[論文レビュー] A feedback SIR (fSIR) model highlights advantages and limitations of infection-dependent mitigation strategies

Elisabetta Franco|arXiv (Cornell University)|Apr 28, 2020

COVID-19 epidemiological studies参考文献 44被引用数 5

ひとこと要約

本稿では、感染状況に応じた緩和戦略を非線形伝播率を通じて組み込むことで、実時間の感染データに基づく行動反応（例：ソーシャルディスタンシング）をモデル化する、感染依存のフィードバックSIR（fSIR）モデルを提案する。主な発見は、このようなフィードバックが流行のピークを低減するが、著しく流行期間を延長することを示しており、このトレードオフの妥当性を解析的および計算的根拠で裏付けている。

ABSTRACT

Transmission rates in epidemic outbreaks may vary over time depending on the societal response. Non-pharmacological mitigation strategies such as social distancing and the adoption of protective equipment aim precisely at reducing transmission rates by reducing infectious contacts. To investigate the effects of mitigation strategies on the evolution of epidemics, nonlinear transmission rates that are influenced by the levels of infections, deaths or recoveries have been included in many variants of the classical SIR model. This class of models is particularly relevant to the COVID-19 epidemic, in which the population behavior has been affected by the unprecedented abundance and rapid distribution of global infection and death data through online platforms. This manuscript revisits a SIR model in which the reduction of transmission rate is due to knowledge of infections. Through a mean field approach that assumes individuals behave like molecules in a well-mixed solution, one derives a time-varying reproduction number that depends on infection information through a negative feedback term that is equivalent to Holling type II functions in ecology and Michaelis-Menten functions in chemistry and molecular biology. A step-by-step derivation of the model is provided, together with an overview of methods for its qualitative analysis, showing that negative feedback structurally reduces the peak of infections. At the same time, feedback may substantially extend the duration of an epidemic. Computational simulations agree with the analytical predictions, and further suggest that infection peak reduction persists even in the presence of information delays. If the mitigation strategy is linearly proportional to infections, a single parameter is added to the SIR model, making it useful to illustrate the effects of infection-dependent social distancing.

研究の動機と目的

• 実時間の感染状況の知識に基づく緩和戦略を組み込んだ機械的SIRモデルの構築。行動反応を反映する。
• マス作用則を用いて非線形伝播率を導出。その結果、ホーリングタイプII／ミカエリス・メンテンの関数形が得られる。
• フィードバックの影響、特にピーク低減と期間延長の観点から、流行動態への影響を分析する。
• イギリスおよび米国のCOVID-19傾向のような実世界のデータに、データ適合を用いてモデルの適用性を示す。
• フィードバックに基づく公衆衛生介入を理解するための単純で解析的に取り扱いやすいフレームワークを提供する。

提案手法

• 古典的SIR枠組みを拡張し、感染レベルが上昇するにつれて伝播率が低下するフィードバック機構を導入。これは時間変動型の基本再生産数としてモデル化される。
• 準定常状態近似を用いて、基礎反応キネティクスから、ミカエリス・メンテンまたはホーリングタイプII関数に類似した非線形伝播率を導出する。
• フィードバックはマス作用則に基づく。個々の人物を均一混合系内の粒子とみなす。緩和は、感染の成功確率を低下させる反応としてモデル化される。
• 安定性解析や分岐行動の分析を含む定性的な手法を用いて、フィードバックが流行動態に与える影響を理解する。
• 前進オイラー法およびMATLABのode45ソルバを用いた計算シミュレーションを実施。イタリア、イギリス、スウェーデン、米国の感染および回復データにfminconを用いてデータ適合を実施。
• 情報遅延やデータスケーリングなどの異なる仮定のもとでモデルをテストし、ロバストネスおよびパラメータ感度を評価する。

実験結果

リサーチクエスチョン

• RQ1 感染状況の知識に基づくフィードバック駆動型の伝播率低減が、流行のピークと期間に与える影響は何か？
• RQ2 マス作用則を用いて感染レベルの関数として緩和をモデル化した場合、伝播率の解析的形は何か？
• RQ3 fSIRモデルは、初期のCOVID-19段階におけるイギリスおよび米国の実世界の流行傾向を正確に再現できるか？
• RQ4 情報遅延や不正報告が、モデルの予測性能およびフィッティングパラメータに与える影響は何か？
• RQ5 線形と非線形の緩和関数の違いが、特にピーク低減と期間延長の観点から流行動態に与える影響は何か？

主な発見

• フィードバック機構により、感染が増加するにつれて有効再生産数が低下するため、流行のピークが構造的に低減される。
• ピーク低減の効果がある一方で、低レベルでの持続的伝播が原因で、流行期間が著しく延長される。
• 実際のパラメータ推定値を用いて、fSIRモデルはイギリスの感染データを良好に再現しており、イギリスの戦略が感染に基づく緩和と整合していた可能性を示唆する。
• fSIRモデルはイタリアのデータを捉えられない。これは、厳格で持続的なロックダウンが原因であり、離散的政策変更には異なるモデリング手法が必要であることを示唆する。
• データがX倍（例：不正報告のため）スケーリングされている場合、フィードバックパラメータκは逆数1/Xに比例して変化するが、βおよびγはほとんど変化しない。
• 情報遅延が存在しても、ピーク低減効果は維持され、フィードバック機構のロバストネスを示している。