[論文レビュー] Mutual Feedback Between Epidemic Spreading and Information Diffusion

Xiu‐Xiu Zhan, Chuang Liu+4 more|arXiv (Cornell University)|Jun 12, 2015

Complex Network Analysis Techniques参考文献 42被引用数 3

ひとこと要約

本稿では、SIS感染症拡散と情報拡散を統合する数学的モデルを提案し、それらの相互フィードバック効果を検討する。ペairwise近似とシミュレーションを用いて、情報拡散が感染症の閾値を引き上げ、最終的な感染率を低下させ、伝播を遅らせることが示された。これは、制御が一時的に達成された後でも再発を防ぐために、継続的な公衆の意識が極めて重要であることを強調する。

ABSTRACT

The impact that information diffusion has on epidemic spreading has recently attracted much attention. As a disease begins to spread in the population, information about the disease is transmitted to others, which in turn has an effect on the spread of disease. In this paper, using empirical results of the propagation of H7N9 and information about the disease, we clearly show that the spreading dynamics of the two-types of processes influence each other. We build a mathematical model in which both types of spreading dynamics are described using the SIS process in order to illustrate the influence of information diffusion on epidemic spreading. Both the simulation results and the pairwise analysis reveal that information diffusion can increase the threshold of an epidemic outbreak, decrease the final fraction of infected individuals and significantly decrease the rate at which the epidemic propagates. Additionally, we find that the multi-outbreak phenomena of epidemic spreading, along with the impact of information diffusion, is consistent with the empirical results. These findings highlight the requirement to maintain social awareness of diseases even when the epidemics seem to be under control in order to prevent a subsequent outbreak. These results may shed light on the in-depth understanding of the interplay between the dynamics of epidemic spreading and information diffusion.

研究の動機と目的

• 人間集団における感染症拡散ダイナミクスに、情報拡散がどのように影響するかを調査すること。
• 疾患伝播と認識拡散の間の双方向フィードバックをモデル化すること。
• 情報によって引き起こされる行動変化が、感染症の閾値および伝播率に与える影響を分析すること。
• 特に複数波の現象に注目して、実データ（H7N9）との妥当性を検証すること。
• 感染症が一時的に制御された後でも、再発を防ぐために公衆の意識を維持する知見を提供すること。

提案手法

• 複雑ネットワーク上での感染症と情報拡散のための連成SISモデルを構築する。
• 個々の感染者および認識状態を表す状態変数（S+, S−, I+, I−）を導入し、共感染および認識レベルを追跡する。
• ノードペアの時間的変化を記述する15本の微分方程式系を、ペアワイズ近似を用いて導出する。
• 伝播率βおよびσ、回復率γ、認識誘発行動変化率α、情報拡散率λを含むパラメータを組み込む。
• ネットワーク上での集団に対してモデルをシミュレートし、閾値シフトおよび最終的感染率を分析する。
• 特に複数波の発生を観察した実H7N9アウトブレークデータと照合して、結果の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 情報拡散は、集団における感染症の閾値にどのように影響するか？
• RQ2 情報拡散は、感染した個体の最終的割合をどの程度低減するか？
• RQ3 情報拡散は、感染症伝播の速度にどのように影響するか？
• RQ4 本モデルは、H7N9のような実際の流行で観察された複数波パターンを再現できるか？
• RQ5 継続的な公衆の認識は、感染症の再発を防ぐために果たす役割は何か？

主な発見

• 情報拡散により感染症の閾値が上昇し、伝播率が高くなっても流行が発生しにくくなる。
• 情報によって引き起こされる行動変化のおかげで、最終的な感染個体の割合が顕著に低減する。
• 情報拡散のフィードバックにより、感染症伝播の速度が著しく遅くなる。
• 本モデルは、実H7N9データで観察された複数波現象を成功裏に再現した。
• 感染症が一時的に制御された後でも、継続的な公衆の認識が、その後の流行を防ぐために不可欠である。
• 相互フィードバック機構は、伝播率が低い状態でも一部の流行が再発する理由を説明できる。