[論文レビュー] Exploiting routinely collected severe case data to monitor and predict influenza outbreaks

Alice Corbella, Xu‐Sheng Zhang+5 more|arXiv (Cornell University)|Jun 8, 2017

Influenza Virus Research Studies被引用数 1

ひとこと要約

本研究では、定期的に収集された重症インフルエンザ症例データ（具体的には、UK Severe Influenza Surveillance System（USISS）の集中治療室（ICU）入室データ）を活用して、リアルタイムで感染伝播ダイナミクスを推定し、流行の進行を予測するベイジアン疫学モデルを提案する。このモデルは、有効再生産数などの主要な疫学的パラメータを的確に再構築でき、学校休暇が感染伝播に顕著な影響を与えることが判明しており、事前免疫データを組み込むことで予測精度が著しく向上することが示された。

ABSTRACT

Abstract Background Influenza remains a significant burden on health systems. Effective responses rely on the timely understanding of the magnitude and the evolution of an outbreak. For monitoring purposes, data on severe cases of influenza in England are reported weekly to Public Health England. These data are both readily available and have the potential to provide valuable information to estimate and predict the key transmission features of seasonal and pandemic influenza. Methods We propose an epidemic model that links the underlying unobserved influenza transmission process to data on severe influenza cases. Within a Bayesian framework, we infer retrospectively the parameters of the epidemic model for each seasonal outbreak from 2012 to 2015, including: the effective reproduction number; the initial susceptibility; the probability of admission to intensive care given infection; and the effect of school closure on transmission. The model is also implemented in real time to assess whether early forecasting of the number of admissions to intensive care is possible. Results Our model of admissions data allows reconstruction of the underlying transmission dynamics revealing: increased transmission during the season 2013/14 and a noticeable effect of the Christmas school holiday on disease spread during seasons 2012/13 and 2014/15. When information on the initial immunity of the population is available, forecasts of the number of admissions to intensive care can be substantially improved. Conclusion Readily available severe case data can be effectively used to estimate epidemiological characteristics and to predict the evolution of an epidemic, crucially allowing real-time monitoring of the transmission and severity of the outbreak.

研究の動機と目的

• 定期的に収集される重症症例データのみを用いて、季節性インフルエンザの主要な伝播および重症度パラメータを推定すること。
• USISSデータを用いて、ICU入室のリアルタイム予測が可能かどうかを評価すること。
• 学校休暇がインフルエンザ伝播ダイナミクスに与える影響を評価すること。
• 詳細な監視が制限される状況下で、重症症例データのパンデミック対策への可能性を検討すること。
• 初期集団の免疫状態に関する事前情報を取り入れることで、予測精度を向上させること。

提案手法

• 確率的疫学モデルが、観察されたUSISSからの週次ICU入室件数と、未観察のインフルエンザ伝播を結びつける。
• ベイジアン推論を用いて、有効再生産数（Rn）、初期感受性、ICU入室確率などのモデルパラメータを推定する。
• 区分的定数伝播率モデルが、授業期間および休暇期間中の伝播変化を説明する。
• 2010/11年の血清感受性有病率データに基づいて、初期集団の免疫状態に対する情報的事前分布を用いる。
• 2012–2015年のインフルエンザシーズンにわたる後向き評価とリアルタイムの予測シナリオで、モデルの性能を評価する。
• 感度分析により、ICU入室遅延分布および免疫推定値に関する事前仮定の影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 USISSから定期的に収集された重症症例データを用いて、季節性インフルエンザの有効再生産数および伝播ダイナミクスを信頼性高く推定できるか？
• RQ2 本モデルと事前免疫データを組み合わせることで、ICU入室のリアルタイム予測はどの程度向上するか？
• RQ3 学校休暇は、モデルが捉えるインフルエンザ伝播のタイミングと強度にどのように影響を与えるか？
• RQ4 集団の免疫状態に関する事前仮定が、モデル推論および予測精度に与える影響は何か？
• RQ5 追加のデータソースを用いたより複雑なモデルと比較して、本モデルの性能はいかがなものか？

主な発見

• モデルは伝播ダイナミクスを的確に再構築でき、2013/14年の伝播が他のシーズンと比較して顕著に高いことが判明した。
• 2012/13年および2014/15年のシーズンで、クリスマス休暇の影響が伝播に顕著に見られた。
• 有効再生産数（Rn）の推定値は、歴史的な季節性インフルエンザの傾向と整合的であった。
• 初期集団の免疫状態に関する事前情報が組み込まれた場合、ICU入室の予測精度が著しく向上した。
• ICU入室データのみを用いても、本モデルは信頼性の高いリアルタイムの予測を提供でき、運用上の実用可能性を示した。
• 感染からICU入室までの遅延分布が固定であるという簡略化仮定がなされても、モデルの性能は頑健であった。