

研究动机与目标

• 识别各国新冠疫情病例和死亡人数随时间演化的普适标度律。
• 将大流行的增长建模为人类互动分形网络中的自相似过程。
• 量化延迟实施防控措施对最终死亡率的影响。
• 基于隔离措施的实施时间，推导预测最终死亡人数的解析公式。
• 提供基于数据驱动分形动力学的紧急政策建议。

提出的方法

• 该模型利用量纲分析和自相似性假设，将大流行增长简化为无量纲幂律：φ ∼ τ^α。
• 引入无量纲时间 τ = (t - t₀)/T_L，其中 T_L = 20.1 天为根据中国数据推导出的平均传染期。
• 所提出的函数 φ = (log(β + exp(τ)))^α 同时拟合确诊病例 C(t) 和死亡人数 D(t)，其中 α ≈ 3.75 且 β ≈ 0.23。
• 模型区分了病例自由扩展的起始时间 t_c 和死亡人数的起始时间 t_d，且为两者分别定义 τ。
• 防控措施实施后，模型预测存在一个特征时间为20.1天的指数衰减阶段，与湖北的数据一致。
• 推导出一个普适的隔离持续时间 T_Q = T_L(1 + Δτ)，其中 Δτ 为在 t_c 之后延迟的天数。

实验结果

研究问题

• RQ1 各国确诊病例和死亡人数的时间序列在防控前是否表现出普适的自相似幂律增长？
• RQ2 决定 SARS-CoV-2 传播的人类互动网络的分形维数是多少？
• RQ3 延迟实施隔离措施如何影响最终死亡人数？
• RQ4 能否通过一个简单的解析模型，基于大流行早期数据准确预测最终死亡率？
• RQ5 为将最终死亡率最小化，启动全面隔离的最佳时机是什么？

主要发现

• 大流行表现出具有分形维数 α ≈ 3.75 的普适幂律增长，表明人类互动网络具有高度结构化且自相似的特性。
• 平均传染期 T_L 在多个数据点中一致测得为 20.1 天，支持其作为普适时间尺度的使用。
• 该模型在多个国家中对确诊病例和死亡人数均具有高精度拟合，验证了网络属性在全球范围内的统计同质性假设。
• 在全面隔离下，最终死亡人数由公式 D_T = 8×10⁴ × (log(β + exp((t_measures - t_c)/T_L)))^3.75 预测，其中 β ≈ 0.23。
• 每延迟一天在自由扩展阶段后实施措施，所需隔离持续时间将增加约 20.1 天。
• 西班牙、意大利、英国和美国等国家因延迟超过15天，预测死亡人数将超过38,000例，而湖北的实际死亡人数3,160例与模型预测完全一致。