科学者たちは新型コロナウイルスの「真の蔓延」をモデル化

Apr 07, 2023

政府関係者や政策立案者は新型コロナウイルス感染症の影響を把握するために数字を活用しようとしてきた。 入院者数や死亡者数などの数字は、この負担の一部を反映しています。 各データ ポイントはストーリーの一部のみを伝えます。 しかし、特定の時点で実際に感染した人の数を明らかにすることによって、新型コロナウイルスの真の蔓延を説明する数字は存在しない。この数字は、たとえワクチン接種があったとしても集団免疫が達成できるかどうかを科学者が理解するのに役立つ重要な数字である。

今回、ワシントン大学 (UW) の 2 人の科学者が、米国および各州におけるこの病気の真の有病率をモデル化するために、新型コロナウイルス感染症の感染者数や死亡者数などの主要な新型コロナウイルス感染症データを組み込んだ統計フレームワークを開発しました。 。彼らのアプローチ7月26日の週に米国科学アカデミー紀要に発表された論文では、データセットが使用された最後の日である2021年3月7日の時点で、米国では新型コロナウイルス感染症の症例の60パーセントもが検出されなかったと予測している。利用可能です。

この枠組みは、当局が地域における病気の真の負担（診断済みと未診断の両方）を判断し、それに応じてリソースを割り当てるのに役立つ可能性があると研究者らは述べた。

「州内の入院者数や陽性反応が出た検査数など、新型コロナウイルス感染症のパンデミックを理解するために利用できるあらゆる種類のデータソースがあります。しかし、各データソースには独自の欠陥があり、実際に何が起こっているのかについて偏った全体像を与えてください」と主著者でウィスコンシン州社会学と統計学の教授であるエイドリアン・ラフテリー氏は述べた。 「私たちがやりたかったのは、複数のデータソースの欠陥を修正し、その長所を活用して、地域、州、または国全体における新型コロナウイルス感染症の蔓延状況を把握できるフレームワークを開発することです。」

データ ソースにはさまざまな方法で偏りがある可能性があります。 たとえば、広く引用されている新型コロナウイルス感染症に関する統計の 1 つは、地域または州で陽性となった検査結果の割合です。 しかし、検査へのアクセスや検査を受ける意欲は場所によって異なるため、この数字だけでは新型コロナウイルス感染症の蔓延を明確に把握することはできないとラフテリー氏は述べた。

他の統計手法では、ある地域における病気の真の有病率をモデル化するために、1 つのデータ ソースの偏りを修正しようとすることがよくあります。 ラフタリー氏と筆頭著者のニコラス・アイアンズ氏（ウィスコンシン州立大学統計学博士課程学生）は、アプローチとして、確認された新型コロナウイルス感染症の感染者数、新型コロナウイルス感染症による死亡者数、および実施された新型コロナウイルス感染症検査の数という3つの要素を組み込んだ。新型コロナウイルス追跡プロジェクトによって報告された毎日。 さらに、インディアナ州とオハイオ州の住民を対象とした無作為の新型コロナウイルス検査の結果を手法の「アンカー」として組み込んだ。

研究者らは、そのフレームワークを使用して、2021年3月7日までの米国および各州における新型コロナウイルス感染症の蔓延をモデル化した。その日、彼らのフレームワークによれば、米国居住者の推定19.7パーセント、つまり約6,500万人が新型コロナウイルス感染症に罹患していた。感染した。 これは、米国が継続的なワクチン接種キャンペーンなしに集団免疫を獲得する可能性が低いことを示している、とラフテリー氏とアイアンズ氏は述べた。 さらに、米国ではアンダーカウント係数が2.3であることが研究者らにより判明した。これは、新型コロナウイルス感染症の感染者数の2.3人に約1人しか検査によって確認されていないことを意味する。 言い換えれば、事件の約 60% はまったくカウントされていなかったということになります。

アイアンズ氏によると、この新型コロナウイルス感染症の過少集計率も州によって大きく異なり、複数の原因が考えられるという。

「それはパンデミックの深刻さとその州での検査の量に依存する可能性があります」とアイアンズ氏は述べた。 「深刻なパンデミックが発生しているにもかかわらず検査が制限されている州の場合、過少カウントが非常に高くなり、発生している感染の大部分を見逃してしまう可能性があります。あるいは、検査が広範囲に行われているのにパンデミックが発生していない状況が発生する可能性があります。そうすれば、過少カウント率は低くなるでしょう。」

さらにラフテリー氏は、地域間の医療アクセスの違いや検査の利用可能性の変化、その他の要因により、パンデミックの進行に伴いアンダーカウント係数が州や地域ごとに変動したと述べた。

ラフテリー氏とアイアンズ氏は、新型コロナウイルス感染症（COVID-19）の実際の蔓延状況に基づいて、感染致死率（感染者のうち新型コロナウイルスに感染して死亡した人の割合）や累積発生率（州の人口のうち、新型コロナウイルス感染症に感染した人の割合。

ラフテリー氏は、理想的には、定期的に個人をランダムに検査することで、州、地域、さらには全国的な感染レベルが分かるようになると述べた。 しかし、新型コロナウイルス感染症のパンデミックにおいて、研究者がフレームワークを開発する上で重要なデータセットである住民の無作為ウイルス検査を実施したのはインディアナ州とオハイオ州だけだった。 広範囲にわたる無作為検査が存在しない場合、この新しい方法は当局が今回と次のパンデミックにおける病気の真の負担を評価するのに役立つ可能性がある。

「このツールが担当者に、何人の感染者がいるのか、そして現在の検査や治療の取り組みではそのうちの何割が見逃されているのかをより正確に把握できるため、変化をもたらすことができると考えています」とラフテリー氏は語った。

- このプレスリリースはもともとワシントン大学のウェブサイトに掲載されたものです