[論文レビュー] Effects of Weak Ties on Epidemic Predictability in Community Networks

Panpan Shu, Ming Tang+2 more|arXiv (Cornell University)|Jul 4, 2012

Complex Network Analysis Techniques参考文献 3被引用数 8

ひとこと要約

本研究は、弱い結束（コミュニティ間のリンク）が、コミュニティネットワークにおける感染症拡散の予測可能性に与える影響を、感受性・感染（SIS）モデルを用いて調査する。到着時刻の予測可能性と有病率のばらつきには逆の傾向が見られる：到着時刻の予測可能性が高いほど、有病率の予測可能性は低くなる。これは、初期感染が次数が高くコミュニティ内接続性が低いブリッジネスノードで発生する場合に、特に早期の流行予測が本質的に信頼できないことを示している。

ABSTRACT

Weak ties play a significant role in the structures and the dynamics of community networks. Based on the susceptible-infected model in contact process, we study numerically how weak ties influence the predictability of epidemic dynamics. We first investigate the effects of different kinds of weak ties on the variabilities of both the arrival time and the prevalence of disease, and find that the bridgeness with small degree can enhance the predictability of epidemic spreading. Once weak ties are settled, compared with the variability of arrival time, the variability of prevalence displays a diametrically opposed changing trend with both the distance of the initial seed to the bridgeness and the degree of the initial seed. More specifically, the further distance and the larger degree of the initial seed can induce the better predictability of arrival time and the worse predictability of prevalence. Moreover, we discuss the effects of weak tie number on the epidemic variability. As community strength becomes very strong, which is caused by the decrease of weak tie number, the epidemic variability will change dramatically. Compared with the case of hub seed and random seed, the bridgenss seed can result in the worst predictability of arrival time and the best predictability of prevalence. These results show that the variability of arrival time always marks a complete reversal trend of that of prevalence, which implies it is impossible to predict epidemic spreading in the early stage of outbreaks accurately.

研究の動機と目的

• 弱い結束がコミュニティネットワークにおける感染症ダイナミクスの予測可能性に与える影響を理解すること。
• コミュニティを接続するブリッジネス（ノード）の役割が、感染症の到着時刻と有病率のばらつきをどのように規定するかを分析すること。
• 初期シードの位置（ハブ、ランダム、ブリッジネス）と弱い結束の数が予測可能性に与える影響を調査すること。
• ネットワークのモジュラリティとコミュニティ強度が感染症のばらつきに与える影響を定量化すること。
• 構造的ネットワーク特徴があるにもかかわらず、初期段階の感染症予測がなぜ本質的に信頼できないのかというパラドックスを解明すること。

提案手法

• 調整可能なモジュラリティを持つ合成コミュニティネットワーク上で、感受性・感染（SIS）接触過程を用いて感染症拡散をシミュレートする。
• 弱い結束の数とネットワークのモジュラリティ（Qn）を変化させ、それらが感染症ダイナミクスに与える影響を評価する。
• 100個のネットワークと1,000回の独立実現を用いたアンサンブル平均を用いて、到着時刻と有病率のばらつきを分析する。
• ブリッジネス、ランダムノード、ハブの3種類の初期シードを比較し、シード依存の予測可能性を評価する。
• 有病率と到着時刻の予測可能性を定量化するために、正規化エントロピーとばらつき指標（Δ[i(T)]）を用いる。
• 統計的分析を適用し、異なるネットワーク構成下での到着時刻と有病率のばらつきの逆転傾向を明らかにする。

実験結果

リサーチクエスチョン

• RQ1 例えば、小規模または大規模な次数を持つブリッジネスとしての弱い結束の種類が、感染症の到着時刻と有病率の予測可能性にどのように影響するか？
• RQ2 初期シードがブリッジネスからの距離に与える影響は、感染症の予測可能性にどのような影響を及けるか？
• RQ3 初期シードの次数が、到着時刻と有病率のばらつきに与える影響は何か？
• RQ4 弱い結束の数（ならびにネットワークのモジュラリティ）が、感染症ダイナミクスの予測可能性に与える影響は何か？
• RQ5 構造的ネットワーク特徴があるにもかかわらず、なぜ初期段階の感染症予測は本質的に信頼できないのか？

主な発見

• 到着時刻のばらつきと有病率のばらつきには完全な逆転傾向が見られる：一方が増加するにつれて他方が減少する。これは、予測可能性に根本的なトレードオフが存在することを示している。
• ブリッジネスシードでは、到着時刻の予測可能性が最も悪くなるが、有病率の予測可能性が最も良くなる。特に、ブリッジネスの次数が低い場合に顕著である。
• ブリッジネスの次数が高くなると、到着時刻のばらつきはポアソン的挙動（ほぼ1）に近づくが、到着の不確実性のため、有病率のばらつきは非常に大きくなる。
• ネットワークのモジュラリティが上昇する（弱い結束が少ないため）と、ランダムおよびハブシードでは有病率のばらつきが急激に増加する一方、到着時刻のばらつきは減少し、強い逆相関関係が見られる。
• ブリッジネスシードでは、有病率のばらつきはモジュラリティとともにゆっくり増加し、高い予測可能性を維持するが、一方で到着時刻のばらつきは高いままであり、早期予測の質が低いことを示している。
• これらの結果は、到着時刻と有病率の予測可能性の逆転傾向が本質的であるため、感染症の早期予測が根本的になされないことを示唆している。