[論文レビュー] Mean-field models for non-Markovian epidemics on networks: from edge-based compartmental to pairwise models

Neil Sherborne, Joel C. Miller+2 more|arXiv (Cornell University)|Nov 12, 2016

Complex Network Analysis Techniques参考文献 28被引用数 7

ひとこと要約

この論文は、非マルコフ型の伝播と一般な回復時間分布をもつ非マルコフ型エピデミックに、エッジベースの区分的モデル（EBCM）を拡張し、マルコフ型伝播のための新しいペairワイズ型モデル（PLM）を導出する。マルコフ型伝播下ではメッセージパス方式、EBCM、PLMが等価であることを証明し、次数の不均一性と一般な回復プロセスを有する構成モデルネットワーク上のSIRダイナミクスに対して、数値的に取り扱いやすく正確なフレームワークを提供する。

ABSTRACT

This paper presents a novel extension of the edge-based compartmental model for epidemics with arbitrary distributions of transmission and recovery times. Using the message passing approach we also derive a new pairwise-like model for epidemics with Markovian transmission and an arbitrary recovery period. The new pairwise-like model allows one to formally prove that the message passing and edge-based compartmental models are equivalent in the case of Markovian transmission and arbitrary recovery processes. The edge-based and message passing models are conjectured to also be equivalent for arbitrary transmission processes; we show the first step of a full proof of this. The new pairwise-like model encompasses many existing well-known models that can be obtained by appropriate reductions. It is also amenable to a relatively straightforward numerical implementation. We test the theoretical results by comparing the numerical solutions of the various pairwise-like models to results based on explicit stochastic network simulations.

研究の動機と目的

• 非マルコフ型SIRエピデミックにおける任意の伝播時間分布および回復時間分布を扱えるように、エッジベースの区分的モデル（EBCM）を拡張すること。
• マルコフ型伝播と任意の回復プロセスを想定した、新しいペアワイズ型モデル（PLM）を導出し、正確かつ数値的に効率的な解析を可能にすること。
• マルコフ型伝播下において、メッセージパス方式、EBCM、PLMのモデルが正式に等価であることを証明し、それらの整合性を検証すること。
• 従来のペアワイズモデルを回避するヒューリスティックな閉じ込みを避け、メッセージパス方式の原則によって依存関係を捉えることで、PLMが一般化され、改善されていることを示すこと。
• 有限ネットワーク上の確率的シミュレーションと比較することで理論的モデルを検証し、強い一致を示すこと。

提案手法

• メッセージパス方式を用いて、任意の伝播時間分布および回復時間分布を扱える新しいエッジベースの区分的モデル（EBCM）を導出する。
• マルコフ型伝播と一般な回復時間分布を仮定した下で、メッセージパスアプローチを応用し、画期的なペアワイズ型モデル（PLM）を構築する。
• SIRノードのダイナミクスをエッジベースの確率を用いて記述する2つの微分方程式系を導出する。
• 構成モデルネットワークにおける次数分布および超過次数分布を記述するために、母関数 $G_0(x)$, $G_1(x)$, および $G_2(x)$ を用いる。
• ノードが特定のエッジを通じて感受性を保つ確率を追跡するために、生存関数 $H_1(t)$ およびエッジベースの区分的変数 $\Theta(t)$ を導入する。
• 数値積分を用いてEBCMおよびPLMの式を解き、10,000ノードの切断されたスケールフリーネットワーク（パワー法則指数2.5、次数範囲3–60）における確率的シミュレーションと結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 エッジベースの区分的モデル（EBCM）は、非マルコフ型エピデミックにおける任意の伝播時間分布および回復時間分布を扱えるように一般化可能か？
• RQ2 マルコフ型伝播と任意の回復プロセスに対して正確であり、EBCMおよびメッセージパス方式モデルと等価である新しいペアワイズ型モデル（PLM）が存在するか？
• RQ3 マルコフ型伝播下において、メッセージパス方式、EBCM、PLMのモデル間の等価性は正式に証明可能か？
• RQ4 新しいPLMモデルは、確率的シミュレーションと比較して、効率的かつ正確に数値的に実装可能か？
• RQ5 平均場モデルは、有限で不均一な次数を持つネットワーク上での確率的SIRエピデミックの平均的挙動をどれほどよく捉えているか？

主な発見

• 拡張されたEBCMは、任意の伝播時間分布および回復時間分布を持つ構成モデルネットワーク上の非マルコフ型SIRエピデミックを正確に記述でき、文献に既知の結果と一致する最終的感染規模を示す。
• 新しいペアワイズ型モデル（PLM）はメッセージパス方式の形式的枠組みから導出され、マルコフ型伝播と一般な回復プロセスに対して正確な2式の微分方程式系を提供する。
• マルコフ型伝播下では、PLMがEBCMおよびメッセージパス方式モデルと等価であることが証明されており、主なメッセージ量 $H_1(t)$ および $\Theta(t)$ に対して証明が確立されている。
• PLMおよびEBCMの数値解は、パワー法則指数2.5、次数範囲3–60の10,000ノードの切断されたスケールフリーネットワーク上での確率的シミュレーションと良好に一致する。
• PLMは、従来のペアワイズモデルを回避するヒューリスティックな閉じ込みを避け、メッセージパス方式の原則によって依存関係を捉えることで、次数の不均一性が顕著なネットワークに対しても適している。
• 伝播率（$\beta = 0.15, 0.3, 0.4$）および回復パラメータ（$\gamma = 0.5$, $\sigma = 2$）の変動に対してもモデルは頑健であり、シミュレーション結果は平均場予測の5%–95%信頼区間内に収束している。