[論文レビュー] Modeling surveillance and interventions in the 2014 Ebola epidemic

Marisa C. Eisenberg, Joseph N. S. Eisenberg+5 more|arXiv (Cornell University)|Jan 22, 2015

Viral Infections and Outbreaks Research参考文献 32被引用数 3

ひとこと要約

本研究では、2014年のシエラレオネ、リベリア、ギニアにおけるエボラ流行期の監視および干渉のダイナミクスを模擬する段階構造モデルを構築した。感染の段階（早期、遅刻、葬儀関連）を統合し、報告率と動的なエボラ治療施設（ETU）の収容能力を組み込むことで、疫学的傾向を正確に予測した。その結果、監視の向上は、実際の感染を減少させる一方で報告された症例数を増加させる逆説的現象を明らかにした。これは、ETUの収容能力が効果的な干渉を可能にする上で極めて重要な役割を果たしていることを示している。

ABSTRACT

The 2014 Ebola epidemic in West Africa is the largest ever recorded, and understanding the interrelated dynamics of surveillance and intervention is a key concern, both for this and future epidemics. Moreover, as transmissibility and mortality are believed to increase as symptoms progress, intervention strategies may depend on individual’s stage of infection. To examine these issues, we developed a stage-structured model of Ebola, which includes a term for fraction of the population at risk, reporting rate, among other factors. We generated short term forecasts for Guinea, Liberia, and Sierra Leone, beginning October 1, 2014, which we have since validated using subsequent data. We examined the relative contributions of the stages of infection, and then expanded the model to consider Ebola treatment unit (ETU) dynamics and interventions, incorporating both stagedependent hospitalization rates and dynamic ETU capacity. We found that a wide range of forecasted trajectories fit well to the data. However, by estimating terms for surveillance and intervention, the best-fit models correctly forecasted the qualitative behavior for all three countries, both individually and for all countries combined. In particular, the models correctly forecasted the slow-down and stabilization in Liberia but continued exponential growth in Sierra Leone through October and November 2014. Because increasing intervention levels lead to improved reporting, interventions and reported cases/deaths can have a seemingly paradoxical relationship, in which increasing intervention levels result in apparent increases in cases and deaths (due to improved reporting), even though there has actually been a significant reduction in underlying total cases/deaths. These simulations suggest that some of the observed reductions in the growth rate of the epidemic are consistent with intervention effects. All three transmitting stages (early, late, and funeral) appeared to contribute significantly to transmission, with intervention on any single stage often insufficient to prevent an epidemic. However, parameter unidentifiability issues impede estimation of the relative contributions of each stage of transmission from incidence and deaths data alone, which poses a challenge in determining optimal intervention strategies, and underscores the need for additional data collection. For the ETU-based scenarios, basic treatment and isolation capacity acted as a prerequisite to other interventions, with early-stage isolation, increased staff and supplies, and reductions in funeral transmission only fully effective once sufficient ETU/isolation capacity was achieved.

研究の動機と目的

• 2014年のエボラ流行期における監視、報告、干渉の有効性の相互作用を理解すること。
• 感染の段階（早期、遅刻、葬儀関連）ごとの感染伝播の違いと、それらが流行拡大に与える相対的寄与度を特定すること。
• 動的なエボラ治療施設（ETU）の収容能力と、感染段階に依存した入院率が、流行予測および制御に与える影響を評価すること。
• 報告件数が増加する一方で、実際の感染が減少するという逆説的状況—すなわち、監視強化による検出感度向上が、介入の増加に伴って報告件数が増加するが、実際の感染は減少するという状況—を解明すること。

提案手法

• 早期症状、遅刻症状、葬儀関連伝播という明確な伝播段階を表す段階構造型の定常型モデルを構築した。
• 監視および症例の検出状況の変化を反映するため、時間に依存する報告率をモデルに組み込んだ。
• 利用可能なスタッフ、ベッド数、資材を考慮し、動的なETU収容能力を定式化した。入院率は感染段階に依存していた。
• 2014年10月1日を基準としてギニア、リベリア、シエラレオネの発症および死亡データに、尤度に基づくフィッティング手法を用いてモデルをキャリブレーションした。
• 特に各段階からの感染寄与度の推定値の信頼性を評価するため、感度分析および同定可能性分析を実施した。
• ETU収容能力の異なる条件下で、個々の伝播段階を標的とした干渉の影響を評価するためのシナリオをシミュレーションした。

実験結果

リサーチクエスチョン

• RQ1 2014年の流行期に、感染の段階（早期、遅刻、葬儀関連）ごとに、エボラ伝播にどの程度寄与しているか。
• RQ2 監視および報告の改善が、実際の感染が減少しているにもかかわらず、症例数の増加を生じさせる「錯覚」を生じる程度はどの程度か。
• RQ3 動的なエボラ治療施設（ETU）の収容能力が、効果的な干渉戦略を可能にする上で果たす役割は何か。
• RQ4 単一の伝播段階に焦点を当てた干渉では流行を十分に制御できるか、それとも複数段階にわたる干渉が必要か。
• RQ5 パラメータの同定不能性の問題が、発症および死亡データのみから各段階の感染寄与度を正確に推定する能力に与える影響は何か。

主な発見

• 本モデルは、リベリアとシエラレオネにおける観察された流行傾向（2014年10月～11月にかけてリベリアでは流行の鈍化、シエラレオネでは指数関数的増加）を的確に予測した。
• 監視および干渉の強化により、実際の流行が抑制されているにもかかわらず、報告された症例数および死亡者数が増加した。これは、報告の逆説的現象を示しており、極めて重要な知見である。
• 早期、遅刻、葬儀関連の3つの伝播段階すべてが、流行拡大に顕著な寄与を示した。したがって、いずれか1つの段階にのみ干渉しても、流行の制御は不可能である。
• 基本的なETUおよび隔離能力が、他の干渉策の有効性を実現する前提条件であることが判明した。早期段階の隔離や葬儀関連伝播の低減は、十分な収容能力が確保されていなければ効果を発揮しない。
• パラメータの同定不能性の問題により、発症および死亡データのみから各段階の感染寄与度を正確に推定することが制限された。これは、追加のデータ収集の必要性を強調している。
• 最良のフィットモデルは、3か国それぞれおよびそれらの組み合わせにおいて、流行の定性的な挙動を正しく捉えており、モデルの予測能力を裏付けるものであった。