インドにおけるCOVID-19感染のデータ駆動型モデリングと予測、およびウイルス感染と社会経済的要因との相関分析

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Diabetes Metab Syndr.2020 Jul;14(5):1231-1240. S1871-4021(20)30254-X. doi: 10.1016/j.dsx.2020.07.008.Epub 2020-07-09.

インドにおけるCOVID-19感染のデータ駆動型モデリングと予測、およびウイルス感染と社会経済的要因との相関分析

Data-driven modelling and prediction of COVID-19 infection in India and correlation analysis of the virus transmission with socio-economic factors.

Amit Kumar
Poonam Rani
Rahul Kumar
Vasudha Sharma
Soumya Ranjan Purohit

PMID: 32683321 DOI: 10.1016/j.dsx.2020.07.008.

抄録

研究テーマ:

本研究では、インド、米国、中国、日本、イタリア、イラン、カナダ、ドイツにおけるCOVID-19発生のモデル化を試みた。また、インドにおけるコロナウイルス感染と社会経済的要因との相互作用についても多変量解析を用いて検討した。

AIMS: The current study attempts to model the COVID-19 outbreak in India, USA, China, Japan, Italy, Iran, Canada and Germany. The interactions of coronavirus transmission with socio-economic factors in India using the multivariate approach were also investigated.

方法:

2月15日から2020年5月15日までの実際の累積感染者数データを用いて、入れ子式指数統計モデルのパラメータを決定し、さらに感染予測に使用した。相関分析および主成分分析により、コロナウイルスの感染拡大とインドの異なる州の社会経済的要因との関係をRstudioソフトウェアを用いて解析した。

METHODS: Actual cumulative infected population data from 15 February to May 15, 2020 was used for determination of parameters of a nested exponential statistical model, which were further employed for the prediction of infection. Correlation and Principal component analysis provided the relationships of coronavirus spread with socio-economic factors of different states of India using the Rstudio software.

結果:

累積感染率および伝播率の予測は，イラン（R=0.996316，MD=18.38%）を除くすべての国で実測値とよく一致した（R=0.985121～0.99635，MD=1.2～7.76%）．現在、インドの感染率は上昇傾向にあるが、他の国では下降傾向にある。モデルでは、インドでは6月と7月にCOVID-19の感染拡大率が上昇する可能性が高いと主張している。さらに、10月には12ラクス以上の感染者が出て、累積感染者数のフラット化が起こると予想される。インドでは、人口の多い州ほどウイルス感染しやすい傾向にあった。

RESULTS: Cumulative infection and spreadability rate predicted by the model was in good agreement with the actual observed data for all countries (R = 0.985121 to 0.999635, and MD = 1.2-7.76%) except Iran (R = 0.996316, and MD = 18.38%). Currently, the infection rate in India follows an upward trajectory, while other countries show a downward trend. The model claims that India is likely to witness an increased spreading rate of COVID-19 in June and July. Moreover, the flattening of the cumulative infected population is expected to be obtained in October infecting more than 12 lakhs people. Indian states with higher population were more susceptible to virus infection.

結論:

インドにおけるCOVID-19の累積症例数，伝播率，パンデミックピークの長期予測を行った．最新のデータを考慮したモデルによる予測は、急速に出現しているパンデミックに対処するための適切な介入を行うために有用である。

CONCLUSIONS: A long-term prediction of cumulative cases, spreadability rate, pandemic peak of COVID-19 was made for India. Prediction provided by the model considering most recent data is useful for making appropriate interventions to deal with the rapidly emerging pandemic.