[논문 리뷰] An infectious diseases hazard map for India based on mobility and transportation networks

Onkar Sadekar, Mansi Budamagunta외 3명|arXiv (Cornell University)|2021. 05. 24.

COVID-19 epidemiological studies참고 문헌 28인용 수 3

한 줄 요약

이 논문은 항공, 철도, 도로 네트워크를 통한 도시 간 이동성에 기반한 유효 거리 기반으로 인도의 동적 감염병 위험도 지도를 제안한다. 446개 도시의 실질적 이동 데이터와 보완된 SIR 모델을 통합하여 감염 도착 시간을 고정밀도로 예측하며, SARS-CoV-2 전파 패tern과 비교 검증하여 향후 유행에 대한 강력한 예측 능력을 입증한다.

ABSTRACT

We propose a risk measure and construct an infectious diseases hazard map for India. Given an outbreak location, a hazard index is assigned to each city using an effective distance that depends on inter-city mobilities instead of geographical distance. We demonstrate its utility using an SIR model augmented with air, rail, and road data between top 446 cities. Simulations show that the effective distance from outbreak location reliably predicts the time of arrival of infection in other cities. The hazard index predictions compare well with the observed spread of SARS-CoV-2. The hazard map can be useful in other outbreaks also.

연구 동기 및 목표

• 지리적 거리보다 이동성을 우선시하는 인도 내 감염병 전파에 대한 위험 평가 프레임워크를 개발하기 위해.
• 기존의 지리적 거리 기반 예측의 한계를 보완하기 위해 교통 네트워크 기반의 유효 거리 측정 기준을 도입하기 위해.
• 잠재적 유행 발생지와 도시 간 이동 패턴을 바탕으로 각 도시에 위험도 지수를 할당하는 동적 위험도 지도를 제작하기 위해.
• 인도의 첫 번째 및 두 번째 유행 기간 동안의 실제 SARS-CoV-2 전파 데이터를 활용하여 모델의 예측 정확도를 검증하기 위해.
• 향후 유행 발생 시 공중보건 계획 및 조기 경보를 위한 확장 가능한, 교통 네트워크 기반의 도구를 제공하기 위해.

제안 방법

• 도시 간 이동률을 나타내는 교통 매트릭스 F^n_m를 사용하여 표준 SIR 분할 모델에 도시 간 연결성을 보완하기 위해.
• 유효 거리를 원천 도시에서의 감염 도착 시간 지연으로 정의하며, 유클리드 거리가 아닌 이동성 가중 네트워크 경로에 기반한다.
• 도시의 인구, 근접성(200km 이내), 원하는 전역 이동성(γ = 0.015)을 바탕으로 이동 흐름을 할당하는 히우리스틱 알고리즘을 사용해 이동 기반 F-매트릭스를 구성하기 위해.
• F-매트릭스에 대칭성 제약 조건을 적용하고, 대칭 항목이 목표 흐름을 초과할 경우 고도의 이동성 도시에서 점진적으로 이동성을 증가시켜 초과 유량을 조정하기 위해.
• 도로 및 철도 네트워크 모델의 인접성 매트릭스 구축을 위해 geopy 라이브러리를 사용해 도시 간 간선 거리를 계산하기 위해.
• 항공, 철도, 도로 이동 데이터를 통합하여 10만 명 이상의 인구를 가진 446개의 인도 도시에서 보완된 SIR 모델을 사용해 질병 전파를 시뮬레이션하기 위해.

실험 결과

연구 질문

• RQ1 도시 간 이동 네트워크 기반 유효 거리 측정 기준이 지리적 거리보다 감염이 다른 인도 도시에 도착하는 시점을 더 정확하게 예측할 수 있는가?
• RQ2 이동 패턴에서 유도된 제안된 위험도 지수는 인도에서 실제로 관측된 SARS-CoV-2 전파와 얼마나 잘 상관되는가?
• RQ3 항공, 철도, 도로 교통 네트워크가 인도 내 감염병 전파의 공간적 역학에 얼마나 기여하는가?
• RQ4 첫 번째 및 두 번째 유행 기간 동안 무역 중심지인 뭄바이 및 델리와 같은 주요 도시에서 유행의 상대적 시기 예측에 모델은 얼마나 잘 성과를 내는가?
• RQ5 병원체의 내재적 전파성에 대해 알려지지 않은 상태에서도 이동성 기반의 위험도 지도는 향후 유행에 일반화하여 활용할 수 있는가?

주요 결과

• 이동 네트워크 기반 유효 거리 측정 기준이 고정밀도로 다른 인도 도시에 감염이 도착하는 시기를 성공적으로 예측하였으며, 지리적 거리보다 뛰어난 성능을 보였다.
• 이동 패턴 기반의 위험도 지수는 인도의 첫 번째 및 두 번째 유행 동안 실제로 관측된 SARS-CoV-2 전파와 강한 일치를 보였으며, 특히 무역 중심지인 무역 중심지인 무역 중심지인 뭄바이 및 델리와 같은 주요 도시에서 두드러졌다.
• 도로 교통 네트워크의 경우 모델의 F-매트릭스가 평균 전역 이동성 0.0115를 기록했으며, 표준편차는 0.0021이었고, 전체 도시의 92%인 410개 도시(446개 중)에서 국지적 이동성이 정확히 0.015로 설정되었다.
• 오직 6개 도시에서만 대칭 흐름 초과 문제를 해결하기 위한 이동성 조정이 필요로 하여, 알고리즘이 대규모 도시 네트워크에서 뛰어난 강건성과 확장성을 보였다.
• 이동 네트워크에서 도시당 평균 연결 수는 20개였으며, 이는 장거리 전파를 빠르게 가능하게 하는 잘 연결된 국가 교통 인프라의 특성을 반영한다.
• 모델의 예측 결과는 실제 데이터로 검증되었으며, 이는 이동성 기반 네트워크가 인도와 같이 대규모이고 이질적인 국가에서 전염병 전파 패턴의 핵심 결정 요소임을 확인한다.