[论文解读] Using generalized logistics regression to forecast population infected by Covid-19

Mario Villalobos-Arias|arXiv (Cornell University)|Apr 6, 2020

COVID-19 epidemiological studies参考文献 3被引用 20

一句话总结

本文提出使用广义逻辑斯蒂（GL）和Gompertz回归模型，通过拟合早期疫情数据的S型增长曲线来预测累计COVID-19感染人数。该方法利用非线性优化从有限数据（例如20–35天）中估计参数，在多个国家实现R² > 0.998，能够以极少的数据输入可靠预测疫情峰值规模和拐点。

ABSTRACT

In this work, a proposal to forecast the populations using generalized logistics regression curve fitting is presented. This type of curve is used to study population growth, in this case population of people infected with the Covid-19 virus; and it can also be used to approximate the survival curve used in actuarial and similar studies.

研究动机与目标

• 开发一种基于灵活增长曲线模型的数据高效型累计COVID-19病例预测方法。
• 克服SIR模型的局限性，后者需要大量数据来估计传播率和恢复率。
• 检验早期疫情数据（20–35天）是否能可靠预测完整疫情曲线和峰值规模。
• 比较广义逻辑斯蒂和Gompertz函数在拟合现实世界感染数据方面的性能。
• 为公共卫生官员提供实用工具，以预测疫情峰值并评估干预措施的影响。

提出的方法

• 采用广义逻辑斯蒂（GL）函数：$ P(t) = \frac{M}{(1 + e^{-at + b})^\alpha} $，其中$ M $为最大人口数，$ a $控制增长率，$ b $调节曲线位置，$ \alpha $增加灵活性。
• 应用Gompertz函数：$ G(t) = a \cdot e^{-b \cdot e^{-ct}} $，一种具有内在不对称性的三参数模型，适用于疫情曲线。
• 使用非线性优化技术将模型拟合到累计感染数据，避免线性化导致的参数估计失真。
• 使用决定系数（$ R^2 $）评估模型拟合度，并包含7%误差范围的预测区间。
• 利用2020年3月至4月的数据，对比多个国家中广义逻辑斯蒂与Gompertz模型的预测表现。
• 跟踪预测最大病例数（$ M $）随时间的变化，以评估公共卫生干预措施的影响。

实验结果

研究问题

• RQ1 广义逻辑斯蒂和Gompertz回归模型是否能仅使用20–35天的数据准确预测累计COVID-19感染总数？
• RQ2 在如中国、意大利、西班牙和美国等国家的真实疫情曲线中，GL与Gompertz模型的预测性能如何比较？
• RQ3 随着公共卫生干预措施的实施，预测的疫情峰值规模（$ M $）是否会随时间减少，且该趋势能否被模型捕捉？
• RQ4 能否基于早期数据可靠估计疫情曲线的拐点——即日新增病例开始下降的时点？
• RQ5 当应用于疫情动态不同的国家（如韩国）时，这些模型的预测在多大程度上仍具鲁棒性？

主要发现

• 广义逻辑斯蒂模型在哥斯达黎加数据（截至03/31/2020）中的拟合R² = 0.99858，预测峰值为886例累计病例。
• Gompertz模型在哥斯达黎加的拟合R² = 0.99854，预测峰值为887例，与GL模型结果高度一致。
• 意大利的Gompertz模型拟合R² = 0.99968，基于截至03/30/2020的数据，预测峰值为261,052例。
• 西班牙的Gompertz拟合R² = 0.99941，基于截至03/31/2020的数据，预测峰值为468,495例。
• 美国的Gompertz回归模型R² = 0.999915，基于截至04/05/2020的数据，预测峰值为1,486,347例。
• 哥斯达黎加的预测最大病例数（$ M $）从03/23的约2,162例降至04/05的743例，表明政府干预措施产生了可测量影响。