[논문 리뷰] Estimating Spread of Contact-Based Contagions in a Population Through Sub-Sampling

Sepanta Zeighami, Cyrus Shahabi외 1명|arXiv (Cornell University)|2020. 12. 13.

Human Mobility and Location-Based Analysis참고 문헌 36인용 수 10

한 줄 요약

이 논문은 오직 부분 샘플링된 개인의 위치 데이터만을 사용하여 접촉 기반 전염병의 확산을 추정하는 새로운 방법인 PollSpreader와 PollSusceptible을 제안한다. 샘플링된 개인과 관측되지 않은 개인 간의 공존을 접촉 네트워크를 통해 직접 모델링함으로써, 이론적으로 근거가 있는 상한과 하한을 제공하며, 공존 정확도 결함과 시간에 따른 오차 증폭으로 실패하는 스케일링 및 합성 궤적 방법보다 뛰어난 성능을 보인다.

ABSTRACT

Physical contacts result in the spread of various phenomena such as viruses, gossips, ideas, packages and marketing pamphlets across a population. The spread depends on how people move and co-locate with each other, or their mobility patterns. How far such phenomena spread has significance for both policy making and personal decision making, e.g., studying the spread of COVID-19 under different intervention strategies such as wearing a mask. In practice, mobility patterns of an entire population is never available, and we usually have access to location data of a subset of individuals. In this paper, we formalize and study the problem of estimating the spread of a phenomena in a population, given that we only have access to sub-samples of location visits of some individuals in the population. We show that simple solutions such as estimating the spread in the sub-sample and scaling it to the population, or more sophisticated solutions that rely on modeling location visits of individuals do not perform well in practice, the former because it ignores contacts between unobserved individuals and sampled ones and the latter because it yields inaccurate modeling of co-locations. Instead, we directly model the co-locations between the individuals. We introduce PollSpreader and PollSusceptible, two novel approaches that model the co-locations between individuals using a contact network, and infer the properties of the contact network using the subsample to estimate the spread of the phenomena in the entire population. We show that our estimates provide an upper bound and a lower bound on the spread of the disease in expectation. Finally, using a large high-resolution real-world mobility dataset, we experimentally show that our estimates are accurate, while other methods that do not correctly account for co-locations between individuals result in wrong observations (e.g, premature herd-immunity).

연구 동기 및 목표

• 오직 부분 샘플링된 개인 이동 데이터만 제공될 때 전체 인구 집단 내 전염병 확산을 추정하는 데 도전하는 것.
• 샘플링된 개인과 관측되지 않은 개인 간의 공존을 정확히 모델링하지 못하는 난이도 있는 스케일링 및 합성 궤적 생성 방법의 한계를 극복하는 것.
• 접촉 네트워크를 통해 직접 공존을 모델링하여 전체 인구 수준의 확산을 이론적 상하한과 함께 추론하는 방법을 개발하는 것.
• 정책 수립에 유용한 가상 시나리오를 위한 전개에 특히 효율적이고 정확한 전체 인구 시뮬레이션의 대안을 제공하는 것.
• 실제 이동 데이터를 기반으로 한 방법의 검증을 통해 기존 접근 방식에서 관찰되는 오차 증폭에 대한 강건성을 입증하는 것.

제안 방법

• 방법은 관측된 샘플링된 개인 간의 공존을 기반으로 접촉 네트워크를 구축하고, 통계 모델링을 통해 관측되지 않은 공존을 추론한다.
• PollSpreader는 관측되지 않은 모든 개인이 샘플링된 개인과 접촉 가능하다는 가정 하에 확산의 상한을 추정한다.
• PollSusceptible은 샘플 내에서 관측된 공존 외에 추가 공존이 없다는 가정 하에 하한을 추정한다.
• 이 방법은 궤적 합성이나 공간 이산화에 의존하지 않고, 공존을 직접 모델링한다.
• 이론적 분석을 통해 PollSpreader가 전체 인구 내 기대 확산에 대해 상한을 제공하고, PollSusceptible이 하한을 제공한다는 것을 증명한다.
• 정확도가 떨어지는 합성 데이터에 의존하지 않고, 실제 고해상도 이동 데이터를 활용해 상하한을 校정하고 검증한다.

실험 결과

연구 질문

• RQ1 오직 부분 샘플링된 이동 데이터만을 사용하여 전체 인구 집단 내 접촉 기반 전염병의 확산을 정확히 추정할 수 있는가?
• RQ2 기존의 스케일링 방법이나 합성 궤적 생성 방식이 실무에서 실패하는 이유는 무엇인가?
• RQ3 샘플링된 개인과 관측되지 않은 개인 간의 공존을 직접 모델링함으로써 추정 정확도를 향상시킬 수 있는가?
• RQ4 제안된 방법이 실제 전체 인구 수준의 확산에 대해 이론적으로 타당한 상하한을 제공하는가?
• RQ5 기존 방법에서 잘못된 공존 모델링으로 인한 오차가 시간이 지남에 따라 어떻게 증폭되는가? 그리고 우리의 접근 방식은 이를 방지할 수 있는가?

주요 결과

• PollSpreader와 PollSusceptible는 전체 인구 내 전염병의 기대 확산에 대해 이론적으로 타당한 상한과 하한을 제공한다.
• Verily 이동 데이터셋에서 PollSus_L와 PollSus_U는 실제 확산을 정확히 따라가며, Scale 및 PollSpreader와 같은 기준 방법은 조기 면역 형성 패tern을 보이다가 잘못된 추정을 한다.
• PollSpreader 방법은 진짜 감염 수가 증가하는 동안에도 오차 증폭으로 인해 감염 수 감소를 잘못 예측한다.
• 샘플링된 개인과 관측되지 않은 개인 간의 공존을 忽略하는 바람에 스케일링 방법은 확산을 심각하게 과소평가한다.
• 합성 궤적 생성 방법은 장기간에 걸쳐 미터 이내 정확도가 필요하고, 결과적으로 데이터 폭발을 일으켜 대규모 시뮬레이션을 비실용적으로 만든다.
• 제안된 방법은 궤적 합성과 공간 이산화로 인한 오차를 피하기 위해 공존을 직접 모델링함으로써, 이전 접근 방식보다 뛰어난 성능을 보인다.