Statistical methods in rapid surveillance system for data driven policy making under COVID-19 pandemic

点击翻译按钮获取中文摘要

我々が現在生活しているのは、人々、物品、情報が地球規模で移動するという時代であり、その中で新型コロナウイルス（COVID-19）は世界的なパンデミックとして爆発的に広がりました。この状況に対応するため、国内外からさまざまな研究成果が参照され、各国が自身のCOVID-19対策を展開するとともに、保健医療システムの強化と公衆衛生に関する施策が進行しています。これらの施策は、すべてデータを基盤にして意思決定が行われています。そのような状況下、日本のCOVID-19などの感染症対策において、ビッグデータや最先端の統計学、機械学習、シミュレーションなどの技術を駆使して政策の効果を分析し、評価を行うことは、国内だけでなく世界の感染症対策全体を支援・強化する上で非常に重要であり、特にpost/with COVID-19の世界への対応においてはそれがより明確になります。このような政策決定を行うためには、具体的な要求やニーズを正確に把握することが不可欠であり、そのために近年では迅速サーベイランスシステムが使用されるようになりました。この研究では、迅速サーベイランスシステムのさまざまなバイアスを検討し、その補正を行い、COVID-19感染が拡大する各フェーズに対応した疫学や統計学的手法の整理と提案を行います。特に今年度は、感染症の時間と空間の予測に関連する統計手法の検証と外れ値を含むデータに対応するための新理論の開発に注力しました。実際のデータ解析としては、日本における超過死亡のリアルタイム推定を行い、空間構造を考慮しつつ外れ値を除外するロバストな方法を取り入れた新しい超過死亡の推定手法の拡張提案を行いました。