[논문 리뷰] Description of the Early Growth Dynamics of 2014 West Africa Ebola Epidemic

Maria A. Kiskowski|arXiv (Cornell University)|2014. 10. 20.

Viral Infections and Outbreaks Research참고 문헌 14인용 수 6

한 줄 요약

이 연구는 확률적 이중 스케일 공동체 네트워크 모델과 이산 SEIR 프레임워크를 조합하여 2014년 서아프리카 에볼라 유행의 기초 성장 역학이 기록된 기록인 기니, 리베리아, 시에라리온에서 어떻게 다를 수 있는지를 설명한다. 이는 혼합 비율의 차이—즉 포화 효과를 초래하는 요인—이 관찰된 지역적 추세를 설명하며, 높은 혼합 비율은 전파를 증가시키고 새로운 유행을 유발하며, 기초적인 전파의 핵심 역할을 하며 기하급수적 증가를 이끄는 공동체 수준의 전파의 중요성을 강조한다.

ABSTRACT

${\bf Background:}$ The early growth dynamics of the West African Ebola virus epidemic has been qualitatively different for Guinea, Sierra Leone and Liberia. However, it is important to understand these disparate dynamics as trends of a single epidemic spread over regions with similar geographic and cultural aspects, with likely common parameters for transmission rates and the reproduction number $R_0$. ${\bf Methods:}$ We combine a discrete, stochastic SEIR model with a two-scale community network model to demonstrate that the different regional trends may be explained by different community mixing rates. Heuristically, the effect of different community mixing rates may be understood as the observation that two individuals infected by the same chain of transmission are more likely to know one another in a less-mixed community. Saturation effects occur as the contacts of an infected individual are more likely to already be exposed by the same chain of transmission. ${\bf Results:}$ The effects of community mixing, together with the effects of stochasticity, can explain the qualitative difference in the growth of Ebola virus cases in each country, and why the probability of large outbreaks may have recently increased. An increase in the rate of Ebola cases in Guinea in late August, and a local fitting of the transient dynamics of the Ebola cases in Liberia, suggests that the epidemic in Liberia has been more severe, and the epidemic in Guinea is worsening, due to discrete seeding events as the epidemic spreads into new communities. ${\bf Conclusions:}$ A relatively simple network model provides insight on the role of local effects such as saturation that would be difficult to otherwise quantify. Our results predict that exponential growth of an epidemic is driven by the exposure of new communities, underscoring the importance of control measures that limit this spread.

연구 동기 및 목표

• 2014년 유행 기간 동안 기니, 리베리아, 시에라리온에서 에볼라 환자 수의 정성적 차이를 이해하기 위해.
• 이러한 차이가 별개의 유행 매개변수보다는 현지 전파 역학의 차이에서 기인하는지 조사하기 위해.
• 공동체 혼합 비율과 포화 효과가 대규모 유행의 확률과 규모에 미치는 영향을 모델링하기 위해.
• 특히 기니와 리베리아에서의 환자 수 증가를 유발하는 이산적 종식 이벤트의 역할을 평가하기 위해.

제안 방법

• 이산 시간 확률적 SEIR 모델을 사용하여 개인 간 질병 진행 상황을 시뮬레이션한다.
• 이중 스케일 공동체 네트워크 모델을 사용하여 국지적 공동체 내 및 간의 전파를 구성한다.
• 지역 간 사회적 연결성의 차이를 시뮬레이션하기 위해 공동체 혼합 비율을 다양하게 설정한다.
• 감염자의 접촉자들이 동일한 전파 체인을 통해 이미 노출되어 있을 가능성이 높다는 가정으로 포화 효과를 모델링한다.
• 실제 전파 이벤트의 변동성을 반영하기 위해 확률성을 모델에 통합한다.
• 순순적 역학을 리베리아의 환자 데이터에 맞추고, 기니의 8월 말 환자 수 증가는 잠재적 종식 이벤트로 분석한다.

실험 결과

연구 질문

• RQ1 공동체적 지리적 및 문화적 배경이 유사한 상황에서 기니, 리베리아, 시에라리온에서 에볼라 유행이 다른 속도로 확산된 이유는 무엇인가?
• RQ2 공동체 혼합 비율의 차이가 에볼라 환자 수의 관찰된 성장 패턴에 어떤 영향을 미치는가?
• RQ3 감염자의 접촉자들이 이미 동일한 전파 체인을 통해 노출되어 있다는 포화 효과가 유행 진행의 지역적 격차를 어느 정도 설명할 수 있는가?
• RQ4 이산적 종식 이벤트가 기니에서 특히 환자 수 증가를 유발하는 데 어떤 역할을 하는가?
• RQ5 공동체의 네트워크 구조가 대규모 유행 발생 확률에 어떤 영향을 미치는가?

주요 결과

• 모델은 별개의 전파 매개변수를 요구하지 않고도 기니, 리베리아, 시에라리온에서의 기초 성장 역학의 다름을 공동체 혼합 비율의 차이로 설명할 수 있음을 보여준다.
• 높은 공동체 혼합 비율은 포화 효과가 감소함에 따라 빠른 전파와 더 큰 유행의 가능성을 증가시킨다.
• 포화 효과는 감염자의 접촉자들이 동일한 전파 체인을 통해 이미 노출되어 있을수록 전파 효율성을 감소시킨다.
• 기니에서 8월 말에 관찰된 에볼라 환자 수 증가는 이전에 감염되지 않은 공동체에 새로운 종식 이벤트가 발생했음을 일관되게 나타낸다.
• 리베리아의 순순적 역학은 공동체 수준의 종식과 혼합을 포함한 모델에 의해 더 잘 설명되며, 이는 거기서 더 심각한 유행 경로를 시사한다.
• 이 연구는 기하급수적 증가가 주로 새로운 공동체의 노출에 의해 이끌린다는 것을 예측하며, 공동체 간 전파를 통제하는 것이 중요함을 강조한다.