[論文レビュー] Analysis, Identification, and Validation of Discrete-Time Epidemic Processes

Philip E. Paré, Ji Liu+3 more|arXiv (Cornell University)|Oct 30, 2017

COVID-19 epidemiological studies参考文献 26被引用数 5

ひとこと要約

本稿は、ネットワーク依存の感染拡大を有する離散時間の感受性・感染・感受性（SIS）疫学モデルを提案し、安定性およびパラメータ同定可能性の必要十分条件を確立し、ジョン・スノウの1854年ロンドンコレラ流行データおよび米国農務省（USDA）の農業補助金導入データを用いてモデルを検証した。実世界の導入傾向をシミュレートする際、フロベニウスノルム誤差は23.48%に達した。

ABSTRACT

Models of spread processes over non-trivial networks are commonly motivated by modeling and analysis of biological networks, computer networks, and human contact networks. However, identification of such models has not yet been explored in detail, and the models have not been validated by real data. In this paper, we present several different spread models from the literature and explore their relationships to each other; for one of these processes, we present a sufficient condition for asymptotic stability of the healthy equilibrium, show that the condition is necessary and sufficient for uniqueness of the healthy equilibrium, and present necessary and sufficient conditions for learning the spread parameters. Finally, we employ two real datasets, one from John Snow's seminal work on cholera epidemics in London in the 1850's and the other one from the United States Department of Agriculture, to validate an approximation of a well-studied network-dependent susceptible-infected-susceptible (SIS) model.

研究の動機と目的

• 実時間系列感染データを用いたネットワーク依存型疫学モデルの検証が不足しているという問題に取り組む。
• 離散時間SISモデルにおいて、実証データから感染率βおよび回復率δの拡散パラメータを同定・学習する。
• 健全な均衡状態の漸近的安定性および疾病非存在状態の一意性の理論的条件を確立する。
• ジョン・スノウのロンドンコレラ流行および米国郡単位のUSDA農業補助金導入データの2つの実データセットを用いてモデルを検証する。
• 局所的パイロットデータから大規模な導入パターンを予測できることを示し、戦略的干渉計画の立案を可能にする。

提案手法

• 隣接行列Aと感染密度を表す状態ベクトルF(t)を用いた非線形常微分方程式フレームワークに基づき、ネットワーク上での離散時間SISモデルを定式化する。
• 行列βA − δIのスペクトル半径を用いて、健全な均衡状態の漸近的安定性の必要十分条件を導出する。
• 最小二乗法を用いて、時間系列データからβおよびδを推定する手法を適用し、データセットのサブセット（例：USDAデータのアイダホ州）を用いる。
• 郡の境界を基に空間的隣接行列を定義し、ネットワークトポロジーを設定する。a_{ij} = 1 は郡iと郡jが境界を共有するか、i = jのときを意味する。
• 時間離散化ステップh = 1を用い、複数の時間ステップにわたりシステムダイナミクスをシミュレートする。初期条件は実データから導出する。
• 複数の時間点におけるシミュレート済みデータと実データのフロベニウスノルム誤差を計算することで、モデルの性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 離散時間ネットワーク依存SISモデルにおける健全な均衡状態の漸近的安定性のための必要十分条件は何か？
• RQ2 提案されたSISモデルにおいて、健全な均衡状態はどのような条件下で一意的か？
• RQ3 実世界の時間系列データから感染率および回復率パラメータ（βおよびδ）を信頼性を持って同定できるか？
• RQ4 局所的データにキャリブレーションされたモデルは、実世界の感染拡大プロセスをどれほど正確にシミュレートできるか？
• RQ5 パイロットプログラムのデータに基づき、政策やイノベーション（例：農業補助金）の大規模な導入パターンを予測できるか？

主な発見

• アイダホ州のデータから得たパラメータを用いて、米国郡単位におけるACREプログラムの導入をシミュレートした結果、フロベニウスノルム誤差は23.48%に達した。
• 行列βA − δIのスペクトル半径が1未満である場合、健全な均衡状態は漸近的に安定であり、この条件は疾病非存在状態の一意性に対しても必要十分である。
• アイダホ州のデータを用いて、感染率および回復率パラメータはβ̂ = 0.02237450およびδ̂ = 0.00909176と推定された。h = 1である。
• 強いが妥当な仮定のもとで静的空間データから時間系列データを再構築したことで、ジョン・スノウのコレラデータセットの時間的ダイナミクスを効果的に再現できた。
• 本モデルは、大規模な導入傾向を予測する能力を示しており、公衆衛生施策や政策の展開に向けた標的的干渉戦略の立案に有用である可能性を示唆している。
• 本稿は、実感染プロセスデータを用いたネットワーク依存型SISモデルの検証を初めて報告したものであり、疫学的モデリング分野における重要な空白を埋めた。