[논문 리뷰] Dynamic communicability and epidemic spread: a case study on an empirical dynamic contact network

Isabel Chen, Michele Benzi외 2명|arXiv (Cornell University)|2016. 01. 27.

Complex Network Analysis Techniques참고 문헌 34인용 수 3

한 줄 요약

이 연구는 실제 응급실 내역망에서 동적 의사소통 가능성과 기타 시간적 중심성 측정법을 평가하여 전염병 확산 예측 능력을 평가한다. 시간적 중심성은 정적 네트워크 측정법과는 다릅니다. 그러나 간단한 지표인 관찰 기간과 최초 등장 시간보다 일관되게 뛰어나지 못한다.

ABSTRACT

We analyze a recently proposed temporal centrality measure applied to an empirical network based on person-to-person contacts in an emergency department of a busy urban hospital. We show that temporal centrality identifies a distinct set of top-spreaders than centrality based on the time-aggregated binarized contact matrix, so that taken together, the accuracy of capturing top-spreaders improves significantly. However, with respect to predicting epidemic outcome, the temporal measure does not necessarily outperform less complex measures. Our results also show that other temporal markers such as duration observed and the time of first appearance in the the network can be used in a simple predictive model to generate predictions that capture the trend of the observed data remarkably well.

연구 동기 및 목표

• 시간적 중심성 측정법이 정적 네트워크 중심성에 비해 전염병 결과 예측 능력을 향상시키는지 평가하는 것.
• 동적 의사소통 가능성과 기타 시간에 따라 조정된 네트워크 측정법이 실제 내역망에서 핵심 전파자 식별에 기여하는 역할을 탐구하는 것.
• 시간적 중심성과 관찰 기간 및 최초 등장 시간과 같은 간단한 시간 마커 간의 예측 능력 비교하는 것.
• 시간 네트워크 구조를 통합함으로써 선형 회귀 프레임워크 내 전염병 결과 예측 정확도 향상 여부 평가하는 것.
• 집계 시간 스케일이 중심성 측정법의 차별화 및 예측 성능에 미치는 영향 탐색하는 것.

제안 방법

• 도시 응급실에서 확보한 시간에 따라 조정된 실질 내역망에 동적 의사소통 가능성(카츠 중심성의 시간적 일반화)을 적용하는 것.
• 감염 과정의 핵심 매개변수로 접촉 지속 시간을 사용하여 전염병 확산을 시뮬레이션하는 것.
• 혼란 변수(관찰 기간 및 최초 등장 시간 등)를 보정한 선형 회귀 모델을 사용하여 중심성 점수와 전염병 결과 간의 관계 평가하는 것.
• 모델 간 예측 정확도 비교를 위해 모든 개인에 대해 RMSE 및 BIAS 지표를 사용하여 예측 오차 측정하는 것.
• 접촉 데이터를 20분 단위 시간 간격으로 집계하여 중심성 측정법의 시간 스케일 선택 민감도 평가하는 것.
• 왜곡을 줄이고 예측 성능 향상을 위해 정규화 기법 및 대체 중심성 측정법 평가하는 것.

실험 결과

연구 질문

• RQ1 시간적 중심성(예: 동적 의사소통 가능성)이 정적 네트워크 중심성에 비해 전염병 결과 예측 능력을 향상시키는가?
• RQ2 관찰 기간 및 최초 등장 시간과 같은 시간 마커는 복잡한 시간적 중심성 측정법에 비해 전염병 추세 예측에서 어떻게 비교되는가?
• RQ3 집계 시간 스케일이 중심성 측정법이 상위 노드를 어떻게 구분하는지에 영향을 미치는 정도는 어느 정도인가?
• RQ4 시간적 중심성을 포함한 선형 회귀 모델이 이를 포함하지 않은 모델보다 전염병 결과를 더 잘 예측할 수 있는가?
• RQ5 더 세밀한 시간적 중심성 측정법(예: BC)이 간단한 측정법(예: AD)보다 예측 성능에 상당한 향상을 이끌 수 있는가?

주요 결과

• 동적 의사소통 가능성과 같은 시간적 중심성 측정법은 시간 집계된 네트워크 중심성과는 다를 수 있는 상위 전파자 집합을 식별하며, 함께 사용할 경우 식별 정확도 향상된다.
• 상위 전파자 식별 능력은 뛰어나지만, 전체 전염병 결과 예측에서는 관찰 기간 및 최초 등장 시간과 같은 단순 지표보다 일관되게 뛰어나지 못한다.
• 중심성 측정법을 포함한 모델은 예측 오차를 감소시켰으며, 집계된 관찰 기간(AD) 측정법이 BC 및 RC 모두보다 예측 성능에서 뛰어나다.
• 최초 등장 시간과 관찰 기간은 현실적인 전염병 추세 재현에 필수적이며, 이는 강력한 예측 능력을 시사한다.
• 20분 단위 시간 간격으로 집계함으로써 상위 RC 노드 간의 차별화가 향상되었으며, 이는 세분화된 시간 세부 정보 손실에도 불구하고 정규화 효과 감소로 인한 것으로 보인다.
• 선형 회귀 프레임워크는 근본 모델 대비 약간의 향상을 보였으며, 중심성이 도움이 되지만 더 정교한 모델링이 없이 복잡한 계산 비용은 정당화되지 않을 수 있음을 시사한다.