[논문 리뷰] Optimal vaccination strategies for COVID-19 based on dynamical social networks with real-time updating

Sibo Cheng, Rossella Arcucci외 2명|arXiv (Cornell University)|2021. 02. 19.

COVID-19 epidemiological studies인용 수 4

한 줄 요약

이 연구는 제한적이고 노이즈가 많은 데이터를 바탕으로 동적으로 변화하는 접촉 네트워크에서 코로나19 백신 접종 전략을 최적화하기 위해 데이터 융합 기반의 순차적 네트워크 업데이트 방법을 제안한다. 실시간 시간 정보를 통합하여 네트워크 구조를 정밀화함으로써, 고도수 또는 고중요도 개인을 우선 접종 대상으로 특정함으로써, 실제 및 합성 네트워크를 사용한 SIR 모델 시뮬레이션에서 표준 또는 무작위 전략보다 훨씬 뛰어난 효과를 발휘한다.

ABSTRACT

Vaccination strategy is crucial in fighting against the COVID-19 pandemic. Since the supply is limited, contact network-based interventions can be most powerful to set an optimal strategy by identifying high-risk individuals or communities. However, due to the high dimension, only partial and noisy network information can be available in practice, especially for dynamical systems where the contact networks are highly time-variant. Furthermore, numerous mutations of SARS-CoV-2 impact considerably the current infectious probability, requiring real-time network updating algorithms. In this study, we propose a sequential network updating approach based on data assimilation techniques to combine different sources of temporal information. We then prioritise the individuals with high-degree or high-centrality, obtained from the assimilated networks, for vaccination. The assimilation-based approach is compared with the standard method (based on partially observed networks) and a random selection strategy in terms of vaccination effectiveness in a SIR model. The numerical comparison is first carried out using real-world face-to-face dynamical networks collected in a high school, following by sequential multi-layer networks, generated relying on the Barabasi-Albert model emulating the department of Computing at Imperial College London in the UK as an example.

연구 동기 및 목표

• 코로나19 패an드emic 기간 동안 동적으로 변화하는 사회 네트워크에서 제한적이고 노이즈가 많은 접촉 네트워크 데이터 문제를 해결하기 위해.
• 실시간 시간 데이터를 통합하여 개선된 백신 접종 전략 설계를 위한 실시간 네트워크 업데이트 메커니즘을 개발하기 위해.
• 동적 실세계 및 합성 네트워크를 사용하여 네트워크 기반 접종 우선순위 전략의 효과성을 평가하기 위해.
• Epidemic 통제 측면에서 제안된 융합 기반 전략을 표준 부분 네트워크 및 무작위 접종 접근법과 비교하기 위해.

제안 방법

• 연구는 실시간 시간 관측 자료를 사용하여 동적 접촉 네트워크를 순차적으로 업데이트하기 위해 데이터 융합 기법을 활용한다.
• 부분적이고 노이즈가 많은 여러 종류의 네트워크 데이터를 융합하여 더 정확하고 시간에 따라 변화하는 네트워크 구조를 추정한다.
• 융합된 네트워크에서 고도수 및 고중요도 개인을 식별하여 백신 접종의 우선 대상으로 삼는다.
• 실세계 대면 상호작용 네트워크와 바라바시-알버트 모델을 통해 생성된 다층 합성 네트워크에서 스토하스틱 SIR 모델을 사용하여 백신 접종 전략을 평가한다.
• 융합 과정은 네트워크 구조의 지속적인 정교화를 가능하게 하여 시간이 지남에 따라 위험 평가 정확도를 향상시킨다.
• 이 방법은 고등학교의 실증 데이터와 영국 대학 부서를 모델링한 합성 네트워크에서 검증되었다.

실험 결과

연구 질문

• RQ1 실시간 네트워크 업데이트 기반 데이터 융합이 부분 관측 시스템에서 접촉 네트워크 추정 정확도를 어떻게 향상시키는가?
• RQ2 융합 기반 접종 전략은 표준 네트워크 기반 및 무작위 접종 접근법 대비 상대적으로 얼마나 효과적인가?
• RQ3 네트워크 중심성과 도수는 전염병 확산 통제에 있어 대상 접종 성공에 어떤 영향을 미치는가?
• RQ4 접촉 네트워크의 동적 특성이 정적 또는 지연된 네트워크 기반 접종 전략의 성능에 얼마나 큰 영향을 미치는가?
• RQ5 제한적이고 노이즈가 많은 네트워크 데이터 상황에서도 제안된 방법이 높은 접종 효과를 유지할 수 있는가?

주요 결과

• 융합 기반 접종 전략은 부분 관측 네트워크를 사용하는 표준 방법과 무작위 접종 전략보다 전염병 규모를 크게 줄이는 데 뛰어난 성능을 보였다.
• 특히 고도수 및 고중요도 개인을 중심으로 융합된 네트워크 구조를 기반으로 한 우선 접종 전략이 전염병 확산을 더 효과적으로 억제했다.
• 지속적인 네트워크 추정 업데이트를 통해 제한적이고 노이즈가 많은 네트워크 관측 자료 상황에서도 높은 성능을 유지했다.
• 실세계 고등학교 접촉 네트워크를 사용한 시뮬레이션에서 융합 방법은 기준 전략 대비 뛰어난 전염병 통제 성과를 달성했다.
• 대학 부서를 모델링한 다층 합성 네트워크에서는 다양한 네트워크 구조에서의 강건성과 확장성을 입증했다.
• 결과는 실시간 네트워크 업데이트가 위험 식별 정확도를 향상시키며, 이는 직접적으로 향상된 백신 접종 결과로 이어진다는 것을 확인했다.