[論文レビュー] A Multi-Stage Stochastic Programming Approach to Epidemic Resource Allocation with Equity Considerations

Xuecheng Yin, İ. Esra Büyüktahtakın|arXiv (Cornell University)|Feb 23, 2021

Viral Infections and Outbreaks Research参考文献 70被引用数 4

ひとこと要約

本稿では、不確実性下での感染症資源配分を最適化するマルチステージ確率的プログラミングモデルを提案する。疾病の進行と公平性の両方を統合的に考慮し、合計感染症例数と死亡者数を最小化すると同時に、新規の感染症公平性指標と容量公平性指標を用いて公平性を確保する。その結果、人口に比例した資源配分は健康アウトカムの観点から劣っていることが示された。

ABSTRACT

Existing compartmental models in epidemiology are limited in terms of optimizing the resource allocation to control an epidemic outbreak under disease growth uncertainty. In this study, we address this core limitation by presenting a multi-stage stochastic programming compartmental model, which integrates the uncertain disease progression and resource allocation to control an infectious disease outbreak. The proposed multi-stage stochastic program involves various disease growth scenarios and optimizes the distribution of treatment centers and resources while minimizing the total expected number of new infections and funerals. We define two new equity metrics, namely infection and capacity equity, and explicitly consider equity for allocating treatment funds and facilities over multiple time stages. We also study the multi-stage value of the stochastic solution (VSS), which demonstrates the superiority of the proposed stochastic programming model over its deterministic counterpart. We apply the proposed formulation to control the Ebola Virus Disease (EVD) in Guinea, Sierra Leone, and Liberia of West Africa to determine the optimal and fair resource-allocation strategies. Our model balances the proportion of infections over all regions, even without including the infection equity or prevalence equity constraints. Model results also show that allocating treatment resources proportional to population is sub-optimal, and enforcing such a resource allocation policy might adversely impact the total number of infections and deaths, and thus resulting in a high cost that we have to pay for the fairness. Our multi-stage stochastic epidemic-logistics model is practical and can be adapted to control other infectious diseases in meta-populations and dynamically evolving situations.

研究の動機と目的

• 既存のコンpartimentalモデルが、疾病拡大の不確実性下での資源配分最適化において限界を示していることに対処すること。
• 不確実な疾病進行と複数段階にわたる動的資源配分を統合する確率的プログラミングフレームワークの開発。
• 治療施設と資源分配の最適化に、感染症公平性と容量公平性として明示的に公平性を組み込むこと。
• 価値の確率的解（VSS）を評価し、決定論的モデルと比較して本モデルの優位性を示すこと。
• メタポピュレーションおよび動的変化を示すアウトブレイクに対応可能な実用的かつ柔軟なモデルの提供。

提案手法

• 時間経過に伴う地域間の治療施設設置と資源配分を最適化するマルチステージ確率的混合整数プログラミングモデルを構築する。
• ギニア、シエラレオネ、リベリアの3か国について、2週間ごとの感染拡大パラメータを用いて、スナリオベースの不確実性を組み込む。
• 2つの新しい公平性指標を導入：感染症公平性（地域間の感染症割合のバランス）と容量公平性（治療容量へのアクセスのバランス）。
• 許容パラメータkを用いたチャンス制約アプローチを採用し、柔軟な公平性のトレードオフを可能にする。
• 大規模な確率的モデルの計算複雑性に対処するため、分解に基づくソリューションアルゴリズムを採用する。
• 実世界の西アフリカエボラ流行データ（2014–2016年）を用いてモデルを検証し、感染拡大率、致死率、埋葬慣行を含む。

実験結果

リサーチクエスチョン

• RQ1 疾病進行における不確実性を組み込むことで、決定論的アプローチと比較して、感染症資源配分モデルの性能がどの程度向上するか？
• RQ2 明示的な公平性制約なしに、感染症と治療容量の公平性はどの程度達成可能であり、全体の感染症制御と比べてどのようなトレードオフが生じるか？
• RQ3 人口規模に比例して資源を配分することは、合計感染症例数と死亡者数にどのような影響を及ぼし、これが最適な政策であるか？
• RQ4 公平性制約を導入することで、マルチステージ確率的感染症モデルにおける計算複雑性とソリューション時間にどのような影響が生じるか？
• RQ5 価値の確率的解（VSS）とは何か？ そして、確率的モデルが決定論的モデルに比べて感染症計画においてどのような優位性を示すか？

主な発見

• 提案された確率的モデルは、決定論的モデルと比較して、合計予想感染症例数と埋葬数を23％削減し、価値の確率的解（VSS）の有効性を示した。
• 人口規模に比例して治療資源を配分すると、合計感染症例数が15％増加し、死亡者数が20％増加するため、これは最適ではなく、健康アウトカムに悪影響を及げる。
• 明示的な公平性制約がなくても、モデルは自然に地域間の感染症割合をバランスさせ、ギニア、シエラレオネ、リベリアではそれぞれ、人口比と比較して感染症割合の差が最大0.42、0.04、0.38にとどまる。
• 感染症公平性制約を導入すると、k = 0.2の場合に平均CPU時間が7,200秒から10時間（36,068秒）に増加し、最適性ギャップが29％に達するなど、公平性の強制に伴う計算コストが顕著に増加した。
• 予防的公平性制約は、k値が3×10⁻⁹の非常に低い水準であっても、予算配分にほとんど影響を与えず、感染症例数と埋葬数の減少もわずかにとどまるため、モデルの解が自然に公平性を達成していることが示唆された。
• 両方の公平性制約に対して、k値の変化に対してもモデルの解は安定しており、最適予算配分や合計感染症例数に顕著な変化がなく、最適化結果の安定性が確認された。