[논문 리뷰] A Survey of the Individual-Based Model applied in Biomedical and Epidemiology

Erivelton G. Nepomuceno, Denise Fonseca Resende외 1명|arXiv (Cornell University)|2019. 02. 07.

COVID-19 epidemiological studies참고 문헌 89인용 수 17

한 줄 요약

이 논문은 생물의학 및 역학 연구 분야에서 개별 기반 모델(IBM)에 대한 종합적인 서베이를 제시하며, 기존의 SIR와 같은 전통적인 분할 모델보다 더 현실적으로 이질적이고 확률적인 질병 역학을 시뮬레이션할 수 있는 능력을 강조한다. 89篇의 연구를 평가한 결과, 만성 감염에 대한 간병 조치 모델링에서 IBM의 장점이 뚜렷하며, 시뮬레이션을 통해 분할 효과(분할 모델에서 관찰되는 것과 유사)가 IBM 결과에 편향을 줄 수 있음을 입증하였다. 이는 정교한 구현이 필요함을 시사한다.

ABSTRACT

Individual-based model (IBM) has been used to simulate and to design control strategies for dynamic systems that are subject to stochasticity and heterogeneity, such as infectious diseases. In the IBM, an individual is represented by a set of specific characteristics that may change dynamically over time. This feature allows a more realistic analysis of the spread of an epidemic. This paper presents a literature survey of IBM applied to biomedical and epidemiology research. The main goal is to present existing techniques, advantages and future perspectives in the development of the model. We evaluated 89 articles, which mostly analyze interventions aimed at endemic infections. In addition to the review, an overview of IBM is presented as an alternative to complement or replace compartmental models, such as the SIR (Susceptible-Infected-Recovered) model. Numerical simulations also illustrate the capabilities of IBM, as well as some limitations regarding the effects of discretization. We show that similar side-effects of discretization scheme for compartmental models may also occur in IBM, which requires careful attention.

연구 동기 및 목표

• 생물의학 및 역학 연구 분야에서의 개별 기반 모델(IBMs)에 관한 기존 문헌을 검토하고 통합하는 것.
• IBMs를 SIR와 같은 전통적인 분할 모델과 비교하여, 이질적이고 확률적인 질병 역학을 더 현실적으로 모델링하는 데 중점을 두는 것.
• 특히 만성 감염성 질병에 대한 통제 전략 평가에 있어 IBM의 핵심 응용 분야를 특정하는 것.
• 특히 시간 단계화가 시뮬레이션 정확도에 미치는 영향을 포함한 방법론적 과제를 부각하는 것.
• 공중보건 모델링에서 IBM의 설계 및 구현을 향상시키기 위한 향후 연구 방향을 제시하는 것.

제안 방법

• 생물의학 및 역학적 맥락에서 IBM에 중점을 둔 89편의 동료 심사된 논문을 대상으로 체계적인 문헌 리뷰를 수행하였다.
• 연구는 질병 유형, 간병 전략, 모델링 목적에 따라 분류되었으며, 특히 만성 감염에 중점을 두었다.
• 저자들은 IBMs와 분할 모델(예: SIR) 간의 구조적 및 동적 차이를 분석하여 인구의 이질성을 표현하는 방식에서의 차이를 비교하였다.
• 개별 수준의 특성(예: 감염 상태, 면역 상태 등)의 동적 변화를 포함한 IBM의 능력을 입증하기 위해 수치 시뮬레이션을 수행하였다.
• 분할 모델에서 관찰되는 문제와 유사하게, 다양한 시간 간격에서의 시뮬레이션 결과를 비교함으로써 IBM 내 분할 효과를 분석하였다.
• 연구는 IBM 응용 분야에서의 추세, 장점 및 한계를 식별하기 위해 정성적 통합 접근법을 사용하였다.

실험 결과

연구 질문

• RQ1 IBMs는 SIR와 같은 분할 모델에 비해 전염병 시뮬레이션의 현실성에서 어떤 방식으로 향상되는가?
• RQ2 생물의학 및 공중보건 연구에서 IBMs는 어떤 만성 감염성 질병 모델링에 가장 흔히 응용되는가?
• RQ3 IBMs의 시간 단계화 방법이 분할 모델에서 관찰되는 것과 유사한 편향을 얼마나 유발하는가?
• RQ4 IBMs를 활용한 간병 조치 평가를 구현할 때의 주요 방법론적 과제는 무엇인가?
• RQ5 역학 모델링에서 IBM의 정확성과 확장성을 향상시키기 위해 향후 어떤 발전이 필요한가?

주요 결과

• 89편의 연구가 IBM을 적용한 것으로 확인되었으며, 대부분은 결핵, dengue, HIV와 같은 만성 감염성 질병에 대한 간병 조치에 중점을 두었다.
• IBMs는 개인 간 이질성과 확률적 전이를 모델링함으로써 분할 모델이 종종 단순화하는 바와는 달리 질병 전파를 더 현실적으로 표현한다.
• 수치 시뮬레이션을 통해 시간 간격이 너무 클 경우 IBM 내 분할 효과가 분할 모델에서 관찰되는 것과 유사한 오류를 유발할 수 있음을 확인하였다.
• 연구는 시간 간격 크기의 신중한 선택이 IBM 결과의 수치적 편향을 최소화하는 데 핵심적임을 발견하였다.
• 장점이 있음에도 불구하고, IBMs는 대규모 인구를 시뮬레이션할 경우 계산적 확장성과 모델 검증의 과제에 직면해 있다.
• 저자들은 IBMs가 개인 수준의 변동성과 복잡한 간병 조치가 연구 질문의 중심에 있는 경우, 분할 모델의 유용한 보완 또는 대안이 될 수 있다고 결론을 내렸다.