[論文レビュー] Analysis of Exact and Approximated Epidemic Models over Complex Networks

Navid Azizan, Hyoung Jun Ahn+1 more|arXiv (Cornell University)|Sep 30, 2016

Complex Network Analysis Techniques参考文献 22被引用数 10

ひとこと要約

本稿は、複雑なネットワーク上の離散時間感染症モデル（SIS、SIR、SIRS、SIV）における非線形平均場近似の完全なグローバル解析を提供し、動的挙動が隣接行列の最大固有値および感染率・回復率に応じて、病原体非存在固定点またはエンドミック固定点に収束することを示している。線形モデルが感染確率のマージナルに対する最もきつい上界であることを確立し、平均場安定性がO(log n)の混合時間を意味することを証明しており、真のマコフ連鎖モデルにおける急速な感染消滅を保証している。

ABSTRACT

We study the spread of discrete-time epidemics over arbitrary networks for well-known propagation models, namely SIS (susceptible-infected-susceptible), SIR (susceptible-infected-recovered), SIRS (susceptible-infected-recovered-susceptible) and SIV (susceptible-infected-vaccinated). Such epidemics are described by $2^n$- or $3^n$-state Markov chains. Ostensibly, because analyzing such Markov chains is too complicated, their $O(n)$-dimensional nonlinear "mean-field" approximation, and its linearization, are often studied instead. We provide a complete global analysis of the epidemic dynamics of the nonlinear mean-field approximation. In particular, we show that depending on the largest eigenvalue of the underlying graph adjacency matrix and the rates of infection, recovery, and vaccination, the global dynamics takes on one of two forms: either the epidemic dies out, or it converges to another unique fixed point (the so-called endemic state where a constant fraction of the nodes remain infected). A similar result has also been shown in the continuous-time case. We tie in these results with the "true" underlying Markov chain model by showing that the linear model is the tightest upper-bound on the true probabilities of infection that involves only marginals, and that, even though the nonlinear model is not an upper-bound on the true probabilities in general, it does provide an upper-bound on the probability of the chain not being absorbed. As a consequence, we also show that when the disease-free fixed point is globally stable for the mean-field model, the Markov chain has an $O(\log n)$ mixing time, which means the epidemic dies out quickly. We compare and summarize the results on different propagation models.

研究の動機と目的

• 任意のネットワーク上での離散時間感染症モデルにおける非線形平均場近似の完全なグローバル解析を提供すること。
• 正確なマコフ連鎖モデルとその平均場近似との間の関係を確立し、特に感染確率の上界に関して考察すること。
• 平均場モデルが病原体非存在固定点で安定である場合、真のマコフ連鎖がO(log n)の混合時間で迅速に混合することを証明すること。
• 離散時間設定下でのSIS、SIR、SIRS、SIV感染症モデルの結果を統一的かつ比較的に扱うこと。
• 一次統計のみを用いたモデルの中で、線形平均場モデルが感染マージナルに対する最もきつい上界を提供することを示すこと。

提案手法

• 固定点解析およびネットワーク隣接行列の固有値特性を用いた非線形平均場近似ダイナミクスの形式的解析。
• 隣接行列の最大固有値および伝播率に依存して、システムが病原体非存在状態またはエンドミック固定点にグローバルに収束する条件の導出。
• 線形計画法およびラグランジュ乗数法を用いた感染確率の上界の導出により、一次統計のみを用いたモデルの中で線形モデルが最もきつい上界であることを証明。
• 線形モデルが安定である場合、真のマコフ連鎖がO(log n)時間で混合することを示すカップリングの議論の構築。
• 行列ノルムおよびスペクトル半径の解析を用いて、(1−δ)I + βA や類似行列のスペクトル半径に基づき、マコフ連鎖の混合時間を評価。
• 予防接種を状態遷移としてモデル化し、同じ枠組みでSIVモデルの動的挙動を分析することにより、結果の拡張。

実験結果

リサーチクエスチョン

• RQ1 離散時間感染症モデルにおける非線形平均場近似が、一意のエンドミック固定点または病原体非存在状態に収束する条件は何か？
• RQ2 ネットワーク隣接行列の最大固有値が感染症モデルのグローバル安定性にどのように影響するか？
• RQ3 線形平均場近似と、元のマコフ連鎖モデルにおける真の感染確率の関係は何か？
• RQ4 一次統計のみを用いたモデルの中で、線形モデルが感染マージナルに対する最もきつい上界であることを証明できるか？
• RQ5 平均場モデルが病原体非存在固定点で安定である場合、真のマコフ連鎖の混合時間は何か？

主な発見

• 非線形平均場モデルは、隣接行列のスペクトル半径およびモデルパラメータに応じて、病原体非存在固定点または一意のエンドミック固定点にグローバルに収束する。
• 線形平均場モデルは、一次統計のみを用いて感染マージナルの最もきつい上界を提供し、このようなモデルの中で最もきつい上界である。
• 非線形モデルは個々の感染確率の上界ではないが、連鎖が吸収されていない確率（すなわち、一部のノードが依然として感染している確率）の上界である。
• 平均場モデルにおいて病原体非存在固定点がグローバルに安定である場合、真のマコフ連鎖はO(log n)の混合時間を持つため、急速な感染消滅が実現する。
• SIVモデルでは、混合時間の条件が(1−δ)I + β(1−θ)Aのスペクトル半径に依存し、安定性のもとで混合時間はO(log n)で有界である。
• 本結果は、離散時間および連続時間感染症モデリングにおける先行研究を統合・拡張し、複雑なネットワーク上での感染ダイナミクスを分析する包括的なフレームワークを提供する。