[논문 리뷰] Modified SIR Model Yielding a Logistic Solution

Paul A. Reiser|arXiv (Cornell University)|2020. 06. 02.

Mathematical and Theoretical Epidemiology and Ecology Models참고 문헌 11인용 수 4

한 줄 요약

이 논문은 고전적 SIR 모델이 감염자 제거를 즉각적이고 비례적으로 가정하는 데에 비해, 회복에 고정된 지연을 반영하는 수정된 SIR 모델을 제안한다. 이 모델은 누적 감염 비율에 대해 로지스틱 해를 도출하여 분석적 취급이 가능하면서도 실제 팬데믹 역학을 더 잘 반영한다. 지연 미분 방정식을 통해 감염과 회복 사이의 시간 지연을 포착한다.

ABSTRACT

The SIR pandemic model suffers from an unrealistic assumption: The rate of removal from the infectious class of individuals is assumed to be proportional to the number of infectious individuals. This means that a change in the rate of infection is simultaneous with an equal change in the rate of removal. A more realistic assumption is that an individual is removed at a certain time interval after having been infected. A simple modified SIR model is proposed which implements this delay, resulting in a single delay differential equation which comprises the model. A solution to this equation which is applicable to a pandemic is of the form A+B L(t) where L(t) is a logistic function, and A and B are constants. While the classical SIR model is often an oversimplification of pandemic behavior, it is instructive in that many of the fundamental dynamics and descriptors of pandemics are clearly and simply defined. The logistic model is generally used descriptively, dealing as it does with only the susceptible and infected classes and the rate of transfer between them. The present model presents a full but modified SIR model with a simpler logistic solution which is more realistic and equally instructive.

연구 동기 및 목표

• 고전적 SIR 모델에서 감염자 집단에서의 제거가 즉각적이고 현재 감염자 수에 비례한다는 비현실적인 가정을 해결하기 위해.
• 감염과 회복 사이에 고정된 시간 지연 $ T_r $ 를 도입하여, 개인이 일정 기간 동안 감염 상태를 유지한다는 생물학적 현실을 반영하기 위해.
• 누적 감염 비율 $ n(t) $ 에 대해 닫힌 형태의 해를 유도하여, 지연 모델 하에서 로지스틱 함수를 따르는 것을 보여주기 위해.
• 팬데믹 매개변수 $ f_c $, $ T_r $ 와 현상학적 매개변수 $ f_e $, $ n_p $, $ n_m $ 사이의 분석적 관계를 수립하여 데이터 피팅과 모델 해석을 가능하게 하기 위해.

제안 방법

• 누적 감염 비율 $ n(t) $ 에 대한 단일 지연 미분 방정식(DDE)을 설정하여, $ n'(t) = f_c [1 - n(t)] [n(t) - n(t - T_r)] $ 로 표현함. 이는 감염률이 이환자 수와 새로 감염된 사람 수에 비례함을 모델링한다.
• 구성요소를 $ S(t) = 1 - n(t) $, $ I(t) = n(t) - n(t - T_r) $, $ R(t) = n(t - T_r) $ 로 정의하여 인구 보존과 적절한 지연 구현을 보장한다.
• 지정된 매개변수 조건 하에서 DDE를 만족하는 로지스틱 해 $ n(t) = n_m + \frac{n_p - n_m}{1 + e^{-f_e(t - t_h)}} $ 를 유도한다.
• 시간 스케일링 매개변수 $ f_e $ 를 $ f_e = f_r \left( R_o + W_0(-R_o e^{-R_o}) \right) $ 로 표현하기 위해 라멘트 W 함수를 사용하며, 여기서 $ R_o = f_c T_r (1 - n_m) $ 이다.
• 역관계를 수립: $ f_c = \frac{f_e}{n_p - n_m} $ 과 $ T_r = \frac{1}{f_e} \ln\left( \frac{1 - n_m}{1 - n_p} \right) $ 를 통해 데이터로부터 매개변수 캘리브레이션을 가능하게 한다.
• 대입을 통한 증명을 통해 로지스틱 해가 DDE를 만족함을 보이며, $ \epsilon = e^{-f_e(t - t_h)} $, $ \epsilon_r = e^{f_e T_r} $, 그리고 유도된 관계 $ \epsilon_r = \frac{1 - n_m}{1 - n_p} $ 를 사용한 항등식을 활용한다.

실험 결과

연구 질문

• RQ1 고정된 회복 지연이 있는 수정된 SIR 모델이 실증적 팬데믹 곡선과 일치하는 닫힌 형태의 해를 도출할 수 있는가?
• RQ2 감염과 회복 사이의 시간 지연을 도입함으로써 고전적 SIR 모델과 비교해 역학적 특성이 어떻게 변화하는가?
• RQ3 로지스틱 해의 현상학적 매개변수($ f_e $, $ n_p $)와 기초 팬데믹 매개변수($ f_c $, $ T_r $) 사이의 분석적 관계는 무엇인가?
• RQ4 모델이 고전적 SIR 모델로 축소되는 조건은 무엇이며, 지연이 기본 재생수 $ R_o $ 에 어떤 영향을 미치는가?
• RQ5 라멘트 W 함수를 사용하여 전파 속도 $ f_e $ 를 $ f_c $, $ T_r $, 그리고 초기 면역 수준 $ n_m $ 에 따라 표현할 수 있는가?

주요 결과

• 고정된 지연 $ T_r $ 를 가진 수정된 SIR 모델은 누적 감염 비율 $ n(t) $ 에 대해 로지스틱 해를 도출하며, 이는 분석적으로 취급 가능하고 고전적 SIR 모델보다 생물학적으로 더 현실적인 모델이다.
• 시간 스케일링 매개변수 $ f_e $ 는 $ f_e = f_r \left( R_o + W_0(-R_o e^{-R_o}) \right) $ 로 주어지며, 여기서 $ R_o = f_c T_r (1 - n_m) $ 이고, $ W_0 $ 는 라멘트 W 함수의 주분지이다.
• 만일 $ R_o \leq 1 $ 이면 $ f_e = 0 $ 이며, 이는 전염병 확산이 없음을 의미하고, $ n(t) = n_m $ 이 되어 모델이 전염병 임계점 이론과 일관됨을 확인한다.
• 최종 누적 감염률 $ n_p $ 는 $ f_e $ 와 $ f_c $ 를 통해 $ n_p = n_m + \frac{f_e}{f_c} $ 로 표현되며, 이는 전파력과 성장 속도가 함께 전염병의 최종 규모를 결정함을 보여준다.
• 모델은 역행 가능하다: 현상학적 매개변수 $ f_e $, $ n_p $, $ n_m $ 가 주어지면 기초 팬데믹 매개변수는 $ f_c = \frac{f_e}{n_p - n_m} $ 과 $ T_r = \frac{1}{f_e} \ln\left( \frac{1 - n_m}{1 - n_p} \right) $ 로 계산되며, 이는 데이터 기반 캘리브레이션을 가능하게 한다.
• 대입과 대수적 검증을 통해 해가 DDE를 만족함을 증명하였으며, 지수 매개변수 $ \epsilon $ 와 함께 사용된 항등식을 통해 로지스틱 형태가 모델의 가정 하에서 정확한 해임을 확인한다.