[논문 리뷰] Propagation of epidemics in a polarized society: impact of clustering among unvaccinated individuals

Ixandra Achitouv|arXiv (Cornell University)|2022. 06. 01.

Opinion Dynamics and Social Influence인용 수 5

한 줄 요약

이 연구는 다중 유형의 네트워크를 갖춘 에이전트기반 시뮬레이션을 사용하여, 사회적 극화로 인해 백신을 맞지 않은 사람들이 뭉쳐지는 것이 코로나19 유행 역학을 심각하게 악화시킨다는 것을 보여준다. 균일한 백신 배포와 비교할 때, 뭉치는 현상은 유효 복제수를 33% 증가시키며, 정점 감염률을 157% 상승시키고, 최종 공격률을 30% 증가시킨다. 이는 80%의 백신 접종률과 80%의 백신 효과성에도 불구하고 성립한다.

ABSTRACT

Polarization of opinions about vaccination can have a negative impact on pandemic control. In this work we quantify this negative impact for the transmission of COVID-19, using an agent based simulation in an heterogeneous population with multi-type networks, representing different types of social interactions. We show that the clustering of unvaccinated individuals, associated with polarization of opinion, can lead to significant differences in the evolution of the pandemic compared to deterministic model predictions. Under our realistic baseline scenario these differences are a 33pc increase of the effective reproduction number, a 157pc increase of infections at the peak and a 30pc increase in the final cumulative attack rate.

연구 동기 및 목표

• 사회적 극화와 백신을 맞지 않은 사람들이 뭉쳐지는 것이 코로나19와 같은 전염병의 확산에 미치는 영향을 조사하기 위해.
• 균일한 백신 배포와 대비하여, 뭉친 패턴과 균일한 패턴의 백신 배포 방식이 이질적인 인구에서 유행 역학에 어떤 영향을 미치는지 정량화하기 위해.
• 사회적 극화가 있는 사회에서 균일한 백신 배포를 가정하는 결정론적 모델이 유행 결과를 정확하게 예측하는지 평가하기 위해.
• 백신을 맞지 않은 사람들이 뭉쳐질 경우 전파 위험이 어떻게 증가하고, 집단면역 임계점이 어떻게 낮아지는지 평가하기 위해.

제안 방법

• 에이전트기반 모델은 연령(어린이, 청소년, 성인, 노인)과 사회적 네트워크로 구성된 100,000명의 인구를 시뮬레이션한다.
• 세 가지 유형의 상호작용 네트워크를 모델링한다: 가정, 직장/학교(워츠-스트로가츠 소월드 네트워크), 그리고 일상적인 접촉은 음수 이항분포를 사용하여 초확산 현상을 반영한다.
• 감염 전파를 바이러스 농도, 연령, 증상 상태 및 네트워크 유형에 따라 시간에 따라 변하는 확률로 모델링하며, Open ABM Covid19 및 CoMix 설문 조사 데이터에서 유래한 매개변수를 사용한다.
• 백신는 연령대에 관계없이 균일하게 80%의 접종률로 투여되며, 감염에 대한 효과는 80%, 전파에 대한 효과는 50%이다.
• 백신를 맞지 않은 사람들이 뭉쳐지는지 여부에 따라 시나리오를 비교하며, 분리 수준을 제어하기 위해 뭉침 매개변수 r을 사용한다.
• 각 시나리오에 대해 100번의 시뮬레이션을 실행하여 중앙값 유행 경로와 불확실성 구간을 추정한다.

실험 결과

연구 질문

• RQ1 사회적 극화로 인해 백신를 맞지 않은 사람들이 뭉쳐질 경우, 균일한 백신 배포와 비교해 유효 복제수는 어떻게 변화하는가?
• RQ2 뭉침 현상이 고정된 백신 접종률을 가진 인구에서 정점 감염 수와 최종 누적 공격률을 얼마나 증가시키는가?
• RQ3 R₀가 낮거나 백신 효과성이 높을 때, 뭉침 현상이 집단면역의 임계점에 어떤 영향을 미치는가?
• RQ4 백신를 맞지 않은 사람들이 뭉쳐져 있을 때와 흩어져 있을 때, 그들의 유행 역학은 어떻게 다를까?
• RQ5 사회적 극화와 뭉침 현상이 존재할 경우, 표준 결정론적 모델이 유행 결과를 정확하게 예측할 수 있는가?

주요 결과

• 백신를 맞지 않은 사람들이 뭉쳐지는 현상은 균일한 분포 대비 유효 복제수(R_eff)를 33% 증가시키며, 기준 시나리오에서 1.2에서 1.6으로 상승한다.
• 뭉침 시나리오에서 하루 정점 감염 수는 770건으로, 비뭉침 시나리오의 300건보다 157% 높다.
• 뭉침 시나리오에서 최종 누적 공격률은 30%로, 비뭉침 시나리오의 23%보다 30% 높다.
• 백신를 맞지 않은 사람들만 고려할 경우, 뭉침 시나리오에서 정점 감염률은 436건으로, 비뭉침 시나리오의 136건보다 221% 높다.
• 백신를 맞지 않은 사람들 중 최종 공격률은 뭉침 상황에서 15.8%이며, 비뭉침 상황에서는 10.2%로, 뭉친 집단에서의 취약성이 높아짐을 시사한다.
• R₀가 3일 때, 90%의 접종률 또는 100%의 백신 효과성 조건에서, 백신를 맞지 않은 사람들이 뭉쳐져 있을 경우 집단면역에 도달하지 못하지만, 비뭉침 상황에서는 도달할 수 있다.