[논문 리뷰] Modeling disease spreading with adaptive behavior considering local and global information dissemination

Xinwu Qian, Jiawei Xue외 1명|arXiv (Cornell University)|2020. 08. 25.

Complex Network Analysis Techniques참고 문헌 19인용 수 4

한 줄 요약

이 논문은 이종 평균장(HMF) 분석을 사용하여 감염병 전파(SIS 모델)와 지역 관찰 및 전반적 정보에 기반한 적응적 인간 행동(UA-SIS 모델)의 공진화를 연구하기 위한 다중층 네트워크 모델을 제안한다. 연구 결과, 정보 확산이 질병 임계치를 크게 높여 네트워크의 저항성을 강화하고, 특히 지하철 시스템과 같은 대규모 네트워크에서 집단 면역을 가능하게 함을 보여준다.

ABSTRACT

The study proposes a modeling framework for investigating the disease dynamics with adaptive human behavior during a disease outbreak, considering the impacts of both local observations and global information. One important application scenario is that commuters may adjust their behavior upon observing the symptoms and countermeasures from their physical contacts during travel, thus altering the trajectories of a disease outbreak. We introduce the heterogeneous mean-field (HMF) approach in a multiplex network setting to jointly model the spreading dynamics of the infectious disease in the contact network and the dissemination dynamics of information in the observation network. The disease spreading is captured using the classic susceptible-infectious-susceptible (SIS) process, while an SIS-alike process models the spread of awareness termed as unaware-aware-unaware (UAU). And the use of multiplex network helps capture the interplay between disease spreading and information dissemination, and how the dynamics of one may affect the other. Theoretical analyses suggest that there are three potential equilibrium states, depending on the percolation strength of diseases and information. The dissemination of information may help shape herd immunity among the population, thus suppressing and eradicating the disease outbreak. Finally, numerical experiments using the contact networks among metro travelers are provided to shed light on the disease and information dynamics in the real-world scenarios and gain insights on the resilience of transportation system against the risk of infectious diseases.

연구 동기 및 목표

• 감염병 유행 기간 동안 질병 전파와 정보 확산의 공진화를 모델링하기 위해.
• 지역 관찰과 전반적 정보에 의해 형성되는 적응적 인간 행동이 교통 네트워크 내 질병 역학에 미치는 영향을 조사하기 위해.
• 다중층 네트워크 프레임워크를 사용하여 정보가 질병 임계치와 네트워크 저항성에 미치는 영향을 분석하기 위해.
• 실제 지하철 접촉 네트워크를 사용하여 모델을 검증하고 공중보건 및 교통 시스템 저항성에 대한 함의를 평가하기 위해.

제안 방법

• 질병 전파를 위한 접촉 네트워크(SIS 모델)와 정보 확산을 위한 관찰 네트워크(UA-SIS 모델)로 구성된 다중층 네트워크를 사용한다.
• 이종 평균장(HMF) 접근법을 적용하여 질병 및 인지 확산의 평형 상태와 임계 조건을 해석적으로 유도한다.
• 지역 증상(접촉자로부터 관찰된 것)과 전반적 경고(예: 미디어, 소셜 미디어)에 대한 반응으로서 적응적 행동을 모델링한다.
• 실제 지하철 승객 접촉 네트워크를 기반으로 한 수치 실험을 통해 다양한 조건 하에서 질병 및 정보 역학을 시뮬레이션한다.
• 네트워크 크기에 따른 질병 임계치 감쇠를 분석하고, SIS 및 UA-SIS 모델을 비교하여 저항성 평가를 수행한다.
• 질병 및 정보의 확산 강도에 기반한 임계 분석을 통해 세 가지 안정된 평형 상태를 식별한다.

실험 결과

연구 질문

• RQ1 질병 전파와 정보 확산의 공진화가 유행의 안정성과 임계치에 어떤 영향을 미치는가?
• RQ2 지역 관찰과 전반적 정보는 전염병 기간 동안 적응적 인간 행동을 어떻게 형성하는가?
• RQ3 질병과 인지 역학 간의 상호작용이 집단 면역의 발생에 어떤 영향을 미치는가?
• RQ4 네트워크 크기와 구조는 특히 스케일프리 네트워크인 지하철 시스템과 같이 질병 임계치에 어떤 영향을 미치는가?
• RQ5 정보 확산이 대규모이고 연결된 네트워크에서 유행을 얼마나 지연하거나 억제하는가?

주요 결과

• 질병 및 정보의 확산 강도에 따라 세 가지 안정된 평형 상태—질병 없는 상태, 만성 유행 상태, 인지 기반 질병 없는 상태—를 식별하였다.
• 정보 확산은 특히 대규모 네트워크에서 질병 임계치를 크게 높여 네트워크의 저항성을 향상시키고 광범위한 유행을 지연하거나 방지한다.
• 대규모 지하철 접촉 네트워크(MCN)에서는 SIS 모델 하에서 차수 분산의 발산으로 인해 질병 임계치가 0으로 감소하여 시스템이 매우 취약해진다.
• UA-SIS 모델 하에서는 SIS 모델 대비 질병 임계치가 수 개의 주자수 높아지며, 이는 미미한 지역적 인지 수준이라도 네트워크 저항성을 향상시킴을 보여준다.
• 인지가 질병보다 빠르게 퍼지며, 두 성장률은 시간 지연을 동반한 정의적 상관관계를 보인다. 이 지연은 만성 유행 조건에서 더 짧다.
• 역학적 동역학은 인지가 높을 경우 질병이 거의 근절되거나 안정적인 만성 유행 상태에 도달함을 보여주며, 이는 구글 플루 트렌드 및 환자 방문 데이터와 일치한다.