SUTRA：一种用于疫情建模的新方法及其在 COVID-19 中的应用
种群与进化
2022-10-26 v6
摘要
Covid-19 大流行具有两个关键性质：(i) 可导致新感染的无症状病例（包括已检出与未检出），以及 (ii) 由于新变异株、非药物干预等引起的时变特征。我们开发了一个称为 SUTRA（Susceptible, Undetected though infected, Tested positive, and Removed Analysis，易感、感染但未检出、检测阳性与移除分析）的模型，该模型同时考虑了这两个关键性质。在将模型应用于某地区时，模型的两个参数可从该地区每日新增病例数中学习得到。利用学习到的参数值，只要所学参数未发生显著变化，模型便可预测每日新增病例数。每当由于上述关键性质 (ii) 导致两个参数中的任意一个发生变化时，SUTRA 模型能够检测到其中一个或两个参数的值已改变。此外，该模型具备重新学习变化后参数值的能力，并随后利用这些参数对该地区的疫情轨迹进行预测。SUTRA 方法可应用于不同粒度层级，从整个国家到某个区，更具体地说，可应用于任何具有每日新增病例数据且足够大的区域。我们已将 SUTRA 模型应用于三十二个国家，覆盖超过世界一半的人口。我们的结论为：(i) 该模型能够很好地刻画过往轨迹。此外，我们可以稳健估计的参数值有助于量化大流行特征变化的影响。(ii) 除非大流行特征发生显著变化，该模型具有良好的预测能力。(iii) 自然免疫相比现有疫苗对感染提供了显著更好的保护。
引用
@article{arxiv.2101.09158,
title = {SUTRA: A Novel Approach to Modelling Pandemics with Applications to COVID-19},
author = {Manindra Agrawal and Madhuri Kanitkar and Deepu Phillip and Tanima Hajra and Arti Singh and Avaneesh Singh and Prabal Pratap Singh and Mathukumalli Vidyasagar},
journal= {arXiv preprint arXiv:2101.09158},
year = {2022}
}
备注
38 pages, 20 figures, 5 tables