[論文レビュー] Dynamical Theory and Cellular Automata Simulations of Pandemic Spread: Understanding Different Temporal Patterns of Infections

Saumyak Mukherjee, Sayantan Mondal+1 more|arXiv (Cornell University)|Apr 30, 2020

Mathematical and Theoretical Epidemiology and Ecology Models被引用数 4

ひとこと要約

本稿では、時間に依存する感染率と人口の非一様性（高リスク／低リスク）を組み込んだ一般化された非局所的SIRモデルを提案し、パンデミックの広がりの複雑な時間的ダイナミクス、特にCOVID-19に対してより良く捉えることを目的としている。常微分方程式の数値解法と確率的セルオートマトンシミュレーションの両方を用いて、時間変動する感染率と厳密な自宅隔離が、感染ピークの正確なモデル化とアウトブレイクの制御に不可欠であることを示している。

ABSTRACT

Here we propose and implement a generalized mathematical model to find the time evolution of population in infectious diseases and apply the model to study the recent COVID-19 pandemic. Our model at the core is a non-local generalization of the widely used Kermack-McKendrick(KM) model where the susceptible(S) population evolves into two other categories, namely infectives(I) and removed(R). This is the well-known SIR model in which we further divide both S and I into high and low risk categories. We first formulate a set of non-local dynamical equations for the time evolution of distinct population distributions under this categorization in an attempt to describe the general scenario of infectious disease progression. We then solve the non-linear coupled differential equations-(i) numerically by the method of propagation, and (ii) a more flexible and versatile cellular automata (CA) simulation which provides a coarse-grained description of the generalized non-local model. In order to account for multiple factors such as role of spreaders before containment, we introduce a time dependent rate which appears to be essential to explain the sudden spikes before the plateau observed in many cases (for example like China). We demonstrate how this generalized approach allows us to handle the effects of (i) time-dependence of the rate-constants of spread, (ii) different population density, (iii) the age ratio, (iv) quarantine, (v) lockdown, and (vi) social distancing. Our study allows us to make certain predictions regarding the nature of spread with respect to several external parameters, treated as control variables. Analysis of the model clearly shows that due to the strong heterogeneity in the epidemic process originating from the distribution of initial infectives, the theory must be local in character but at the same time connect to a global perspective.

研究の動機と目的

• 古典的SIRモデルが現実のパンデミックダイナミクスを捉えることの限界、特に非一様で非均質な人口に対して改善するため。
• 時間に依存する感染率、人口密度、年齢構成、およびロックダウンやソーシャルディスタンシングなどの制御策が感染拡大に与える影響を調査するため。
• 人口のデモグラフィックな非一様性と非局所的伝播効果を統合した、より柔軟で現実的であるモデルフレームワークを開発するため。
• 動的方程式と確率的シミュレーションの両方を用いて、自宅隔離やソーシャルディスタンシングなどの公衆衛生的介入の有効性を評価するため。
• 制御パラメータ（例：ロックダウンのタイミング、隔離遵守率）と観察可能な結果（例：感染ピークのタイミングと大きさ）を結びつける予測ツールを政策立案者に提供するため。

提案手法

• Susceptible（S）とInfected（I）の人口を高リスク・低リスクのサブグループに分割することで、Kermack-McKendrick SIRモデルの非局所的一般化を提案する。
• 時間に依存する感染率 $k_{S\rightarrow I}(t)$ を用いた、S、I、R（回復者＋死者）の時間的変化を記述する非線形連立微分方程式系を構築する。
• 時間発展の人口割合をシミュレートするため、伝搬法を用いて微分方程式を数値的に解く。
• 時間に依存する伝播確率 $P_{Tr}(t)$ を組み込んだ、グリッド上での空間的・時間的伝播をシミュレートする確率的セルオートマトン（CA）モデルを実装する。
• CAフレームワーク内に、隔離遵守率、ソーシャルディスタンシング、ロックダウンのタイミングといった制御パラメータを確率的ルールとして導入する。
• サブ集団間の保存則を導入することで、全人口が一定に保たれるようにし、モデル内の人口動態的制約を反映する。

実験結果

リサーチクエスチョン

• RQ1 時間に依存する感染率を組み込むことで、パンデミックモデルにおける感染曲線の形状とタイミングにどのような影響が生じるか？
• RQ2 年齢構成、初期の人口密度、リスクグループの分布といったデモグラフィックな非一様性が、感染症の予測的広がりにどの程度影響を与えるか？
• RQ3 動的モデルとCAベースのシミュレーションの両方において、自宅隔離とソーシャルディスタンシングは感染ピークをどれほどシフトさせたり低減させたりできるか？
• RQ4 非局所的で一般化されたSIRモデルは、中国のような国々で観察された、平坦化に先立って急激に上昇するような現実のパンデミックパターンをより良く捉えることができるか？
• RQ5 潜伏期間が、感染の検出を遅らせ、無症候性キャリアによる感染リスクを高める役割を果たすか？

主な発見

• 感染率の時間的変化は、感染率の割合に強く依存しており、初期段階では認知の欠如に起因する高い感染率が見られ、公衆衛生対策が採用されると低下する。
• セルオートマトンのシミュレーションでは、ソーシャルディスタンシングは外出時の感染リスクを低下させるが、感染ピークのシフトにほとんど影響しない。これに対して、効果的な自宅隔離は顕著な影響を示す。
• 自宅隔離は、最も効果的な介入と特定され、隔離された人々の割合が感染ピークのタイミングと高さに決定的な影響を与える。
• 潜伏期間が長いほど、感染が検出されにくくなり、無症候性のまま感染を広げるリスクが高まる。
• モデルの非線形構造により、初期の人口非一様性、特に初期感染例の分布の影響が拡大され、正確な予測が初期条件に極めて敏感になる。
• 動的方程式とCAシミュレーションの組み合わせにより、感染拡大のマクロ的傾向とミクロ的空間的ダイナミクスの両方を捉える強固なフレームワークが得られる。