[논문 리뷰] Analysis of Exact and Approximated Epidemic Models over Complex Networks

Navid Azizan, Hyoung Jun Ahn외 1명|arXiv (Cornell University)|2016. 09. 30.

Complex Network Analysis Techniques참고 문헌 22인용 수 10

한 줄 요약

이 논문은 복잡한 네트워크상의 이산시간 전염병 모델(SIS, SIR, SIRS, SIV)에 대한 비선형 평균장 근사의 완전한 글로벌 분석을 제공하며, 전파/회복 비율과 인접행렬의 최대 고유값에 따라 역학이 질병 없는 고정점 또는 만성 유병 고정점으로 수렴함을 보여준다. 선형 모델이 감염 확률의 상한으로 가장 날카로운 경계임을 입증하고, 평균장 안정성이 O(log n) 혼합 시간을 암시함으로써 실제 마르코프 체인 모델에서 빠른 전염병 소멸을 보장한다.

ABSTRACT

We study the spread of discrete-time epidemics over arbitrary networks for well-known propagation models, namely SIS (susceptible-infected-susceptible), SIR (susceptible-infected-recovered), SIRS (susceptible-infected-recovered-susceptible) and SIV (susceptible-infected-vaccinated). Such epidemics are described by $2^n$- or $3^n$-state Markov chains. Ostensibly, because analyzing such Markov chains is too complicated, their $O(n)$-dimensional nonlinear "mean-field" approximation, and its linearization, are often studied instead. We provide a complete global analysis of the epidemic dynamics of the nonlinear mean-field approximation. In particular, we show that depending on the largest eigenvalue of the underlying graph adjacency matrix and the rates of infection, recovery, and vaccination, the global dynamics takes on one of two forms: either the epidemic dies out, or it converges to another unique fixed point (the so-called endemic state where a constant fraction of the nodes remain infected). A similar result has also been shown in the continuous-time case. We tie in these results with the "true" underlying Markov chain model by showing that the linear model is the tightest upper-bound on the true probabilities of infection that involves only marginals, and that, even though the nonlinear model is not an upper-bound on the true probabilities in general, it does provide an upper-bound on the probability of the chain not being absorbed. As a consequence, we also show that when the disease-free fixed point is globally stable for the mean-field model, the Markov chain has an $O(\log n)$ mixing time, which means the epidemic dies out quickly. We compare and summarize the results on different propagation models.

연구 동기 및 목표

• 임의의 네트워크상의 이산시간 전염병 모델에 대한 비선형 평균장 근사의 완전한 글로벌 분석을 제공하는 것.
• 정확한 마르코프 체인 모델과 그 평균장 근사 간의 관계를 규명하며, 특히 감염 확률에 대한 상한에 초점을 맞추는 것.
• 평균장 모델이 질병 없는 고정점에서 안정할 경우, 실제 마르코프 체인이 O(log n) 혼합 시간 내에 빠르게 혼합함을 증명하는 것.
• 이산시간 설정에서 SIS, SIR, SIRS 및 SIV 전염병 모델 간의 결과를 통합하고 비교하는 것.
• 선형 평균장 모델이 첫 번째 순서 통계만을 사용하여 감염 경계 확률에 대해 가장 날카로운 상한을 제공함을 보여주는 것.

제안 방법

• 고정점 분석 및 네트워크 인접행렬의 스펙트럼 성질을 활용한 비선형 평균장 근사 역학의 공식적 분석.
• 인접행렬의 최대 고유값과 전파 비율에 기반하여 시스템이 질병 없는 고정점 또는 만성 유병 고정점으로 글로벌 수렴하는 조건 유도.
• 감염 확률에 대한 상한을 유도하기 위해 선형 프로그래밍과 라그랑주 승수 기법을 사용하며, 선형 모델이 단지 경계 확률만을 사용하는 모든 모델 중에서 가장 날카로운 상한임을 증명.
• 선형 모델이 안정할 경우 진정한 마르코프 체인이 O(log n) 시간 내에 혼합됨을 보여주는 쌍용(_coupling_) 논증 수립.
• 행렬 노름과 스펙트럼 반경 분석을 활용하여 (1−δ)I + βA 또는 유사한 행렬의 스펙트럼 반경을 기반으로 마르코프 체인의 혼합 시간을 경계함.
• 예방접종을 상태 전이로 모델링하고 동일한 프레임워크 하에서 결과적으로 유도된 역학을 분석함으로써 SIV 모델로 결과 확장.

실험 결과

연구 질문

• RQ1 이산시간 전염병 모델에 대한 비선형 평균장 근사가 유일한 만성 유병 고정점 또는 질병 없는 상태로 수렴하는 조건은 무엇인가?
• RQ2 네트워크 인접행렬의 최대 고유값은 전염병 모델의 글로벌 안정성에 어떤 영향을 미치는가?
• RQ3 선형 평균장 근사와 기저 마르코프 체인 모델의 진짜 감염 확률 간의 관계는 무엇인가?
• RQ4 선형 모델이 첫 번째 순서 통계만을 사용하는 모든 모델 중에서 감염 경계 확률에 대해 가장 날카로운 상한임을 증명할 수 있는가?
• RQ5 평균장 모델이 질병 없는 고정점에서 안정할 경우, 정확한 마르코프 체인의 혼합 시간은 얼마인가?

주요 결과

• 비선형 평균장 모델은 인접행렬의 스펙트럼 반경과 모델 매개변수에 따라 질병 없는 고정점 또는 유일한 만성 유병 고정점으로 글로벌 수렴한다.
• 선형 평균장 모델은 첫 번째 순서 통계만을 사용하여 감염 경계 확률에 대해 가장 날카로운 상한을 제공하며, 이 상한은 이러한 모든 모델 중에서 가장 날카로운 것이다.
• 비선형 모델은 개별 감염 확률에 대해 상한이 아니지만, 체인이 흡수되지 않은 확률(즉, 일부 노드가 여전히 감염된 상태)에 대해 상한이 된다.
• 평균장 모델에서 질병 없는 고정점이 글로벌로 안정할 경우, 실제 마르코프 체인은 O(log n) 혼합 시간을 가지며, 이는 빠른 전염병 소멸을 의미한다.
• SIV 모델의 경우, 빠른 혼합 조건은 (1−δ)I + β(1−θ)A의 스펙트럼 반경에 의해 결정되며, 안정성 조건 하에서 혼합 시간은 O(log n)으로 경계된다.
• 이 결과들은 이산시간 및 연속시간 전염병 모델링 분야의 이전 연구를 통합하고 확장하여, 복잡한 네트워크상의 전염병 역학 분석을 위한 완전한 프레임워크를 제공한다.