[論文レビュー] SIS Epidemic Spreading with Heterogeneous Infection Rates

Bo Qu, Huijuan Wang|arXiv (Cornell University)|Jun 24, 2015

Complex Network Analysis Techniques参考文献 24被引用数 7

ひとこと要約

本稿は、ネットワークにおける非一様感染率がSIS疫病拡散に与える影響を研究しており、ログノルム分布やガンマ分布からのi.i.d.感染率を許容することで、古典的SISモデルを拡張している。低回復率では分散（偶数モーメント）が拡散を遅くするが、高回復率では非一様性が疫病の持続性を高め、実世界のネットワークにおける古典的均一SISモデルの予測をくつがえす。

ABSTRACT

In this work, we aim to understand the influence of the heterogeneity of infection rates on the Susceptible-Infected-Susceptible (SIS) epidemic spreading. Employing the classic SIS model as the benchmark, we study the influence of the independently identically distributed infection rates on the average fraction of infected nodes in the metastable state. The log-normal, gamma and a newly designed distributions are considered for infection rates. We find that, when the recovery rate is small, i.e.\ the epidemic spreads out in both homogeneous and heterogeneous cases: 1) the heterogeneity of infection rates on average retards the virus spreading, and 2) a larger even-order moment of the infection rates leads to a smaller average fraction of infected nodes, but the odd-order moments contribute in the opposite way; when the recovery rate is large, i.e.\ the epidemic may die out or infect a small fraction of the population, the heterogeneity of infection rates may enhance the probability that the epidemic spreads out. Finally, we verify our conclusions via real-world networks with their heterogeneous infection rates. Our results suggest that, in reality the epidemic spread may not be so severe as the classic SIS model indicates, but to eliminate the epidemic is probably more difficult.

研究の動機と目的

• 感染率の非一様性がSISモデルにおける感染ノードの平均割合に与える影響を理解すること。
• 感染率分布の高次モーメント（例：分散、歪度）が疫病ダイナミクスに与える影響を調査すること。
• 実世界のネットワークにおける非一様感染率モデルと古典的均一SISモデルを比較すること。
• 実世界のネットワーク（例：航空便ネットワークや共同著者ネットワーク）を用いたシミュレーションにより理論的発見を検証すること。

提案手法

• 研究は、古典的な連続時間マコヴィアンSISモデルを拡張し、均一な感染率βを、指定された分布（ログノルム、ガンマ、および独自の分布）から抽出されたi.i.d.の確率変数β_ijに置き換える。
• 疫病の深刻度を評価するために、シミュレーションおよび理論的解析により、定常状態における感染ノードの平均割合y∞を計算する。
• モデルは全ノードに同一の均一な回復率δを仮定するが、感染率はエッジごとに異なる。
• 3つのシナリオを比較する：均一感染率（古典的SIS）、元の非一様感染率（現実的ネットワーク構造）、シャッフルされた非一様感染率（エッジの感染率をランダム化）—これにより相関の影響を分離する。
• 非一様感染率下での疫病閾値の理論的解析は、物理的解釈および数学的導出により裏付けられる。
• 実世界のネットワーク（航空便ネットワークや共同著者ネットワーク）を用いて発見を検証し、感染率は実データから導出されるか、シャッフルして構造的要因の影響をテストする。

実験結果

リサーチクエスチョン

• RQ1 感染率の非一様性は、SISモデルの定常状態における感染ノードの平均割合にどのように影響するか？
• RQ2 感染率分布の高次モーメント（例：分散、歪度）は、疫病ダイナミクスの形態にどのような役割を果たすか？
• RQ3 感染率の相関構造（例：次数に基づく相関）は、i.i.d.率と比較して疫病の持続性に影響を及ぼすか？
• RQ4 非一様感染率が均一ケースと比較して、疫病閾値を高めたり低めたりする条件は何か？
• RQ5 均一感染率の仮定により、古典的均一SISモデルは実世界の疫病の深刻度を過大評価または過小評価する可能性があるか？

主な発見

• 回復率が低い場合、感染率の非一様性は平均的に疫病の拡散を遅らせる。これは、均一ケースと比較して感染ノードの平均割合y∞が小さくなることを示している。
• 感染率分布の偶数モーメント（例：分散）が大きいほど、y∞は小さくなり、低回復率下での感染率の変動性が拡散を抑制することを示している。
• 奇数モーメント（例：歪度）はy∞を増加させ、分散による抑制効果を相殺する。
• 回復率が高い場合、非一様感染率モデルは、均一モデルが崩壊を予測する状況でも、持続的拡散の確率を均一モデルより高めることがある。
• 実世界のネットワーク（航空便ネットワークや共同著者ネットワーク）では、回復率が高い場合、元の非一様感染率はシャッフルされた率よりも高いy∞を示し、ネットワーク構造と率の相関が重要であることを確認した。
• 古典的均一SISモデルは、低回復率状態では疫病の深刻度を過小評価するが、高回復率状態では過大評価する可能性がある。これは、実世界の疫病が予測よりも深刻さがやや低いが、撲滅がより困難である可能性を示唆している。