流行予測における症例検出率の重要性-数理モデラーからのメッセージ

The significance of case detection ratios for predictions on the outcome of an epidemic - a message from mathematical modelers.

• Jan Fuhrmann
• Maria Vittoria Barbarossa

抄録

SARS-CoV-2による新型コロナウイルス感染症（COVID-19）パンデミックのさらなる経過を予測するために、さまざまなタイプの数理モデルが頻繁に使用され、報告されている症例数に合わせて調整されている。これらのデータを解釈する上での大きな課題は、未検出感染の量、逆に言えば検出率に関する不確実性である。その結果、一部のモデルでは、全感染症の中で検出された症例の割合を仮定しているものもあれば、未検出症例を完全に無視しているものもある。ここでは、症例数と致死率に関するモデル予測が、検出率に関する様々な仮定の下でどのように大きく変化するかを説明する。モデル予測における不確実性は、これまで検出されなかった過去および現在の感染を明らかにするために、抗体と活性ウイルスRNAの両方の代表的な検査を行うことで、大幅に減少させることができます。

In attempting to predict the further course of the novel coronavirus disease (COVID-19) pandemic caused by SARS-CoV-2, mathematical models of different types are frequently employed and calibrated to reported case numbers. Among the major challenges in interpreting these data is the uncertainty about the amount of undetected infections, or conversely: the detection ratio. As a result, some models make assumptions about the percentage of detected cases among total infections while others completely neglect undetected cases. Here, we illustrate how model projections about case and fatality numbers vary significantly under varying assumptions on the detection ratio. Uncertainties in model predictions can be significantly reduced by representative testing, both for antibodies and active virus RNA, to uncover past and current infections that have gone undetected thus far.

© The Author(s) 2020.