[論文レビュー] SIR epidemics in dynamic contact networks

Erik Volz, Lauren Ancel Meyers|arXiv (Cornell University)|May 15, 2007

COVID-19 epidemiological studies参考文献 39被引用数 5

ひとこと要約

本稿では、個々の人物が固定された数の接触を維持するが、時間とともに相手が変化する動的接触ネットワークにおけるSIR流行を模擬するため、ネイバー交換（NE）モデルを導入する。混合率パラメータを変化させることで、静的ネットワークモデルとマスアクションモデルの間を滑らかに橋渡し可能であり、実際の接触データを用いたアトランタ高校における梅毒流行の正確な予測が可能である。また、回復率や感染率のわずかな変化ですら、最終的な流行規模に顕著な影響を及ぼすことが示された。

ABSTRACT

Contact patterns in populations fundamentally influence the spread of infectious diseases. Current mathematical methods for epidemiological forecasting on networks largely assume that contacts between individuals are fixed, at least for the duration of an outbreak. In reality, contact patterns may be quite fluid, with individuals frequently making and breaking social or sexual relationships. Here we develop a mathematical approach to predicting disease transmission on dynamic networks in which each individual has a characteristic behavior (typical contact number), but the identities of their contacts change in time. We show that dynamic contact patterns shape epidemiological dynamics in ways that cannot be adequately captured in static network models or mass-action models. Our new model interpolates smoothly between static network models and mass-action models using a mixing parameter, thereby providing a bridge between disparate classes of epidemiological models. Using epidemiological and sexual contact data from an Atlanta high school, we then demonstrate the utility of this method for forecasting and controlling sexually transmitted disease outbreaks.

研究の動機と目的

• 感染伝播における一時的で動的な接触パターンを捉えることが、静的ネットワークモデルやマスアクションモデルでは不十分であるという限界を解消すること。
• 変化する接触が異質な集団における流行拡大に与える影響をモデル化する低次元の常微分方程式（ODE）フレームワークを構築すること。
• アトランタ高校の梅毒流行から得た実証データを用いて、性伝播疾患（STD）の流行予測と制御における本モデルの有効性を示すこと。
• 単一の混合パラメータを用いて、静的ネットワークとマスアクションのダイナミクスの間を滑らかに補間できることを示すこと。
• 特に梅毒などの遅く伝播する感染症に顕著な、有限で一時的な接触を持つ集団に適した柔軟なモデリングツールを提供すること。

提案手法

• ネイバー交換（NE）モデルは、各個人が同時に維持する接触数を固定し、エッジ交換メカニズムにより所定のレートで接触相手を交換すると仮定する。
• 本モデルは、動的ネットワークにおける感受性者、感染者、回復者（SIR）の時間的変化を記述する非線形常微分方程式（ODE）系を用いる。
• 混合率パラメータが、低混合では静的ネットワークダイナミクス、高混合ではマスアクションダイナミクスに移行するのを制御し、両極端の間を補間可能にする。
• 本モデルは、アトランタ高校の実際の性的接触データから推定された実証的次数分布および接触転換率を組み込む。
• 有限な集団サイズと不均一性を考慮した連続時間確率過程をモデル化するため、シミュレーションを用いて解析結果を検証する。
• 1996年のアトランタ梅毒流行データに本モデルを適合させ、感染率および回復率を推定し、最終的な流行規模を予測する。

実験結果

リサーチクエスチョン

• RQ1 個人が頻繁に接触相手を変更する動的接触パターンは、静的モデルやマスアクションモデルと比較して、SIR流行の最終的規模やダイナミクスにどのように影響を与えるか？
• RQ2 単一のパラメータを持つモデルが、静的ネットワークモデルとマスアクションモデルの間のギャップを埋め、流行拡大を予測できるか？
• RQ3 感染率や回復率の変化が、動的ネットワーク設定下での予測される最終的流行規模にどの程度の影響を及ぼすか？
• RQ4 NEモデルは、1996年のアトランタ梅毒流行のような実世界の性伝播疾患流行データにどの程度適合するか？
• RQ5 治療的介入（回復率の上昇）は、動的接触ネットワークにおける流行制御にどのような影響を及えるか？

主な発見

• NEモデルは、単一の混合率パラメータを変化させることで、静的ネットワークとマスアクションモデルの間を滑らかに補間し、動的接触ネットワークの統合的フレームワークを提供する。
• 感染率62.7%、回復率1/154日⁻¹でアトランタ梅毒データに適合させた場合、モデルは最悪ケースの最終的流行規模97%を予測するが、観察された35%の有病率を上回る。
• 治療的介入によって引き起こされる感染率や回復率のわずかな変化ですら、予測される最終的流行規模を顕著に減少させることが示され、結果がこれらのパラメータに極めて敏感であることが明らかになった。
• 本モデルは、接触持続期間の有限性と接触数の不均一性の両方を考慮しているため、静的ネットワークモデルやマスアクションモデル単体よりも実証データに適したフィットを示す。
• 接触転換が疾病の進行速度に対して速い、多くのSTDのような遅く伝播する感染症のモデリングに、NEモデルは特に効果的である。
• シミュレーションにより、本モデルの解析的予測が、有限で不均一な集団においても頑健であることが確認され、実世界の予測用途に有効であることが裏付けられた。