[논문 리뷰] Beyond $R_0$: the importance of contact tracing when predicting epidemics

Laurent Hébert‐Dufresne, Benjamin M. Althouse외 2명|arXiv (Cornell University)|2020. 02. 10.

COVID-19 epidemiological studies인용 수 7

한 줄 요약

이 논문은 접촉 추적 데이터를 활용하여 무작위 네트워크 이론을 재구성하여 R₀와 2차 감염의 이질성을 동시에 추정하는 방법을 제안한다. 이질성을 忽시할 경우 유행 규모 예측에 막대한 불확실성이 발생함을 보여주며, 2019-nCoV에 대해 이러한 데이터가 없을 경우 감염 가능 인구 비율의 범위가 5–40%에 이르는 것으로 확인된다. 본 방법은 신속한 병원체 데이터의 국한된 정보에서 일차 모멘트 추정치를 통합함으로써 유행 예측을 향상시킨다.

ABSTRACT

The basic reproductive number --- R0 --- is one of the most common and most commonly misapplied numbers in public health. Nevertheless, estimating R0 for every transmissible pathogen, emerging or endemic, remains a priority for epidemiologists the world over. Although often used to compare outbreaks and forecast pandemic risk, this single number belies the complexity that two different pathogens can exhibit, even when they have the same R0. Here, we show how predicting outbreak size requires both an estimate of R0 and an estimate of the heterogeneity in the number of secondary infections. To facilitate rapid determination of outbreak risk, we propose a reformulation of a classic result from random network theory that relies on contact tracing data to simultaneously determine the first moment (R0) and the higher moments (representing the heterogeneity) in the distribution of secondary infections. Further, we show how this framework is robust in the face of the typically limited amount of data for emerging pathogens. Lastly, we demonstrate that without data on the heterogeneity in secondary infections for emerging pathogens like 2019-nCoV, the uncertainty in outbreak size ranges dramatically, in the case of 2019-nCoV from 5-40% of susceptible individuals. Taken together, our work highlights the critical need for contact tracing during emerging infectious disease outbreaks and the need to look beyond R0 when predicting epidemic size.

연구 동기 및 목표

• 전파 이질성을 반영하지 못하는 한계가 있음에도 불구하고 유행 위험 예측의 유일한 지표로 R₀에 대한 광범위한 과도한 의존을 해결하기 위해.
• 동일한 R₀를 가진 두 병원체가 전파 이질성의 차이로 인해 매우 다른 유행 규모를 보일 수 있음을 입증하기 위해.
• 접촉 추적 데이터를 활용하여 2차 감염 분포의 일차 및 고차 모멘트를 추정하는 방법을 개발하기 위해.
• 특히 신속한 유행 초기 단계에서 데이터가 부족한 상황에서 전파 이질성을 통합함으로써 유행 규모 예측 정확도를 향상시키기 위해.
• 접촉 추적의 중요성이 봉쇄 외에도 유행 예측을 정교화하는 데 핵심적인 역할을 한다는 것을 강조하기 위해.

제안 방법

• 접촉 추적 데이터를 통합하여 고전적인 랜덤 네트워크 이론 결과를 재구성함으로써 2차 감염 분포의 일차 및 고차 모멘트를 추정하는 방법을 개발한다.
• 접촉 추적 데이터를 활용하여 2차 감염 분포를 추론함으로써 R₀와 전파의 분산(또는 고차 모멘트)을 추정할 수 있도록 한다.
• 2019-nCoV와 같은 신속 유행 병원체의 실제 데이터를 적용하여 자료 부족 상황에서의 성능을 평가한다.
• 전파 이질성을 고차 모멘트를 통해 명시적으로 기술하는 분기 과정 프레임워크를 사용하여 전파 역학을 모델링한다.
• 신속 유행 감염병 유행 상황에서 흔히 나타나는 자료 제한 조건 하에서 본 방법의 강인성을 검증한다.
• 전파 이질성이 忽시되었을 경우와 접촉 추적을 통해 추정되었을 경우의 유행 규모 예측 불확실성 정도를 정량화한다.

실험 결과

연구 질문

• RQ1 R₀만을 사용할 경우 전파 이질성이 유행 규모 예측에 어떤 영향을 미치는가?
• RQ2 접촉 추적 데이터를 활용하여 R₀와 2차 감염의 분산을 동시에 추정할 수 있는가?
• RQ3 전파 이질성을 통합할 경우 신속 유행 감염병의 최종 규모 예측 불확실성이 어떻게 감소하는가?
• RQ4 2019-nCoV와 같은 신속 유행 병원체에서 자료가 제한된 상황에 본 방법을 적용했을 때의 강인성은 어느 정도인가?
• RQ5 전파 이질성을 忽시할 경우 유행 예측의 신뢰성에 어떤 영향을 미치는가?

주요 결과

• 동일한 R₀를 가진 두 병원체가 전파 이질성의 차이로 인해 매우 다른 유행 규모를 보일 수 있다.
• 접촉 추적 데이터를 활용하여 R₀와 2차 감염 분포의 고차 모멘트를 동시에 추정할 수 있으며, 이는 유행 예측을 향상시킨다.
• 전파 이질성에 대한 데이터가 없을 경우 2019-nCoV의 예측 유행 규모는 감염 가능 인구의 5%에서 40%까지 범위를 가지며, 이는 극도의 불확실성을 의미한다.
• 제안된 방법은 이질성을 통합함으로써 이러한 불확실성을 감소시켜 초기 단계 유행 평가에서의 가치를 입증한다.
• 자료가 제한된 상황에서도 본 프레임워크는 강인하므로, 전파 기록이 희박한 신속 유행 병원체에 적합하다.
• 본 연구는 접촉 추적의 중요성이 봉쇄 외에도 정확한 유행 예측을 위해 필수적이라는 점을 강조한다.