[論文レビュー] Modified SIR Model Yielding a Logistic Solution

Paul A. Reiser|arXiv (Cornell University)|Jun 2, 2020

Mathematical and Theoretical Epidemiology and Ecology Models参考文献 11被引用数 4

ひとこと要約

本稿では、古典的SIRモデルが直ちに感染から回復すると仮定する非現実的な仮定を緩和し、回復に固定された遅れを導入した修正SIRモデルを提案する。このモデルは、累積感染率のロジスティック解を導出し、感染から回復までの時間遅れを反映する遅れ微分方程式を用いることで、現実のパンデミック動態をより正確に反映する。解析的扱いやすさを保ちつつ、現実性を向上させる。

ABSTRACT

The SIR pandemic model suffers from an unrealistic assumption: The rate of removal from the infectious class of individuals is assumed to be proportional to the number of infectious individuals. This means that a change in the rate of infection is simultaneous with an equal change in the rate of removal. A more realistic assumption is that an individual is removed at a certain time interval after having been infected. A simple modified SIR model is proposed which implements this delay, resulting in a single delay differential equation which comprises the model. A solution to this equation which is applicable to a pandemic is of the form A+B L(t) where L(t) is a logistic function, and A and B are constants. While the classical SIR model is often an oversimplification of pandemic behavior, it is instructive in that many of the fundamental dynamics and descriptors of pandemics are clearly and simply defined. The logistic model is generally used descriptively, dealing as it does with only the susceptible and infected classes and the rate of transfer between them. The present model presents a full but modified SIR model with a simpler logistic solution which is more realistic and equally instructive.

研究の動機と目的

• 古典的SIRモデルが感染から回復するのを直ちにかつ現在の感染ケースに比例して行うという非現実的な仮定を是正すること。
• 感染から回復までの固定時間遅れ $ T_r $ を導入し、個体が一定期間にわたり感染性を有することを反映する。
• 累積感染率 $ n(t) $ の閉形式解を導出し、遅れモデル下でロジスティック関数に従うことを示すこと。
• パンデミックパラメータ $ f_c $, $ T_r $ と現象論的パラメータ $ f_e $, $ n_p $, $ n_m $ の間の解析的関係を確立し、データフィッティングとモデル解釈を可能にすること。

提案手法

• 累積感染率 $ n(t) $ に対する単一遅れ微分方程式（DDE）を定式化し、$ n'(t) = f_c [1 - n(t)] [n(t) - n(t - T_r)] $ とし、感染率が感受性者と新規感染者に比例することをモデル化する。
• コンパートメントを $ S(t) = 1 - n(t) $, $ I(t) = n(t) - n(t - T_r) $, $ R(t) = n(t - T_r) $ と定義し、人口保存則と適切な遅れの実装を保証する。
• ロジスティック解 $ n(t) = n_m + \frac{n_p - n_m}{1 + e^{-f_e(t - t_h)}} $ を導出し、特定のパラメータ制約下でDDEを満たすことを示す。
• Lambert W関数を用いて時間スケーリングパラメータ $ f_e $ を $ f_e = f_r \left( R_o + W_0(-R_o e^{-R_o}) \right) $ と表現し、$ R_o = f_c T_r (1 - n_m) $ とする。
• 逆関係を確立する：$ f_c = \frac{f_e}{n_p - n_m} $ および $ T_r = \frac{1}{f_e} \ln\left( \frac{1 - n_m}{1 - n_p} \right) $ とし、データからのパラメータキャリブレーションを可能にする。
• 代入による検証と代数的検証を用いて、ロジスティック解がDDEを満たすことを証明する。$ \epsilon = e^{-f_e(t - t_h)} $, $ \epsilon_r = e^{f_e T_r} $ および導出された関係 $ \epsilon_r = \frac{1 - n_m}{1 - n_p} $ を用いる。

実験結果

リサーチクエスチョン

• RQ1 固定された回復遅れを有する修正SIRモデルは、実証的パンデミック曲線と一致する閉形式解を生成できるか？
• RQ2 感染から回復までの時間遅れを導入することで、古典的SIRモデルと比較してダイナミクスはどのように変化するか？
• RQ3 ロジスティック解の現象論的パラメータ（$ f_e $, $ n_p $）と基礎的パンデミックパラメータ（$ f_c $, $ T_r $）との間の解析的関係は何か？
• RQ4 どのような条件下でモデルは古典的SIRモデルに還元され、遅れは基本再生産数 $ R_o $ にどのように影響するか？
• RQ5 Lambert W関数を用いて、成長率 $ f_e $ を $ f_c $, $ T_r $, 初期免疫 $ n_m $ の関数として表現できるか？

主な発見

• 固定された遅れ $ T_r $ を有する修正SIRモデルは、累積感染率 $ n(t) $ に対してロジスティック解を導出し、古典的SIRモデルよりも生物学的に現実的であると同時に、解析的扱いやすさを保っている。
• 時間スケーリングパラメータ $ f_e $ は $ f_e = f_r \left( R_o + W_0(-R_o e^{-R_o}) \right) $ と与えられ、$ R_o = f_c T_r (1 - n_m) $ であり、$ W_0 $ はLambert W関数の主分岐である。
• $ R_o \leq 1 $ の場合、$ f_e = 0 $ となり、疫病拡散なしを意味し、$ n(t) = n_m $ となる。これは、モデルが疫病閾値理論と整合的であることを確認する。
• 最終的な累積感染率 $ n_p $ は $ n_p = n_m + \frac{f_e}{f_c} $ と $ f_e $ と $ f_c $ の関係で与えられ、感染率と成長率が疫病の最終的規模をどのように決定するかを示している。
• モデルは逆問題が可能である：現象論的パラメータ $ f_e $, $ n_p $, $ n_m $ が与えられた場合、基礎的パンデミックパラメータは $ f_c = \frac{f_e}{n_p - n_m} $ および $ T_r = \frac{1}{f_e} \ln\left( \frac{1 - n_m}{1 - n_p} \right) $ と与えられ、データ駆動型キャリブレーションが可能になる。
• 指数関数的パラメータ $ \epsilon $ を用いた代入と代数的検証により、解がDDEを満たすことが証明され、モデルの仮定下でロジスティック形式が正確な解であることが確認された。