[논문 리뷰] Deterministic Models in Epidemiology: From Modeling to Implementation

Aresh Dadlani, Richard O. Afolabi외 3명|arXiv (Cornell University)|2020. 04. 07.

Mathematical and Theoretical Epidemiology and Ecology Models참고 문헌 32인용 수 7

한 줄 요약

이 논문은 전염병 역학에서의 결정론적 전염병 모델에 대한 종합적인 분석을 제시하며, SIR, SIS, SIRS, SEI, SEIS와 같은 분할 모델에 초점을 맞춘다. 수학적 수식, 평형점의 안정성 분석, 기본 재생수(R₀)를 통합하여, 매트랩로의 수치적 구현을 통해 다양한 매개변수 하에서의 역학을 시각화함으로써, 전염병 전파 모델링 분야에 익숙하지 않은 연구자들에게 실용적인 안내를 제공한다.

ABSTRACT

The abrupt outbreak and transmission of biological diseases has always been a long-time concern of humankind. For long, mathematical modeling has served as a simple and yet efficient tool to investigate, predict, and control spread of communicable diseases through individuals. A myriad of works on epidemic models and their variants have been reported in the literature. For better prediction of the dynamics of a particular disease, it is important to adopt the most suitable model. In this paper, we study some of the widely-appreciated deterministic epidemic models in which the population is divided into compartments based on the health status of each individual. In particular, we provide a demographic classification of such models and study each of them in terms of mathematical formulation, near equilibrium point stability properties, and disease outbreak threshold conditions (basic reproduction ratio). Furthermore, we discuss the various influential factors that need to be considered during epidemic modeling. The main objective of this article is to provide a basic understanding of the mathematical complexity incurred in deterministic epidemic models with the aid of graphical illustrations obtained through implementation.

연구 동기 및 목표

• 수학적 배경이 제한된 연구자들이 전염병 역학에서 널리 사용되는 결정론적 전염병 모델을 체계적으로 이해할 수 있도록 돕는 것.
• 다양한 분할 모델에서 질병 없음 평형점(DFE)과 만성 유병 평형점(EE)의 안정성 분석을 수행하는 것.
• 기본 재생수(R₀)가 다양한 모델 변형에서 질병 유행 여부를 결정하는 임계값으로서의 역할을 명확히 하는 것.
• 수치적 시뮬레이션을 통한 구현이 모델 역학 이해를 어떻게 향상시키는지 보여주는 것.
• 생물학적 및 인구통계적 요인—예를 들어, 생존 동역학, 잠복기, 예방접종, 연령 구조, 공간 이질성 등—이 모델의 정확성과 현실성에 미치는 영향을 특정하고 논의하는 것.

제안 방법

• 일반적인 분할 모델(SIR, SIS, SIRS, SEI, SEIS)을 일반 미분방정식 시스템을 사용하여 생존 동역학 유무에 따라 유도하고 분석한다.
• 선형 안정성 분석을 적용하여 각 모델에서 질병 없음(DFE) 및 만성 유병 평형점(EE)의 국소 안정성을 판단한다.
• 기본 재생수(R₀)를 임계 매개변수로 계산하여 질병 지속 여부 또는 소멸 여부를 예측한다.
• 매트랩로의 수치적 구현을 통해 시간에 따른 시리즈 그래프와 위상도를 생성하여 R₀ 값이 다를 경우의 모델 행동을 시각화한다.
• 비선형 감염력, 시간 지연, 연령 구조, 다수 집단, 이주 등 추가적인 복잡성을 통합하여 고전적 모델을 확장한다.
• 그래픽적 시각화(밀도 대 시간, 위상도, 분기 다이어그램)를 활용하여 평형 안정성과 역학적 전이를 시각화한다.

실험 결과

연구 질문

• RQ1 생존 동역학(출생률 및 사망률)을 포함할 경우 SIR, SIS, SIRS 모델의 안정성과 임계 행동은 어떻게 변화하는가?
• RQ2 기본 재생수(R₀)는 다양한 분할 모델에서 질병이 인구 집단에서 소멸할지 지속될지 결정하는 데 어떤 역할을 하는가?
• RQ3 전파율(β), 회복율(γ) 및 기타 매개변수의 변화가 전염병 모델의 역학과 평형 상태에 미치는 영향는 어떠한가?
• RQ4 잠복기, 격리, 예방접종, 연령 구조, 이주, 비선형 감염력 등 추가적 요인이 결정론적 전염병 모델의 행동에 어떻게 영향을 미치는가?
• RQ5 수치적 구현과 시각화는 결정론적 전염병 모델의 복잡한 역학을 이해하는 데 어떤 방식으로 기여하는가?

주요 결과

• 생존 동역학이 없는 SIR 모델의 경우, R₀ < 1이면 질병 없음 평형점이 안정하고 질병이 소멸하며, R₀ > 1이면 만성 유병 평형점이 존재하고 안정하다.
• 생존 동역학이 있는 SIS 모델의 경우, R₀ > 1이면 안정한 만성 유병 평형점이 발생하고, R₀ < 1이면 질병 없음 평형점이 안정하여 임계 행동가 확인된다.
• 생존 동역학이 없는 SIRS 모델의 경우, 매개변수 값에 따라 만성 유병 평형점에서 안정점 또는 안정점/초점이 되며, R₀ > 1이면 지속적인 전파가 가능하다.
• 수치적 시뮬레이션 결과, 생존 동역학이 없는 SEI 모델은 초기 노출(I(0))와 잠복기(ε)에 따라 전염의 지연 발생을 보이며, 피크 감염률이 지연된 후에 나타난다.
• 분기 다이어그램은 다수의 모델에서 R₀ = 1에서 질병 없음 상태에서 만성 유병 상태로의 전이가 발생함을 확인하여 R₀가 임계 임계값으로서의 역할을 검증한다.
• 시간에 따른 시리즈와 위상도를 통한 구현 결과, 비선형 감염력은 단순 임계 행동을 예측하는 고전적 모델과는 달리 복잡한 역학—예를 들어 주기적 진동과 불안정성—을 유도할 수 있음을 보여준다.