[논문 리뷰] Heterogeneous Susceptibles-Infectives model: Mechanistic derivation of the power law transmission function

Artem S. Novozhilov|ArXiv.org|2008. 09. 09.

Mathematical and Theoretical Epidemiology and Ecology Models참고 문헌 26인용 수 14

한 줄 요약

이 논문은 감염병 전파 모델에서 널리 사용되는 거듭제곱 법칙 전파 함수 $ T(S,I) = \beta S^p I^q $를 비균질적 감수성과 전염성에 기반한 기계적 유도를 통해 도출한다. 감수성과 전염성이 각각 형상 매개수 $ k_1 $, $ k_2 $를 가진 감마분포를 따를 때, 그 결과로 유도된 효과적 전파율은 $ p = 1 + 1/k_1 $, $ q = 1 + 1/k_2 $를 만족하는 거듭제곱 법칙 형태로 나타나며, 이는 현상학적으로 사용된 함수가 인구 수준의 비균질성에 기반함을 입증한다.

ABSTRACT

In many epidemiological models a nonlinear transmission function is used in the form of power law relationship. It is constantly argued that such form reflects population heterogeneities including differences in the mixing pattern, susceptibility, and spatial patchiness, although the function itself is considered phenomenological. Comparison with large-scale simulations show that models with this transmission function accurately approximate data from highly heterogeneous sources. In this note we provide a mechanistic derivation of the power law transmission function, starting with a simple heterogeneous susceptibles--infectives (SI) model, which is based on a standard mass action assumption. We also consider the simplest SI model with separable mixing and compare our results with known results from the literature.

연구 동기 및 목표

• 기하학적으로 사용되던 거듭제곱 법칙 전파 함수 $ T(S,I) = \beta S^p I^q $에 대한 기계적 기반을 제공하기 위해.
• 연속적 분포, 특히 감마분포를 사용하여 감수성과 전염성의 인구 비균질성을 모델링하여, 전파 함수를 제1원리에서 도출하기 위해.
• 개별 수준의 비균질성(예: 다양한 접촉 빈도와 감수성)과 인구 수준 모델에서 관찰되는 비선형 발생 패턴 간의 공식적 연결을 수립하기 위해.
• 이론적 프레임워크를 분리 가능한 혼합 모델로 확장하고, 동적 네트워크 시뮬레이션과 결과를 비교하기 위해.

제안 방법

• 형상 매개수 $ k_1 $, 척도 매개수 $ \nu_1 $를 가진 감마분포에서 유도된 개인의 감수성 $ \omega $와 형상 매개수 $ k_2 $, 척도 매개수 $ \nu_2 $를 가진 전염성 분포를 고려한 비균질적 SI 모델을 수립한다.
• 질량 작용 법칙을 적용하여 부분 미분 방정식 $ \frac{\partial s}{\partial t} = -\beta(\omega) s(t,\omega) I(t) $를 유도한다. 여기서 $ \beta(\omega) $는 개인의 감수성에 따라 달라진다.
• 감수성 분포의 모멘트 생성 함수(MGF)를 적용하여 효과적 전파율 $ \frac{dS}{dt} = -r h(S) \left[1 - \frac{h(S)}{K}\right] $을 유도한다. 여기서 $ h(S) $는 감수성 분포의 MGF이다.
• 감수성과 전염성이 감마분포를 따를 경우, 효과적 전파 함수가 $ T(S,I) \propto S^p I^q $ 형태의 거듭제곱 법칙으로 간소화되며, $ p = 1 + 1/k_1 $, $ q = 1 + 1/k_2 $임을 보여준다.
• 유도된 모델을 동적 네트워크 시뮬레이션과 분리 가능한 혼합 모델과 비교하며, 확률 생성 함수(PGF)를 사용하고 초기 조건을 일치시켜 일치도를 평가한다.
• 포아송분포와 감마분포를 가진 접촉 수를 사용한 수치 시뮬레이션을 통해 유도된 모델과 네트워크 기반 시뮬레이션 간의 등가성을 검증한다.

실험 결과

연구 질문

• RQ1 현상학적으로 사용되던 거듭제곱 법칙 전파 함수 $ T(S,I) = \beta S^p I^q $는 비균질적 감수성과 전염성의 기계적 모델에서 도출될 수 있는가?
• RQ2 개별 수준의 감수성과 전염성에 대한 어떤 분포 가정이 거듭제곱 법칙 발생률을 초래하는가?
• RQ3 감마분포의 형상 매개수는 거듭제곱 법칙 전파 함수의 지수 $ p $와 $ q $와 어떻게 관련되는가?
• RQ4 비균질 매개수를 가진 유도된 모델이 대규모 네트워크 시뮬레이션 결과를 어느 정도 근사하는가?
• RQ5 분리 가능한 혼합 모델과 동적 접촉 네트워크를 가진 모델이 유도된 거듭제곱 법칙 전파 함수와 어떻게 조화를 이룰 수 있는가?

주요 결과

• 감수성과 전염성이 감마분포를 따를 때, 거듭제곱 법칙 전파 함수 $ T(S,I) = \beta S^p I^q $는 비균질적 SI 모델에서 기계적으로 도출되며, $ p = 1 + 1/k_1 $, $ q = 1 + 1/k_2 $를 만족한다. 여기서 $ k_1 $, $ k_2 $는 감마분포의 형상 매개수이다.
• 초기 감수성 분포가 형상 매개수 $ k_1 $, 척도 매개수 $ \nu_1 $를 가진 감마분포이고, 전염성이 형상 매개수 $ k_2 $, 척도 매개수 $ \nu_2 $를 가진 감마분포일 경우, 효과적 전파율은 거듭제곱 법칙 형태로 일치하며, 이는 현상학적 함수에 대한 기계적 기반을 제공한다.
• 접촉 빈도가 평균 접촉 수에 따라 달라지는 분리 가능한 혼합 모델은 전파 함수 $ \frac{dS}{dt} = -r h(S) \left[1 - \frac{h(S)}{K}\right] $를 유도하며, 감마분포를 따를 경우 이는 거듭제곱 법칙 형태로 간소화된다.
• 동적 네트워크 시뮬레이션과의 수치 비교에서 평균 접촉 수가 1일 경우(포아송(1)) 강한 일치를 보이며, $ \lambda > 1 $ 또는 $ \lambda < 1 $일 경우 점차로 분리되지만, 점근적 행동은 일致한다.
• 오랫동안 현상학적 사용으로 남아 있던 거듭제곱 법칙 전파 함수 문제를 해결하며, 이는 비균질 분포에서 자연스럽게 유도됨을 보여주며, 특히 $ p, q > 1 $일 경우 $ k_1, k_2 < 1 $에 해당한다.
• 본 연구는 거듭제곱 법칙 전파 함수가 임의적이지 않고, 특히 감마분포를 통해 개인 수준의 접촉 행동과 감수성의 변동성을 모델링할 경우 통계적 성질에 의해 유도된다는 것을 입증한다.