[論文レビュー] Propagation of epidemics in a polarized society: impact of clustering among unvaccinated individuals

Ixandra Achitouv|arXiv (Cornell University)|Jun 1, 2022

Opinion Dynamics and Social Influence被引用数 5

ひとこと要約

本研究では、多様なタイプのネットワークを用いたエージェントベースシミュレーションを通じて、社会的極化に起因する未接種者同士のクラスタリングが、COVID-19の流行動態を著しく悪化させることを示している。均一なワクチン接種と比較して、クラスタリングは有効再生産数を33%増加させ、ピーク感染率を157%上昇させ、最終的な累積 attack 率を30%増加させる。これは、80%のワクチン接種率と80%のワクチン効果を有する状況でも同様に成立する。

ABSTRACT

Polarization of opinions about vaccination can have a negative impact on pandemic control. In this work we quantify this negative impact for the transmission of COVID-19, using an agent based simulation in an heterogeneous population with multi-type networks, representing different types of social interactions. We show that the clustering of unvaccinated individuals, associated with polarization of opinion, can lead to significant differences in the evolution of the pandemic compared to deterministic model predictions. Under our realistic baseline scenario these differences are a 33pc increase of the effective reproduction number, a 157pc increase of infections at the peak and a 30pc increase in the final cumulative attack rate.

研究の動機と目的

• 社会的極化と未接種者同士のクラスタリングが、COVID-19 のような感染症の広がりに与える影響を調査すること。
• 集団の不均一性を考慮した状況下で、ワクチン接種のパターン（クラスタリング vs. 均一分布）が流行動態に与える影響を定量化すること。
• 均一なワクチン接種を仮定する決定論的モデルが、極化社会における流行の結果を正確に予測できるかどうかを評価すること。
• 未接種者同士のクラスタリングが、感染リスクをどのように拡大させ、集団免疫の閾値をどのように低下させるかを評価すること。

提案手法

• エージェントベースモデルを用いて、年齢（子供、思春期、成人、高齢者）と社会的ネットワークに分類された10万人の人口を模擬する。
• 3種類の相互作用ネットワークをモデル化する：家族内、職場・学校（Watts-Strogatzスモールワールド）、および日常的接触（負の二項分布を用いてスーパースプローディングを捉える）。
• ウイルス量、年齢、症状状態、ネットワークタイプに基づく時間依存確率を用いて感染伝播をモデル化し、パラメータはOpen ABM Covid19およびCoMix調査データから抽出した。
• ワクチン接種は、年齢層にわたって均一に80%のカバレッジで実施され、感染に対する有効性は80%、伝播に対する有効性は50%である。
• 未接種者同士のクラスタリングの有無を比較するシナリオを設定し、分離度を制御するパラメータ r を用いる。
• 各シナリオについて100回のシミュレーションを実行し、中央値の流行経路と不確実性区間を推定する。

実験結果

リサーチクエスチョン

• RQ1 社会的極化に起因する未接種者同士のクラスタリングは、均一なワクチン接種と比較して、有効再生産数にどのように影響を及ぼすか？
• RQ2 クラスタリングは、固定されたワクチン接種率のもとで、ピーク感染数と累積攻撃率をどの程度上昇させるか？
• RQ3 R₀ が低いか、ワクチン効果が高い状況において、クラスタリングが集団免疫の閾値にどのように影響を及ぼすか？
• RQ4 未接種者同士がクラスタリングされている場合と分散している場合とで、特に未接種者における流行動態にどのような差が生じるか？
• RQ5 社会的極化とクラスタリングが存在する状況において、標準的な決定論的モデルは、流行の結果を正確に予測できるか？

主な発見

• 未接種者同士のクラスタリングは、均一な分布と比較して有効再生産数（R_eff）を33%増加させ、ベースラインシナリオでは1.2から1.6に上昇する。
• クラスタリングシナリオでは、1日あたりのピーク感染数が770例に達するが、非クラスタリングシナリオでは300例にとどまる。これは157%の増加に相当する。
• クラスタリングシナリオでは累積攻撃率が30%に上昇するが、非クラスタリングシナリオでは23%である。これは30%の上昇に相当する。
• 未接種者に限った場合、クラスタリング下でのピーク感染率は非クラスタリング時と比較して221%上昇する（クラスタリング：436例、非クラスタリング：136例）。
• 未接種者における最終的な累積攻撃率は、クラスタリング下で15.8%、非クラスタリング下で10.2%であり、クラスタリンググループは著しく高い感受性を示す。
• R₀ = 3、90%のカバレッジ、100%のワクチン効果の下でも、未接種者同士がクラスタリングしている場合には集団免疫に到達しないが、非クラスタリングの場合は到達する。