少し前のエントリでそのSIRモデルを紹介したUCLAのAndrew Atkesonが、「How Deadly Is COVID-19? Understanding The Difficulties With Estimation Of Its Fatality Rate」というNBER論文を上げている。以下はその要旨。
To understand how best to combat COVID-19, we must understand how deadly is the disease. There is a substantial debate in the epidemiological literature as to whether the fatality rate is 1% or 0.1% or somewhere in between. In this note, I use an SIR model to examine why it is difficult to estimate the fatality rate from the disease and how long we might have to wait to resolve this question absent a large-scale randomized testing program. I focus on uncertainty over the joint distribution of the fatality rate and the initial number of active cases at the start of the epidemic around January 15, 2020. I show how the model with a high initial number of active cases and a low fatality rate gives the same predictions for the evolution of the number of deaths in the early stages of the pandemic as the same model with a low initial number of active cases and a high fatality rate. The problem of distinguishing these two parameterizations of the model becomes more severe in the presence of effective mitigation measures. As discussed by many, this uncertainty could be resolved now with large-scale randomized testing.
（拙訳）
COVID-19と戦う最善の方法を理解するためには、この疾病がどの程度致命的かを理解する必要がある。致死率が1%なのか0.1%なのか、もしくはその中間なのかについて、疫学研究ではかなり議論されている。このメモで私は、SIRモデルを用いて疾病から致死率を推計することが難しい理由と、大規模なランダム化検査計画抜きでこの問題を解決するにはどの程度の時間が必要かを調べる。ここでは、致死率と、2020年1月15日頃の感染開始時点での初期の感染者数との同時分布の不確実性に焦点を当てる。多い初期感染者数と低い致死率のモデルが、少ない初期感染者数と高い致死率の同一モデルと、パンデミックの初期段階での死者数の推移についてどのように同じ予測を出すかが示される。モデルのこの2つのパラメータ化を区別する問題は、効果的な緩和策が存在しているとより難しくなる。多くの人が論じているように、この不確実性は今や大規模なランダム化検査で解決することができる。
