[論文レビュー] A Survey of the Individual-Based Model applied in Biomedical and Epidemiology

Erivelton G. Nepomuceno, Denise Fonseca Resende+1 more|arXiv (Cornell University)|Feb 7, 2019

COVID-19 epidemiological studies参考文献 89被引用数 17

ひとこと要約

本論文は、生物学的および疫学的研究における個体ベースモデル（IBMs）の包括的サーベイを提示しており、SIRなどの伝統的な区分モデルとは異なり、より現実的に不均一で確率的な疾患動態をシミュレートできる点に焦点を当てている。89件の研究を評価し、エンドミック感染に対する介入のモデリングにおけるIBMの利点を強調するとともに、シミュレーションにより、区分モデルと同様の離散化効果—これがIBMの結果にバイアスをもたらす可能性がある—が存在することを示し、慎重な実装が不可欠であることを示している。

ABSTRACT

Individual-based model (IBM) has been used to simulate and to design control strategies for dynamic systems that are subject to stochasticity and heterogeneity, such as infectious diseases. In the IBM, an individual is represented by a set of specific characteristics that may change dynamically over time. This feature allows a more realistic analysis of the spread of an epidemic. This paper presents a literature survey of IBM applied to biomedical and epidemiology research. The main goal is to present existing techniques, advantages and future perspectives in the development of the model. We evaluated 89 articles, which mostly analyze interventions aimed at endemic infections. In addition to the review, an overview of IBM is presented as an alternative to complement or replace compartmental models, such as the SIR (Susceptible-Infected-Recovered) model. Numerical simulations also illustrate the capabilities of IBM, as well as some limitations regarding the effects of discretization. We show that similar side-effects of discretization scheme for compartmental models may also occur in IBM, which requires careful attention.

研究の動機と目的

• 生物学的および疫学的研究における個体ベースモデル（IBMs）に関する既存の文献をレビューし統合すること。
• SIRなどの伝統的な区分モデルと比較し、不均一で確率的な疾患動態をより現実的にモデリングする点に焦点を当てること。
• 特にエンドミック感染症の制御戦略の評価において、IBMsの主な応用分野を特定すること。
• 特に離散化の影響がシミュレーションの正確性に与える影響を含む、メソドロジカルな課題を強調すること。
• 公衆衛生モデリングにおけるIBMの設計および実装を改善するための今後の研究方向性を提示すること。

提案手法

• 生物学的および疫学的文脈におけるIBMsに焦点を当てた89編の査読付き論文を対象とした体系的文献レビューを実施した。
• 疾患の種類、介入戦略、モデリングの目的ごとに研究を分類し、特にエンドミック感染に注目した。
• 人口の不均一性を表現する構造的・動的差異に着目し、IBMsと区分モデル（例：SIR）を比較分析した。
• 個々のレベルの特徴（感染状態、免疫状態など）の動的変化を含む、IBMの能力を示すために数値シミュレーションを実施した。
• 時間刻みの異なる条件下でのシミュレーション結果を比較することで、IBMにおける離散化効果を分析し、区分モデルにおける問題と類似点を明らかにした。
• トレンド、利点、制限を同定するために、定性的な統合的アプローチを用いた。

実験結果

リサーチクエスチョン

• RQ1 個体ベースモデル（IBM）は、SIRのような区分モデルと比較して、疫学的シミュレーションの現実性をどのように向上させるか？
• RQ2 生物学的および公衆衛生研究における、エンドミック感染症のモデリングにおいて、IBMの最も一般的な応用分野は何か？
• RQ3 IBMにおける離散化スキームは、区分モデルと同様のバイアスを生じさせる程度はどの程度か？
• RQ4 疾患介入評価のためのIBMを実装するにあたり、主なメソドロジカルな課題は何か？
• RQ5 疫学的モデリングにおけるIBMの正確性およびスケーラビリティを向上させるために、今後の開発で何が必要か？

主な発見

• 89件の研究がIBMを応用していることが同定され、その大部分が結核、デングア熱、HIVなどのエンドミック感染症に対する介入戦略の評価に焦点を当てていた。
• IBMsは、個々の不均一性や確率的遷移をモデリングすることで、区分モデルがしばしば単純化するのとは異なり、疾患の広がりをより現実的に表現できる。
• 数値シミュレーションにより、IBMにおける離散化が、時間刻みが大きすぎる場合には区分モデルと同様のアーティファクトを引き起こす可能性があることが確認された。
• 研究では、時間刻みのサイズを慎重に選択することが、IBMの結果における数値バイアスを最小限に抑えるために重要であると判明した。
• 利点がある一方で、IBMsは大規模集団をシミュレートする際の計算スケーラビリティとモデルの妥当性の確認という課題に直面している。
• 著者らは、個々のレベルのばらつきや複雑な介入が研究の中心となる場合、IBMsが区分モデルの価値ある補完的・代替的手段であると結論づけた。