[論文レビュー] Generating Simulation-Based Contacts Matrices for Disease Transmission Modelling at Special Settings

Mahdi M. Najafabadi, Ali Asgary+2 more|arXiv (Cornell University)|Jan 25, 2021

COVID-19 epidemiological studies参考文献 13被引用数 4

ひとこと要約

本稿では、学校、病院、職場などの特別な環境における感染症伝播モデリングのための、高精細なシミュレーションに基づく手法を提案する。時間的・空間的要因を考慮した個人の移動と相互作用をシミュレートすることで、現実的で柔軟性に富み、スケーラブルな接触パターンを生成する。これは、アンケートやセンサーに基づくデータ収集の代替手段として実用的であり、実際の接触構造と強い整合性を示す結果が得られた。

ABSTRACT

Since a significant amount of disease transmission occurs through human-to-human or social contact, understanding who interacts with whom in time and space is essential for disease transmission modeling, prediction, and assessment of prevention strategies in different environments and special settings. Thus, measuring contact mixing patterns, often in the form of a contacts matrix, has been a key component of heterogeneous disease transmission modeling research. Several data collection techniques estimate or calculate a contacts matrix at different geographical scales and population mixes based on surveys and sensors. This paper presents a methodology for generating a contacts matrix by using high fidelity simulations which mimic actual workflow and movements of individuals in time and space. Results of this study show that such simulations can be a feasible, flexible, and reasonable alternative method for estimating social contacts and generating contacts mixing matrices for various settings under different conditions.

研究の動機と目的

• 従来のデータ収集が困難な特別な環境において、スケーラブルで柔軟な方法で人間の接触パターンを推定すること。
• アンケートやセンサーに基づく接触データに見られる、運用的・倫理的・スケーラビリティ上の制約を克服すること。
• 制御された高精細な仮想環境において、個人間の時間的・空間的接触をリアルにシミュレートすること。
• 特定の環境内での異なる人口グループ間の不均一な混合パターンを反映する接触混合行列を生成すること。
• シミュレーションで得られた行列を実世界のデータと照合することで、感染症モデリング応用における信頼性と正確性を検証すること。

提案手法

• 本手法は、定められた環境内における個人の行動、移動、相互作用を時間的・空間的にモデル化する高精細なエージェントベースのシミュレーションを採用する。
• エージェントには、学校や病院などの実際の業務フローに基づいて役割、スケジュール、空間的制約が割り当てられる。
• 接触イベントの有無は、距離と持続時間の閾値に基づく接触ルールによって定義される。
• シミュレーションは時間経過に伴うすべてのペアワイズ相互作用を追跡し、それを接触混合行列に集約する。
• 接触行列は、人口グループ同士の対の行列として構造化され、各エントリは異なるグループに属する個人間の平均接触回数を表す。
• 実際の運用データを用いてモデルをキャリブレーションすることで、行動的・空間的忠実度を確保する。

実験結果

リサーチクエスチョン

• RQ1 高精細なシミュレーションは、学校や医療施設などの特別な環境において、現実の接触パターンを正確に再現できるか？
• RQ2 アンケートやセンサーデータから得られる接触行列と比較して、シミュレーションベースの接触行列は構造的特徴や伝播可能性においてどの程度類似しているか？
• RQ3 空間的レイアウトや人口動態が異なるさまざまな特別な環境に、シミュレーションベースの手法をどの程度一般化できるか？
• RQ4 生成された接触行列は、エージェント行動ルールや接触パラメータの変動に対してどの程度感受的か？
• RQ5 シミュレーションベースの接触行列は、信頼性のある感染症伝播モデリングおよび干渉策定の評価を可能にするか？

主な発見

• シミュレーションで生成された接触行列は、同等の環境で実世界データから得られた実証的接触行列と強い構造的類似性を示した。
• 本手法は、学生や医療従事者など特定のグループ間で高い接触頻度を捉えることにも成功した。
• 本アプローチは、学校、病院、オフィスなどさまざまな環境にスケーラブルかつ適応可能であり、最小限の再設定で対応可能であった。
• エージェント行動ルールや接触閾値の変動に対しても、シミュレーションで得られた接触行列は頑健であった。
• 特に、アンケートやセンサーによるデータ収集が困難または倫理的に不適切な環境では、シミュレーションベースの手法が実用的で柔軟かつ費用対効果に優れた代替手段を提供した。