[論文レビュー] Cohorting to isolate asymptomatic spreaders: An agent-based simulation study on the Mumbai Suburban Railway

Alok Talekar, Sharad Shriram+11 more|PubMed|Dec 23, 2020

COVID-19 epidemiological studies参考文献 18被引用数 5

ひとこと要約

このエージェントベースのシミュレーション研究では、ムンバイのローカル列車利用者を固定された移動グループに編成する「コホート化」が、無症候性のSARS-CoV-2感染拡大を抑えるのを評価している。相互作用を制限し、陽性者が検出された際に全グループを迅速に隔離できるため、乗車率に著しい影響を与えずに感染拡大を顕著に減少させる。最適な効果は12〜20名のコホートサイズで得られる。

ABSTRACT

The Mumbai Suburban Railways, <i>locals</i>, are a key transit infrastructure of the city and is crucial for resuming normal economic activity. Due to high density during transit, the potential risk of disease transmission is high, and the government has taken a wait and see approach to resume normal operations. To reduce disease transmission, policymakers can enforce reduced crowding and mandate wearing of masks. <i>Cohorting</i> - forming groups of travelers that always travel together, is an additional policy to reduce disease transmission on <i>locals</i> without severe restrictions. Cohorting allows us to: (<i>i</i>) form traveler bubbles, thereby decreasing the number of distinct interactions over time; (<i>ii</i>) potentially quarantine an entire cohort if a single case is detected, making contact tracing more efficient, and (<i>iii</i>) target cohorts for testing and early detection of symptomatic as well as asymptomatic cases. Studying impact of cohorts using compartmental models is challenging because of the ensuing representational complexity. Agent-based models provide a natural way to represent cohorts along with the representation of the cohort members with the larger social network. This paper describes a novel multi-scale agent-based model to study the impact of cohorting strategies on COVID-19 dynamics in Mumbai. We achieve this by modeling the Mumbai urban region using a detailed agent-based model comprising of 12.4 million agents. Individual cohorts and their inter-cohort interactions as they travel on locals are modeled using local mean field approximations. The resulting multi-scale model in conjunction with a detailed disease transmission and intervention simulator is used to assess various cohorting strategies. The results provide a quantitative trade-off between cohort size and its impact on disease dynamics and well being. The results show that cohorts can provide significant benefit in terms of reduced transmission without significantly impacting ridership and or economic & social activity.

研究の動機と目的

• ムンバイ・サブアーバン鉄道のような高密度都市鉄道網において、無症候性感染拡大を抑えるためのコホート化を公衆衛生戦略として評価すること。
• コホート化における感染拡大の低減と乗客数、経済活動への影響のトレードオフを定量化すること。
• 一時的利用者（一回限りの利用者）の割合や異なるコホートサイズのポリシーが、コホート化に与える影響を評価すること。
• コホート化戦略において、静的車両割り当てが動的割り当てと比較して、結果に有意な改善をもたらすかどうかを調査すること。

提案手法

• ムンバイの都市ネットワーク全体にわたる1,240万人の個体をシミュレートするマルチスケールのエージェントベースモデルを構築し、列車移動の詳細なダイナミクスを含めた。
• 列車通勤中の相互作用と社会的ネットワーク構造を表すために、ローカル平均場近似を用いてコホート間の相互作用をモデル化した。
• マスク着用、体温スクリーニング、隔離プロTOCOLを含む介入策を組み込んだ、区画モデルに基づく感染伝播モデルを統合した。
• コホートサイズ（1〜20）と一時的利用者割合（0%〜40%）を変化させたさまざまなコホート化戦略をシミュレートした。
• オープンソースのシミュレーションコードを用いて、列車の混雑状態、駅の混雑、および異なるポリシー下での接触追跡の効率をモデル化した。
• 1日あたりの陽性者数、累積陽性者数、隔離された人数、感染ピーク負荷などの指標を用いて、結果を評価した。

実験結果

リサーチクエスチョン

• RQ1 コホートサイズがムンバイ・サブアーバン鉄道網におけるSARS-CoV-2の1日あたりの陽性者数および累積陽性者数に与える影響は何か？
• RQ2 コホート化が部分的に実施されている場合、一時的利用者の割合が感染拡大に与える影響は何か？
• RQ3 コホート化において、静的車両割り当ては動的割り当てと比較して、感染拡大の結果に有意な改善をもたらすか？
• RQ4 コホート化は、接触追跡による隔離対象者数にどのような影響を及ぼし、都市全体の隔離者数にどの程度の追加的増加が生じるか？
• RQ5 コホート化は、経済的・社会的移動性を維持しつつ、どの程度感染拡大を低減できるか？

主な発見

• 12〜20名の大きなコホートサイズでは、ピーク日別陽性者数および累積陽性者数が顕著に減少し、10名を超えるコホートサイズで最も顕著な感染拡大の低減が観察された。
• 40%の一時的利用者を含んでも、コホートサイズが12〜20名の場合は、通常運行（コホートサイズ=1）と比較して、感染拡大が顕著に低減しており、部分的実施にもかかわらず高い耐性を示した。
• コホートサイズが大きくなるほど、コホート化に起因する隔離対象者数は増加するが、都市全体の隔離者数に与える追加的増加は小さく、効率的な隔離が可能であることを示している。
• 静的車両割り当ては、動的割り当てと比較して感染拡大の結果に有意な利点をもたらさず、運用上の柔軟性を保つことが可能であることを示している。
• コホート化により、1名のメンバーが陽性と判明した際に、全グループを早期に検出・隔離でき、接触追跡の効率が向上し、二次感染の拡大が抑制された。
• 感染拡大は列車の混雑状態に最も敏感であることが判明し、列車および駅レベルでの効果的な混雑管理の重要性が強調された。