[논문 리뷰] Periodicity in Movement Patterns Shapes Epidemic Risk in Urban Environments

Zhanwei Du, Spencer J. Fox외 4명|arXiv (Cornell University)|2018. 09. 13.

Complex Systems and Time Series Analysis참고 문헌 38인용 수 5

한 줄 요약

이 연구는 상하이(2014년)의 시간대별 지하철 데이터를 기반으로 한 동적 메타인구 모델을 사용하여, 질병 유입 시점과 장소에 따라 유행 증가율이 20배 이상 변동함을 보여준다. 가장 높은 위험 시나리오는 도심부 근처의 금요일에 발생하며, 이는 이면적으로 분리된 사회적 공동체를 연결하는 이동 패턴 전환으로 인해 전파 가능성이 증가하기 때문이다.

ABSTRACT

Daily variation in human mobility modulates the speed and severity of emerging outbreaks, yet most epidemiological studies assume static contact patterns. With a highly mobile population exceeding 24 million people, Shanghai, China is a transportation hub at high risk for the importation and subsequent global propagation of infectious diseases. Here, we use a dynamic metapopulation model informed by hourly transit data for Shanghai to estimate epidemic risks across thousands of outbreak scenarios. We find that the rate of initial epidemic growth varies by more than twenty-fold, depending on the hour and neighborhood of disease introduction. The riskiest introductions are those occurring close to the city center and on Fridays--which bridge weekday and weekend transit patterns and thereby connect otherwise disconnected portions of the population. The identification of these spatio-temporal hotspots can inform more efficient targets for sentinel surveillance and strategies for mitigating transmission.

연구 동기 및 목표

• 대도시에서 도시 이동 패턴의 일일 및 주간 변동이 유행 발생 위험에 어떻게 영향을 미치는지 조사하기 위해.
• 특정 시간과 장소에서 질병이 유입될 경우 가장 폭발적인 유행 증가를 유도하는 시공간적 뜨거운 지점(핫스팟)을 특정하기 위해.
• 특히 평일과 주말 이동 패턴 간 전환을 포함한 동적 접촉 네트워크가 유행 위험에 미치는 영향을 평가하기 위해.
• 정적 접촉 네트워크 모델이 인간의 연결성 변화를 반영하지 못함으로써 유행 위험을 과소평가하는지 평가하기 위해.
• 이동 패턴의 역학에 기반하여 감시의 표적 및 조기 대응 전략을 제안하기 위해.

제안 방법

• 상하이 지하철역에 해당하는 313개의 도시 지역을 기반으로 한 메타인구 모델을 구축하였으며, 2015년 상하이 통계연감의 인구 데이터를 활용하였다.
• 1,100만 명의 사용자로부터 확보한 2015년 4월의 시간대별 지하철 이동 데이터를 활용하여 도시 전역의 동적 인간 이동 및 접촉 패턴을 모델링하였다.
• 각 장소의 인구 규모를 해당 구역의 인구 수를 그 구역 내 역 수로 나누어 비례 배정하였다.
• 2009년 H1N1 유행과 유사한 전파율을 반영하여 스트로스틱 SIR 모델을 사용해 전파를 시뮬레이션하였다.
• 유입 시점, 요일, 장소가 다른 10,000개의 유행 시나리오를 기반으로 초기 증가율, 최종 감염률, 복제수(R0) 등의 유행 결과를 추적하였다.
• 네트워크 일관성 및 여가 목적 이동 비율을 분석하여 공동체 융합 정도와 이동 패턴 전환, 특히 금요일의 특성을 수량화하였다.

실험 결과

연구 질문

• RQ1 질병이 유입되는 시간대와 요일이 대도시 메타인구에서 유행 증가율에 어떻게 영향을 미치는가?
• RQ2 상하이의 어떤 지역이 그들의 이동 패턴으로 인해 폭발적인 유행 전파를 유도할 가능성이 가장 높은가?
• RQ3 예를 들어 금요일 오후와 같은 전이 기간이 일시적인 네트워크 연결성을 만들어내어 빠른 공동체 간 전파를 가능하게 하는 정도는 어느 정도인가?
• RQ4 특히 평일에서 주말로의 루틴 전환을 포함한 동적 이동 패턴이 도시 접촉 네트워크의 구조와 유행 위험에 어떻게 영향을 미치는가?
• RQ5 매우 다양하게 변동하는 일일 이동 패턴을 가진 도시에서는 정적 접촉 네트워크 모델이 유행 위험을 정확하게 예측할 수 있는가?

주요 결과

• 유행 증가율은 질병 유입 시점과 지역에 따라 20배 이상 변동하였으며, 가장 높은 증가율은 도심부 근처의 금요일에 관찰되었다.
• 금요일에 유입된 경우 위험이 가장 높았는데, 이는 평일과 주말 이동 패턴이 겹쳐져 이면적으로 분리된 사회적 공동체가 일시적으로 융합되기 때문이다.
• 도심부는 네트워크 중심성 덕분에 가장 전파가 빠른 지역으로 나타났으며, 이 중심성은 지리적 접근성보다 네트워크 구조에 기인해 더 높은 전파 속도를 유도한다.
• 네트워크 일관성과 여가 목적 이동 비율은 금요일과 주말에 최고조에 도달하여 이 기간 동안 공동체 간 전파 가능성이 증가함을 시사한다.
• 가장 높은 위험 시나리오는 10,000명의 초기 감염자를 포함하며, 이는 대규모 생물테러 사건이 정점 연결성 창구에 유입될 경우 폭발적인 도시 유행이 발생할 수 있음을 시사한다.
• 이 연구는 금요일 오후를 중요한 시간적 뜨거운 지점으로 규명하였으며, 이는 휴일 전날도 이동 패턴 전환으로 인해 글로벌 유행 발생에 대한 높은 위험 창구가 될 수 있음을 암시한다.