[논문 리뷰] Modifying the Network-Based Stochastic SEIR Model to Account for Quarantine

Chris Groendyke, Adam Combs|arXiv (Cornell University)|2020. 08. 03.

COVID-19 epidemiological studies참고 문헌 47인용 수 6

한 줄 요약

이 논문은 전염병 기간 동안 격리 및 무증상 전파를 시뮬레이션하기 위해 동적으로 조정되는 접촉 네트워크를 갖춘 수정된 네트워크 기반 확률적 SEIR 모델을 제안한다. 시간에 따라 변화하는 네트워크 구조와 무증상 감염률을 통합함으로써, 모델은 전염 기간과 전파율이 전염병의 심각도에 가장 중요한 영향을 미친다는 것을 보여주며, 유효 복제수와 정점 감염자 수는 이들 매개변수에 매우 민감하다.

ABSTRACT

In this article, we present a modification to the network-based stochastic SEIR epidemic model which allows for modifications to the underlying contact network to account for the effects of quarantine. We also discuss the changes needed to the model to incorporate situations where some proportion of the individuals who are infected remain asymptomatic throughout the course of the disease. Using a generic network model where every potential contact exists with the same common probability, we conduct a simulation study in which we vary four key model parameters (transmission rate, probability of remaining asymptomatic, and the mean lengths of time spent in the Exposed and Infectious disease states) and examine the resulting impacts on various metrics of epidemic severity, including the effective reproduction number. We find that the mean length of time spent in the Infectious state and the transmission rate are the most important model parameters, while the mean length of time spent in the Exposed state and the probability of remaining asymptomatic are less important.

연구 동기 및 목표

• 격리 또는 자가격리로 인한 접촉 패턴 변화를 고려한 동적 네트워크 기반 확률적 SEIR 모델을 개발하기 위해.
• 감염된 일부 개인이 전염 기간 동안 무증상으로 남을 수 있다는 가능성을 통합하기 위해.
• 실제 네트워크 환경에서 전파 및 지속 시간 매개변수의 핵심 요소에 대한 전염병 지표의 민감도를 평가하기 위해.
• 伝통적인 평균장 SEIR 모델보다 SARS-CoV-2 동역학을 더 정확하게 모델링할 수 있는 프레임워크를 제공하기 위해.
• 노인 시설이나 여객기와 같은 폐쇄된 소규모 인구에서의 통제 전략 시뮬레이션을 가능하게 하기 위해.

제안 방법

• 모델은 각 잠재적 접촉이 고정된 확률로 존재하는 겔버트-에르되시-레니(ger) 무작위 네트워크를 사용하여 초기 접촉 패턴을 표현한다.
• 증상이 나타나면 전염성 개인은 격리 상태로 이동하여 네트워크 내 활성 접촉 수가 감소한다.
• 모델은 증상이 있는 전염성 개인과 무증상 전염성 개인을 구분하며, 후자는 정상적인 접촉 빈도를 유지한다.
• 전염병 진행 상황을 네트워크 상의 개인들에 대해 추적하기 위해 확률적 시뮬레이션 프레임워크를 사용하며, 전파 확률과 상태 체류 시간 분포에 따라 상태 갱신(S→E→I→R)을 수행한다.
• 모든 시간 단계에서 네트워크 구조를 동적으로 업데이트하여 격리된 개인의 연결성 감소를 반영한다.
• 유효 복제수, 정점 감염자 수, 전염 기간, 스트레스 일수와 같은 핵심 지표를 시뮬레이션 출력에서 계산한다.

실험 결과

연구 질문

• RQ1 네트워크 기반 SEIR 모델에 격리 요소를 포함시키면 전염병 확산 역학에 어떤 영향을 미치는가?
• RQ2 잠복기 및 전염기 평균 지속 시간이 전염병의 심각도에 어느 정도 기여하는가?
• RQ3 무증상 상태로 남을 확률이 전체 전파 패tern과 전염병 지표에 어떤 영향을 미치는가?
• RQ4 전파율과 네트워크 구조의 변동에 대해 핵심 전염병 결과가 얼마나 민감한가?
• RQ5 다양한 모델 매개변수가 유효 복제수와 의료 시스템의 정점 부담을 결정하는 데 있어 상대적으로 어떤 중요성을 가지는가?

주요 결과

• 전염 기간 동안 머무는 시간이 전염병 심각도에 가장 큰 영향을 미치며, 긴 전염 기간은 더 높은 정점 감염자 수와 장기화된 전염 기간을 초래한다.
• 전파율은 두 번째로 중요한 매개변수이며, 높은 전파율은 유효 복제수와 전체 공격률을 크게 증가시킨다.
• 잠복기 동안의 평균 지속 시간은 전염병 지표에 상대적으로 미미한 영향을 미치며, 증상 발현 지연이 전염 기간 길이만큼 중요하지 않다는 것을 시사한다.
• 무증상 상태로 남을 확률은 대부분의 전염병 결과에 약한 영향을 미치며, 감지되지 않는 전파가 전염 기간 길이만큼 중요하지 않다는 것을 시사한다.
• 전염병 시작 및 종료 시 유효 복제수는 전염 기간과 전파율의 변화에 가장 민감하다.
• 정점 감염자 수와 스트레스 일수와 같은 지표는 전염 기간 길이에 매우 민감하며, 이는 의료 시스템 계획 수립에서의 중요성을 강조한다.