[論文レビュー] Beyond $R_0$: the importance of contact tracing when predicting epidemics

Laurent Hébert‐Dufresne, Benjamin M. Althouse+2 more|arXiv (Cornell University)|Feb 10, 2020

COVID-19 epidemiological studies被引用数 7

ひとこと要約

本論文は、接触追跡データを用いてR₀と二次感染の不均一性を同時に推定する、ランダムネットワーク理論の再定式化を提案している。不均一性を無視すると、アウトブレイクサイズの予測に著しい不確実性が生じることを示しており、2019-nCoVではその不確実性が、感受性人口の5–40%の範囲にまで及ぶ。本手法は、限られた新興病原体データからのモーメント推定を統合することで、疫病予測を改善する。

ABSTRACT

The basic reproductive number --- R0 --- is one of the most common and most commonly misapplied numbers in public health. Nevertheless, estimating R0 for every transmissible pathogen, emerging or endemic, remains a priority for epidemiologists the world over. Although often used to compare outbreaks and forecast pandemic risk, this single number belies the complexity that two different pathogens can exhibit, even when they have the same R0. Here, we show how predicting outbreak size requires both an estimate of R0 and an estimate of the heterogeneity in the number of secondary infections. To facilitate rapid determination of outbreak risk, we propose a reformulation of a classic result from random network theory that relies on contact tracing data to simultaneously determine the first moment (R0) and the higher moments (representing the heterogeneity) in the distribution of secondary infections. Further, we show how this framework is robust in the face of the typically limited amount of data for emerging pathogens. Lastly, we demonstrate that without data on the heterogeneity in secondary infections for emerging pathogens like 2019-nCoV, the uncertainty in outbreak size ranges dramatically, in the case of 2019-nCoV from 5-40% of susceptible individuals. Taken together, our work highlights the critical need for contact tracing during emerging infectious disease outbreaks and the need to look beyond R0 when predicting epidemic size.

研究の動機と目的

• R₀が伝播不均一性を捉えられていないにもかかわらず、疫病リスク予測のための唯一の指標として広く依存されていることへの対処。
• 同じR₀を持つ2つの病原体が、伝播不均一性の違いにより、著しく異なるアウトブレイクサイズを示す可能性があることを実証すること。
• 接触追跡データを活用して、R₀および二次感染分布の高次モーメントを推定する手法の開発。
• 特に新興アウトブレイクの初期段階でデータが乏しい状況において、伝播不均一性を組み込むことで、アウトブレイクサイズの予測精度を向上させること。
• 接触追跡が封じ込めのためだけでなく、疫病予測の精緻化にも不可欠な役割を果たすことを強調すること

提案手法

• 接触追跡データを統合したランダムネットワーク理論の古典的結果の再定式化により、二次感染分布の一次モーメントおよび高次モーメントの両方を推定する。
• 接触追跡データを用いて二次感染の分布を推定し、R₀および伝播の分散（または高次モーメント）の推定を可能にする。
• 新興病原体（例：2019-nCoV）の実世界データに本手法を適用し、データが乏しい状況での性能を評価する。
• 伝播不均一性を高次モーメントを通じて明示的に捉えることができる分枝過程フレームワークを用いて伝播ダイナミクスをモデル化する。
• 新興感染症アウトブレイクに一般的に見られるような、限られたデータ条件における本手法のロバストネスを検証する。
• 伝播不均一性を無視した場合と、接触追跡により推定した場合の、アウトブレイクサイズ予測における不確実性の定量的評価

実験結果

リサーチクエスチョン

• RQ1 R₀のみを指標として用いる場合、伝播不均一性が疫病規模の予測にどのように影響するか？
• RQ2 接触追跡データを用いて、R₀と二次感染の分散を同時に推定できるか？
• RQ3 伝播不均一性を組み込むことで、新興疫病の最終的規模予測における不確実性はどの程度低減されるか？
• RQ4 2019-nCoVのような新興病原体からの限られたデータに本手法を適用した場合、そのロバストネスはどの程度か？
• RQ5 伝播不均一性を無視すると、疫病予測の信頼性にどのような影響が生じるか？

主な発見

• 同じR₀を持つ2つの病原体でも、伝播不均一性の違いにより、著しく異なる疫病規模を示す可能性がある。
• 接触追跡データを活用することで、R₀および二次感染分布の高次モーメントを推定可能となり、疫病予測の精度が向上する。
• 伝播不均一性に関するデータがない場合、2019-nCoVの予測アウトブレイクサイズは感受性人口の5%から40%の範囲にまで広がり、極めて高い不確実性を示す。
• 本手法により、不均一性を組み込むことでこの不確実性が低減され、初期段階の疫病評価においてその価値が示された。
• データが限られている場合でも本フレームワークはロバストであるため、伝播記録が乏しい新興病原体に適している。
• 本研究は、接触追跡が封じ込めのためだけでなく、正確な疫病予測のためにも不可欠であることを強調している。