[论文解读] Using early data to estimate the actual infection fatality ratio from COVID-19 in France (Running title: Infection fatality ratio from COVID-19)

Lionel Roques, Etienne K. Klein+3 more|arXiv (Cornell University)|Mar 24, 2020

COVID-19 epidemiological studies参考文献 15被引用 52

一句话总结

该论文使用一个与阳性检测和死亡数据相连的机械-统计SIR模型来估计法国实际COVID-19感染数并推导感染致死率（IFR），其中对养老院死亡及基本再生数的调整。

ABSTRACT

The first cases of COVID-19 in France were detected on January 24, 2020. The number of screening tests carried out and the methodology used to target the patients tested do not allow for a direct computation of the real number of cases and the mortality rate.In this report, we develop a 'mechanistic-statistical' approach coupling a SIR ODE model describing the unobserved epidemiological dynamics, a probabilistic model describing the data acquisition process and a statistical inference method. The objective of this model is not to make forecasts but to estimate the real number of people infected with COVID-19 during the observation window in France and to deduce the mortality rate associated with the epidemic.Main results. The actual number of infected cases in France is probably much higher than the observations: we find here a factor x 15 (95%-CI: 4-33), which leads to a 5.2/1000 mortality rate (95%-CI: 1.5 / 1000-11.7/ 1000) at the end of the observation period. We find a R0 of 4.8, a high value which may be linked to the long viral shedding period of 20 days.

研究动机与目标

• 在观察期内估计法国实际感染COVID-19的人数。
• 基于医院死亡数据计算法国的感染致死率（IFR）。
• 在疫情早期阶段估计法国的基本再生产数 R0。
• 通过贝叶斯推断将测试阳性、死亡和检测数据与机械SIR模型结合起来。

提出的方法

• 将机械SIR模型与概率数据观测模型耦合，以把未观测的动态与观测到的检测结果和死亡联系起来。
• 将数据获取描述为二项抽样过程：hat{delta}_t ~ Bin(n_t, p_t)，其中 p_t 取决于 I(t)、S(t) 和检测概率。
• 通过 D'(t) = gamma(t) I(t) 来建模死亡，与动态感染水平相联系。
• 通过极大似然估计来估计 alpha、t0 和 kappa（检测相对概率），并用随机初值来约束搜索。
• 使用 Metropolis-Hastings MCMC，带均匀先验，计算后验参数分布。
• 从估计的 I(t) 和 D(t) 推断 IFR 作为 gamma(t)/ (gamma(t) + beta)，并利用 SIR 参数推导 R0 = alpha/beta。
• 假设 1/beta = 10 天，检测灵敏度 sigma = 0.7；总人口 N = 67,000,000。

实验结果

研究问题

• RQ1 在2020年2月29日至3月17日之间，法国实际感染COVID-19的人数是多少？
• RQ2 基于医院死亡数据，法国的感染致死率（IFR）是多少？对养老院死亡的调整如何影响它？
• RQ3 根据该模型在疫情初期阶段，法国的基本再生数 R0 是多少？
• RQ4 该机械-统计模型对观测到的阳性检测和死亡的时间序列拟合程度如何？

主要发现

• 实际感染人数大约是观测病例的八倍，95% 置信区间为 5–12。
• 基于医院死亡的 IFR 为 0.5%（95% CI: 0.3–0.8）。
• 对养老院死亡进行调整后，IFR 为 0.8%（95% CI: 0.45–1.25）。
• 平均估计的 R0 为 3.2（95% CI: 3.1–3.3）。
• 拟合模型在阳性检测的观测与期望数量随时间的匹配性良好。
• 估计的累计感染人数（I+R）远高于累计观测病例。