[論文レビュー] Kinetic modelling of epidemic dynamics: social contacts, control with uncertain data, and multiscale spatial dynamics

Giacomo Albi, Giulia Bertaglia+5 more|arXiv (Cornell University)|Oct 1, 2021

Complex Network Analysis Techniques被引用数 7

ひとこと要約

本稿では、社会的接触構造、所得分配、空間的移動性を統合することでパンデミック予測を向上させる、感染症動態の運動論的モデリングフレームワークを提示する。不確実なデータを確率的ガラーキン法と多スケール輸送モデルを用いて取り入れることで、都市的・地方的スケールにおけるSARS-CoV-2の広がりを現実的でデータ駆動のシミュレーションが可能となり、特に検出されない無症状感染の特徴を捉える点で、現実のイタリアの疫学的データと優れた整合性を示した。

ABSTRACT

In this survey we report some recent results in the mathematical modeling of epidemic phenomena through the use of kinetic equations. We initially consider models of interaction between agents in which social characteristics play a key role in the spread of an epidemic, such as the age of individuals, the number of social contacts, and their economic wealth. Subsequently, for such models, we discuss the possibility of containing the epidemic through an appropriate optimal control formulation based on the policy maker's perception of the progress of the epidemic. The role of uncertainty in the data is also discussed and addressed. Finally, the kinetic modeling is extended to spatially dependent settings using multiscale transport models that can characterize the impact of movement dynamics on epidemic advancement on both one-dimensional networks and realistic two-dimensional geographic settings.

研究の動機と目的

• 個々の社会的特徴（年齢、接触者数、所得など）が感染拡大に与える影響を捉える運動論的モデルの構築を目的とする。
• 政策立案者が感染症の進行を完全に把握できないという現実を反映し、リアルタイムのデータに不確実性が伴う状況においても最適な制御戦略を設計することを目的とする。
• 都市ネットワークおよび現実的な2次元地理的領域における移動パターンを組み込むことで、多スケール空間的ダイナミクスにモデルを拡張することを目的とする。
• 不確実性に配慮したシミュレーションを用いて、検出されない無症状例の影響が疫学的傾向に与える影響を定量化することを目的とする。
• 特にパンデミックの最初の波期におけるロンバルディア地方の実データを用いて、モデルの妥当性を検証することを目的とする。

提案手法

• 個々の特徴（例：接触者数、所得、年齢）および感染状態（感受性、感染、回復）の確率密度関数の時間発展を記述する運動論的方程式系を定式化する。
• 社会的接触分布と所得の不均一性を、運動論的モデルにおける感染率に影響を与える構造的変数として統合する。
• 初期条件およびモデルパラメータの不確実性を伝搬するため、確率的ガラーキン法を適用し、データのばらつきに対しても頑健なシミュレーションを可能にする。
• 多スケール輸送モデルを用いて、1次元ネットワークおよび2次元地理的領域における人間の移動をシミュレートし、移動と感染拡大を結合する。
• 巨視的 compartment（S, I, R）が微視的エージェントレベルのダイナミクスによって情報提供されるハイブリッド型のコンpartimental-運動論的アプローチを採用する。
• 現実性を確保するため、イタリア民防省、ISTAT、地方の通勤データセットを用いて、モデルを実データにキャリブレーションする。

実験結果

リサーチクエスチョン

• RQ1 個々のレベルでの社会的接触パターンと所得分配は、疫学的流行全体の推移にどのように影響を与えるか？
• RQ2 感染症の有病率に関するデータが不完全または不確実な場合、どの程度まで最適な制御戦略を設計できるか？
• RQ3 都市内および地域間の空間的移動パターンは、疫学的流行の地理的拡大にどのように影響を与えるか？
• RQ4 公式データに含まれない無症状または軽度症状の個々の感染者が含められた場合、予測される流行曲線はどのように変化するか？
• RQ5 不確実性の定量化を組み込んだ運動論的モデルは、現実の状況において、従来のコンpartimentalモデルよりも信頼性の高い予測を提供できるか？

主な発見

• モデルは、公式データに反映されにくいミラノやベガモといった高伝播率地域の流行ピークを正確に再現した。
• シミュレーション結果から、検出されない無症状例を含めた予測累計感染数が公式データを上回っていることが示され、リアルタイムでの報告が著しく低く見積もられていることが裏付けられた。
• モデルの予測の信頼区間が公式データと整合しており、確率的ガラーキン法による不確実性定量化の妥当性が検証された。
• 空間的シミュレーションから、3月下旬にはロディーやクレモナを越えてブレーシャ、ミラノ、ベガモへも感染が拡大しており、観察された地域的傾向と一致した。
• ロンバルディアにおける全感染者数の期待値と分散は、都市部の人口密度の高い地域で著しく不均一であり、感染負担と不確実性が高まっていることが明らかになった。
• 接触者数や所得の社会的構造、移動ダイナミクスを組み込むことで、均質なコンpartimentalモデルに比べ、疫学的予測の現実性が顕著に向上した。