[논문 리뷰] SARS oubreaks in Ontario, Hong Kong and Singapore: the role of diagnosis and isolation as a control mechanism

Gerardo Chowell, Paul W. Fenimore외 2명|ArXiv.org|2005. 03. 01.

SARS-CoV-2 and COVID-19 Research참고 문헌 6인용 수 44

한 줄 요약

이 연구는 토론토, 홍콩, 싱가포르에서의 SARS 전파 역학을 분석하기 위해 SEIJR 전염병 모델을 사용하여, 빠른 진단과 격리가 역학 확산을 크게 감소시켰음을 보여준다. 모델은 평균 기본 전파수 R₀ ≈ 1.2로 추정하며, 공격적인 환자 규명과 격리 조치가 유행을 제어할 수 있음을 시사한다. 토론토의 유행은 적시에 시행된 공중보건 조치 덕분에 대부분 제어된 것으로 보인다.

ABSTRACT

In this article we use global and regional data from the SARS epidemic in conjunction with a model of susceptible, exposed, infective, diagnosed, and recovered classes of people (``SEIJR'') to extract average properties and rate constants for those populations. The model is fitted to data from the Ontario (Toronto) in Canada, Hong Kong in China and Singapore outbreaks and predictions are made based on various assumptions and observations, including the current effect of isolating individuals diagnosed with SARS. The epidemic dynamics for Hong Kong and Singapore appear to be different from the dynamics in Toronto, Ontario. Toronto shows a very rapid increase in the number of cases between March 31st and April 6th, followed by a {\it significant} slowing in the number of new cases. We explain this as the result of an increase in the diagnostic rate and in the effectiveness of patient isolation after March 26th. Our best estimates are consistent with SARS eventually being contained in Toronto, although the time of containment is sensitive to the parameters in our model. It is shown that despite the empirically modeled heterogeneity in transmission, SARS' average reproductive number is 1.2, a value quite similar to that computed for some strains of influenza \cite{CC2}. Although it would not be surprising to see levels of SARS infection higher than ten per cent in some regions of the world (if unchecked), lack of data and the observed heterogeneity and sensitivity of parameters prevent us from predicting the long-term impact of SARS.

연구 동기 및 목표

• 온타리오, 홍콩, 싱가포르에서 SARS 유행 제어에 있어 진단 및 격리의 역할을 이해하기 위해.
• 세 지역의 유행 데이터를 바탕으로 기본 전파수 R₀와 같은 핵심 전파 매개변수를 추정하기 위해.
• 특히 환자 규명 속도(α)와 격리 효과성(l)을 포함한 통제 조치의 유행 규모 및 지속 기간에 미치는 영향을 평가하기 위해.
• 진단 속도, 격리 효능, 사망률과 같은 핵심 매개변수의 변동에 따른 모델 예측 민감도를 평가하기 위해.
• 데이터 기반 모델링을 통해 현실적인 공중보건 조치 하에서 SARS가 제어될 수 있는지 판단하기 위해.

제안 방법

• 감염자, 잠복기, 전염성, 진단된, 회복된 인구를 추적하는 SEIJR 병행 모델을 사용한다.
• 2003년 4월까지의 온타리오, 홍콩, 싱가포르에서의 보고된 사례 데이터에 기반해 모델 매개변수(α, l, p, q, ρ, N)를 적합시킨다.
• 특히 토론토에서 2003년 3월 26일 이후에 변화하는 진단 및 격리 속도를 반영한 시간에 따라 변하는 변화를 모델에 통합한다.
• 지역 유행 곡선에 대한 데이터 적합을 통해 매개변수 추정을 수행하며, 핵심 매개변수(α 및 l)에 대한 민감도 분석을 실시한다.
• 완벽한 격리와 행동 변화에 의한 전파 감소를 포함한 다양한 통제 시나리오를 비교하기 위해 시뮬레이션을 수행한다.
• 표준 방법을 사용해 R₀를 추정하고, 발표된 값과의 비교를 통해 결과의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 진단 및 격리 속도는 토론토, 홍콩, 싱가포르에서 SARS 유행의 확산과 통제에 어떤 영향을 미치는가?
• RQ2 이 지역에서 SARS의 기본 전파수 R₀는 추정되며, 다른 호흡기 질환과 비교해 어떻게 다른가?
• RQ3 진단 속도(α)와 격리 효과성(l)의 변화가 총 감염자 수와 사망률에 얼마나 큰 영향을 미치는가?
• RQ4 SEIJR 프레임워크에 의해 모델링된 바와 같이, 적시 공중보건 조치로 SARS를 제어할 수 있는가?
• RQ5 사망률(δ), 전파 이질성(ρ), 인구 규모(N)와 같은 핵심 매개변수의 변동에 따라 모델 예측의 민감도는 어떠한가?

주요 결과

• 모델은 SARS에 대해 평균 기본 전파수 R₀ ≈ 1.2로 추정하며, 일부 인플루엔자 항원과 유사하다.
• 토론토에서는 3월 31일에서 4월 6일 사이에 유행이 급격히 증가한 후 둔화되었으며, 이는 3월 26일 이후 진단 및 격리 증가로 인한 것으로 모델이 기인한다.
• α = 1/3 일⁻¹ 및 l = 0.05일 경우 모델은 토론토에서 612명의 진단 환자를 예측하며, 완벽한 격리(l = 0.00)로 인해 이 수치는 396명으로 감소한다.
• 모델은 진단 속도(α)와 격리 효과성(l)에 가장 민감하며, 사망률(δ)은 상대적으로 작은 영향을 미친다. δ를 4%에서 7%로 변화시키면 총 감염자 수가 오직 12% 감소한다.
• 실제로 전파의 이질성이 관찰되었음에도 불구하고, 공격적인 환자 규명과 격리 덕분에 토론토에서 유행 제어 가능성이 있음을 모델이 지지한다.
• 모델은 지역 유행이 유사한 역학을 따를 수 있으며, 극한의 격리와 함께 빠른 진단이 전파와 사망률을 크게 감소시킬 수 있음을 시사한다.