[논문 리뷰] Scaling in the global spreading patterns of pandemic Influenza A (H1N1) and the role of control: empirical statistics and modeling

Xiao-Pu Han, Bing-Hong Wang외 3명|arXiv (Cornell University)|2009. 12. 08.

COVID-19 epidemiological studies참고 문헌 48인용 수 3

한 줄 요약

이 논문은 세부 바이로로지적 또는 접촉 네트워크 데이터 없이도 집합적 데이터를 사용하여 글로벌 팬데믹 확산에서의 스케일링 법칙—지프의 법칙과 히프스의 법칙—을 설명하는 제어 인식 모델을 제안한다. 이는 고도로 이동하는 지역에 대한 대응 조치가 글로벌 확산을 지연시키며, 지역 유포가 시작된 후에는 지역적 통제가 핵심이 되며, 공중보건 의사결정에 실질적인 전략을 제공한다.

ABSTRACT

Background: The pandemic of influenza A (H1N1) is a serious on-going global public crisis. Understanding its spreading dynamics is of fundamental importance for both public health and scientific researches. Recent studies have focused mainly on evaluation and prediction of on-going spreading, which strongly depends on detailed information about the structure of social contacts, human traveling patterns and biological activity of virus, etc. Methodology/Principal Findings: In this work we analyzed the distributions of confirmed cases of influenza A (H1N1) in different levels and find the Zipf's law and Heaps' law. Similar scaling properties were also observed for severe acute respiratory syndrome (SARS) and bird cases of H5N1. We also found a hierarchical spreading pattern from countries with larger population and GDP to countries with smaller ones. We proposed a model that considers generic control effects on both the local growth and transregional transmission, without the need of the above mentioned detailed information. We studied in detail the impact of control effects and heterogeneity on the spreading dynamics in the model and showed that they are responsible for the scaling and hierarchical spreading properties observed in empirical data. Conclusions/Significance: Our analysis and modeling showed that although strict control measures for interregional travelers could delay the outbreak in the regions without local cases, the focus should be turned to local prevention after the outbreak of local cases. Target control on a few regions with the largest number of active interregional travelers can efficiently prevent the spreading. This work provided not only a deeper understanding of the generic mechanisms underlying the spread of infectious diseases, but also some practical guidelines for decision makers to adopt suitable control strategies.

연구 동기 및 목표

• 바이러스 특유의 생물학적 세부 정보에 의존하지 않는 글로벌 팬데믹 확산의 보편적 스케일링 패턴을 이해한다.
• 특히 이동 제한 및 지역 간섭 조치와 같은 통제 조치가 관측된 확산 역학을 어떻게 형성하는지 규명한다.
• 세부적인 접촉 또는 이동 데이터에 의존하지 않는 최소한의 모델을 개발하여 실증 스케일링 법칙을 재현한다.
• 통제 전략과 관측 가능한 확산 패턴을 연결하여 공중보건 정책에 실질적인 통찰을 제공한다.
• 고소득·고인구 국가에서부터 작은 국가로 향하는 계층적 확산 패턴을 밝히고, 제어 메커니즘을 통해 그 기원을 설명한다.

제안 방법

• 정규화된 지프 플롯을 사용하여 국가 간 누적 사례 분포를 경험적으로 분석하여 힘의 법칙 스케일링을 탐지한다.
• 히프스의 법칙을 적용하여 시간이 지남에 따라 영향을 받는 지역 수의 증가를 정량화하며, 부분선형 스케일링을 관찰한다.
• 지역 억제(지역 전파율 감소)와 지역 간 제어(고이동성 노드를 통한 전파 감소)의 두 가지 제어 메커니즘을 포함한 확률 모델을 제안한다.
• 국가를 노드로, 간선 가중치는 지역 간 이동 강도를 반영하는 이질적 네트워크 구조를 도입한다.
• 제어 효과를 시간에 따라 변화하는 전파율 감소로 모델링하며, 이는 이동량이 높은 노드에 더 큰 영향을 미친다.
• 수치 시뮬레이션을 통해 현실적인 제어 시나리오 하에서 모델이 관측된 지프의 법칙과 히프스의 법칙을 재현함을 검증한다.

실험 결과

연구 질문

• RQ1 H1N1, SARS, H5N1 등 다양한 팬데믹에서 동일한 스케일링 법칙—지프의 법칙과 히프스의 법칙—이 나타나는가? 이는 보편적 역학을 시사하는가?
• RQ2 국경 점검 및 이동 제한과 같은 통제 조치가 팬데믹 확산에서 스케일링 법칙의 출현에 어떤 영향을 미치는가?
• RQ3 세부 생물학적 또는 접촉 데이터 없이도 최소한의 모델이 관측된 글로벌 확산 패턴을 재현할 수 있는가?
• RQ4 글로벌 확산을 지연시키거나 억제하는 데 있어 고이동 지역 통제와 지역 전파 통제의 상대적 영향은 어떠한가?
• RQ5 왜 확산이 고소득·고인구 국가에서부터 작은 국가로 계층적으로 퍼지는가? 제어는 이 과정에서 어떤 역할을 하는가?

주요 결과

• 초기 단계에서 국가 간 확진자 분포는 지프의 법칙에 따라 힘의 법칙을 따르며, 지수 α ≈ 3.0을 보이며, 이후 α ≈ 1.7로 변화함으로써 제어 및 전파 역학의 변화를 반영한다.
• 시간이 지남에 따라 영향을 받는 국가 수의 증가가 부분선형으로 나타나 히프스의 법칙이 관찰되었으며, 이는 글로벌 확산 잠재력의 제한성을 반영한다.
• 계층적 확산 패턴이 확인되었으며, 고소득·고인구 국가가 조기 확산자로 더 높은 가능성을 지닌 것으로 나타나, 상향식 전파 캐스케이드를 시사한다.
• 제안된 모델은 지역 전파 및 지역 간 이동에 대한 제어 효과를 통합함으로써 지프의 법칙과 히프스의 법칙을 성공적으로 재현하였으며, 세부 이동 또는 접촉 데이터에 의존하지 않는다.
• 이동량이 가장 많은 소수의 국가에 대한 표적적 통제는 글로벌 유행의 시작을 크게 지연시키며, 낮은 비용으로도 높은 효율성을 보인다.
• 지역 전파가 시작된 후에는 지역 간 통제에서 지역 억제로의 초점을 전환하는 것이 더 효과적이며, 이는 지역 억제가 확산 억제에 있어 주요 요소가 되기 때문이다.