[논문 리뷰] A Multi-Stage Stochastic Programming Approach to Epidemic Resource Allocation with Equity Considerations

Xuecheng Yin, İ. Esra Büyüktahtakın|arXiv (Cornell University)|2021. 02. 23.

Viral Infections and Outbreaks Research참고 문헌 70인용 수 4

한 줄 요약

이 논문은 불확실성 하에서 전염병 자원 배분을 최적화하는 다단계 확률적 프로그래밍 모델을 제안하며, 질병 진행 상황과 공정성 고려를 통합한다. 총 감염자 수와 사망자 수를 최소화하면서도 새로운 감염 공정성 지표와 병원 수용 능력 공정성 지표를 통해 공정성을 확보한다. 비례 배분 전략이 인구 규모에 따라 자원을 배분하는 것은 건강 결과 측면에서 열등하고 비용이 많이 든다는 점을 입증한다.

ABSTRACT

Existing compartmental models in epidemiology are limited in terms of optimizing the resource allocation to control an epidemic outbreak under disease growth uncertainty. In this study, we address this core limitation by presenting a multi-stage stochastic programming compartmental model, which integrates the uncertain disease progression and resource allocation to control an infectious disease outbreak. The proposed multi-stage stochastic program involves various disease growth scenarios and optimizes the distribution of treatment centers and resources while minimizing the total expected number of new infections and funerals. We define two new equity metrics, namely infection and capacity equity, and explicitly consider equity for allocating treatment funds and facilities over multiple time stages. We also study the multi-stage value of the stochastic solution (VSS), which demonstrates the superiority of the proposed stochastic programming model over its deterministic counterpart. We apply the proposed formulation to control the Ebola Virus Disease (EVD) in Guinea, Sierra Leone, and Liberia of West Africa to determine the optimal and fair resource-allocation strategies. Our model balances the proportion of infections over all regions, even without including the infection equity or prevalence equity constraints. Model results also show that allocating treatment resources proportional to population is sub-optimal, and enforcing such a resource allocation policy might adversely impact the total number of infections and deaths, and thus resulting in a high cost that we have to pay for the fairness. Our multi-stage stochastic epidemic-logistics model is practical and can be adapted to control other infectious diseases in meta-populations and dynamically evolving situations.

연구 동기 및 목표

• 기존의 분할 모델이 질병 확산 불확실성 하에서 자원 배분 최적화에 한계를 가진다는 문제를 해결하기 위해.
• 다단계 시간 단계에 걸쳐 질병 진행의 불확실성과 동적 자원 배분을 통합한 확률적 프로그래밍 프레임워크를 개발하기 위해.
• 치료 센터 및 자원 배분 최적화에 공정성(감염 공정성 및 병원 수용 능력 공정성으로 정의됨)을 명시적으로 통합하기 위해.
• 스티ochastic 솔루션의 가치(VSS)를 평가하고, 확률적 모델이 결정론적 모델 대비 우월함을 입증하기 위해.
• 메타-인구 및 동적으로 변화하는 유행병에 대응할 수 있는 실용적이고 유연한 모델을 제공하기 위해.

제안 방법

• 시간에 따라 지역 간 치료 센터 위치 및 자원 배분을 최적화하기 위해 다단계 확률적 혼합정수계획모형을 수립한다.
• 기니, 시에라리온, 리리비아에 대해 이주기 전파 파라미터를 사용하여 전파율에 대한 시나리오 기반 불확실성을 통합한다.
• 감염 공정성(지역 간 감염 비율 균형)과 병원 수용 능력 공정성(치료 능력 접근성 균형)을 측정하는 두 가지 새로운 공정성 지표를 도입한다.
• 유연한 공정성 트레이드오프를 허용하기 위해 허용 오차 파rameter k를 사용한 확률제약 접근법을 적용하여 공정성 제약 조건을 강제한다.
• 대규모 확률적 모델의 계산 복잡성을 처리하기 위해 분해 기반 솔루션 알고리즘을 활용한다.
• 실제로 2014–2016년 서아프리카 에볼라 유행 데이터(전파율, 사망률, 매장 방식 포함)를 사용하여 모델을 검증한다.

실험 결과

연구 질문

• RQ1 질병 진행에 대한 확률적 성격을 통합함으로써 결정론적 접근 대비 전염병 자원 배분 모델의 성능이 어떻게 향상되는가?
• RQ2 공정성 제약 조건을 명시적으로 설정하지 않더라도 감염과 치료 능력에 대한 공정성은 어느 정도 달성될 수 있으며, 전체 유행 통제에 대한 상대적 트레이드오프는 무엇인가?
• RQ3 자원을 인구 규모에 비례하여 배분하는 것이 총 감염자 수와 사망자 수에 어떤 영향을 미치며, 이 정책은 최적일까?
• RQ4 공정성 제약 조건이 다단계 확률적 전염병 모델에서 계산 복잡성과 솔루션 시간에 어떤 영향을 미치는가?
• RQ5 스티ochastic 솔루션의 가치(VSS)는 무엇이며, 이는 확률적 모델이 결정론적 모델 대비 유행병 계획에서 우월함을 어떻게 입증하는가?

주요 결과

• 제안된 확률적 모델은 결정론적 모델 대비 총 예상 감염자 수와 매장 수를 각각 23% 감소시켜 스티ochastic 솔루션의 가치(VSS)를 입증한다.
• 인구 규모에 비례하여 치료 자원을 배분하는 것은 총 감염자 수를 15% 증가시키고 사망자 수를 20% 증가시켜, 이는 최적화되지 않으며 비용이 많이 든다는 것을 시사한다.
• 명시적인 공정성 제약 조건이 없더라도 모델은 자연스럽게 지역 간 감염 비율을 균형 잡으며, 기니, 시에라리온, 리리비아에서 각각 인구 비율과의 차이가 최대 0.42, 0.04, 0.38 이내로 유지된다.
• 감염 공정성 제약 조건을 도입함으로써 평균 CPU 시간이 7,200초에서 k = 0.2일 때 10시간(36,068초)으로 증가하였고, 최적성 갭이 29%로 증가하여 공정성 강제의 계산 비용이 높다는 점을 시사한다.
• 예방 공정성 제약 조건은 k 값이 3×10⁻⁹일 때조차 예산 배분에 거의 영향을 주지 않으며, 감염자 수와 매장 수의 감소 폭도 미미하여, 공정성이 모델의 해에서 본질적으로 균형을 이루고 있음을 시사한다.
• 모델의 해는 두 공정성 제약 조건에 대해 다양한 k 값에서도 안정적이며, 최적 예산 배분이나 총 감염자 수에 유의미한 변화가 없어 최적화 결과의 안정성을 입증한다.