[論文レビュー] Deterministic Models in Epidemiology: From Modeling to Implementation

Aresh Dadlani, Richard O. Afolabi+3 more|arXiv (Cornell University)|Apr 7, 2020

Mathematical and Theoretical Epidemiology and Ecology Models参考文献 32被引用数 7

ひとこと要約

本稿は、疫学における決定的感染症モデルについて包括的な分析を提示しており、SIR、SIS、SIRS、SEI、SEISなどの compartmental モデルに焦点を当てている。数学的定式化、平衡点の安定性解析、および基本再生産数（R₀）を統合し、Mathematica を用いた数値実装により、異なるパラメータ下でのダイナミクスを図示することで、感染症の広がりをモデリングする分野に初めて入門する研究者にとって実用的なガイドを提供する。

ABSTRACT

The abrupt outbreak and transmission of biological diseases has always been a long-time concern of humankind. For long, mathematical modeling has served as a simple and yet efficient tool to investigate, predict, and control spread of communicable diseases through individuals. A myriad of works on epidemic models and their variants have been reported in the literature. For better prediction of the dynamics of a particular disease, it is important to adopt the most suitable model. In this paper, we study some of the widely-appreciated deterministic epidemic models in which the population is divided into compartments based on the health status of each individual. In particular, we provide a demographic classification of such models and study each of them in terms of mathematical formulation, near equilibrium point stability properties, and disease outbreak threshold conditions (basic reproduction ratio). Furthermore, we discuss the various influential factors that need to be considered during epidemic modeling. The main objective of this article is to provide a basic understanding of the mathematical complexity incurred in deterministic epidemic models with the aid of graphical illustrations obtained through implementation.

研究の動機と目的

• 数学的背景に乏しい研究者を対象に、疫学で広く用いられる決定的感染症モデルの体系的かつ理解を深めるため。
• さまざまな compartmental モデルにおける無病平衡点（DFE）およびエンドミック平衡点（EE）の安定性を分析すること。
• 基本再生産数（R₀）が、異なるモデル変種において感染症の流行発生の閾値として果たす役割を明確にすること。
• 数値シミュレーションによる実装が、モデルダイナミクスの理解をどのように向上させるかを示すこと。
• 出生・死亡率、潜伏期間、予防接種、年齢構造、空間的不均一性などの主要な生物学的・人口統計的要因が、モデルの正確性と現実性に与える影響を特定し、議論すること。

提案手法

• 通常の compartmental モデル（SIR、SIS、SIRS、SEI、SEIS）を、出生・死亡率を含む・含まない両方の状況について、常微分方程式系を用いて導出し、分析する。
• 線形安定性解析を適用し、各モデルにおける無病平衡点（DFE）およびエンドミック平衡点（EE）の局所的安定性を評価する。
• 基本再生産数（R₀）を閾値パラメータとして計算し、感染症の持続または消滅を予測する。
• Mathematica を用いた数値実装により、時間発展プロットおよび位相図を生成し、R₀ の異なる値におけるモデルの挙動を可視化する。
• 非線形感染力、時間遅れ、年齢構造、複数集団、移動性などの追加的な複雑性を組み込み、古典的モデルを拡張する。
• グラフィカルな図示（密度対時間、位相図、分岐図）を用いて、平衡点の安定性およびダイナミクス的遷移を可視化する。

実験結果

リサーチクエスチョン

• RQ1 出生・死亡率（ボーリングダイナミクス）を含む場合、SIR、SIS、SIRS モデルにおける安定性および閾値行動にどのような影響を与えるか？
• RQ2 基本再生産数（R₀）は、さまざまな compartmental モデルにおいて、感染症が消滅するか持続するかを決定づける役割を果たすか？
• RQ3 感染率（β）、回復率（γ）その他のパラメータの変動が、感染症モデルのダイナミクスおよび平衡状態にどのように影響を与えるか？
• RQ4 潜伏期間、隔離、予防接種、年齢構造、移動、非線形感染力といった追加要因は、決定的感染症モデルの挙動にどのような影響を及ぼすか？
• RQ5 数値実装と可視化は、決定的感染症モデルの複雑なダイナミクスを理解するのにどのように役立つか？

主な発見

• SIR モデル（出生・死亡率なし）において、R₀ < 1 のとき、無病平衡点は安定であり、感染症は消滅する。R₀ > 1 のとき、エンドミック平衡点が存在し、安定である。
• 出生・死亡率を含む SIS モデルでは、R₀ > 1 のとき安定なエンドミック平衡点が出現するが、R₀ < 1 のとき無病平衡点が安定する。これは閾値行動を確認する。
• 出生・死亡率を含まない SIRS モデルでは、パラメータの値に応じてエンドミック平衡点に鞍節点または安定な節点／焦点が現れ、R₀ > 1 のとき持続的感染が可能である。
• 数値シミュレーションにより、SEI モデル（出生・死亡率なし）は、初期の露出（I(0)）と潜伏期間（ε）の値に応じて、感染の遅れを示すことが判明。感染ピークは遅延を伴って現れる。
• 分岐図により、複数のモデルにおいて、R₀ = 1 で無病状態からエンドミック状態への遷移が確認され、R₀ が重要な閾値であることが裏付けられた。
• 時間発展図および位相図による実装により、非線形感染力が、古典的モデルが単純な閾値行動を予測するのに対し、周期的振動や不安定性を引き起こす複雑なダイナミクスを生じることが明らかになった。