[논문 리뷰] Stochasticity in pandemic spread over the World Airline Network explained by local flight connections

Glenn Lawyer|arXiv (Cornell University)|2015. 04. 22.

COVID-19 epidemiological studies참고 문헌 24인용 수 12

한 줄 요약

이 논문은 세계 항공망에서 팬데믹 확산의 초기 단계에서 나타나는 확률적 변동성을 설명하기 위해 각 공항 주변의 국지적 네트워크 구조를 정량화함으로써 항공역기대력(AEF) 지표를 제안한다. 메타집단 시뮬레이터를 사용하여 AEF는 팬데믹 능력(r = 0.90)과 팬데믹 상태 도달 시간(r = 0.85)과 강하게 상관되며, 모델의 변형에도 불구하고 강건함을 입증한다.

ABSTRACT

Massive growth in human mobility has dramatically increased the risk and rate of pandemic spread. Macro-level descriptors of the topology of the World Airline Network (WAN) explains middle and late stage dynamics of pandemic spread mediated by this network, but necessarily regard early stage variation as stochastic. We propose that much of early stage variation can be explained by appropriately characterizing the local topology surrounding the debut location of an outbreak. We measure for each airport the expected force of infection (AEF) which a pandemic originating at that airport would generate. We observe, for a subset of world airports, the minimum transmission rate at which a disease becomes pandemically competent at each airport. We also observe, for a larger subset, the time until a pandemically competent outbreak achieves pandemic status given its debut location. Observations are generated using a highly sophisticated metapopulation reaction-diffusion simulator under a disease model known to well replicate the 2009 influenza pandemic. The robustness of the AEF measure to model misspecification is examined by degrading the network model. AEF powerfully explains pandemic risk, showing correlation of 0.90 to the transmission level needed to give a disease pandemic competence, and correlation of 0.85 to the delay until an outbreak becomes a pandemic. The AEF is robust to model misspecification. For 97% of airports, removing 15% of airports from the model changes their AEF metric by less than 1%. Appropriately summarizing the size, shape, and diversity of an airport's local neighborhood in the WAN accurately explains much of the macro-level stochasticity in pandemic outcomes.

연구 동기 및 목표

• 초기 팬데믹 확산 결과의 확률적 변동성을 설명하기 위해, 이는 일반적으로 무작위로 간주되지만 실제로는 초기 발병 위치에 의해 영향을 받는다.
• 공항의 국지적 네트워크 이웃 구조가 팬데믹 위험에 미치는 영향을 잘 반영하는 단순하고 강건한 지표를 개발하기 위해.
• 단일 지표인 AEF가 주어진 공항에서 팬데믹 확산의 전파 능력 임계값과 팬데믹 상태 도달 시간을 정확하게 예측할 수 있는지 테스트하기 위해.
• 기본 네트워크 데이터가 열악한 경우에도 AEF의 강건성을 평가하기 위해.
• 복잡한 시뮬레이션 없이도 네트워크 구조만으로도 높은 위험도를 가진 공항을 식별함으로써 팬데믹 대비 능력을 향상시키기 위해.

제안 방법

• 공개된 OpenFlights 데이터베이스(2014년 버전)를 활용하여 정기적인 여객 항공편에 중점을 두고 세계 항공망(WAN) 모델을 구축한다.
• 항공역기대력(AEF)은 각 공항에서 시작된 팬데믹이 유도하는 기대 감염력으로, 최대 2단계 이내의 국지적 이웃의 크기, 밀도, 다양성을 통합하여 계산된다.
• 2009년 H1N1 인플루엔자 팬데믹을 재현하는 질병 모델을 적용한 고도로 세밀한 메타집단 반응-확산 시뮬레이터(GLEaMvis)를 사용하여 팬데믹 확산을 시뮬레이션한다.
• AEF는 시뮬레이션 결과와의 비교를 통해 검증되며, 팬데믹 능력에 필요한 최소 전파율과 팬데믹 상태 도달 시간을 예측한다.
• 15%의 공항을 WAN 모델에서 체계적으로 제거하고, 97%의 공항에서 AEF 값의 변화를 측정함으로써 강건성을 테스트한다.
• AEF 프레임워크는 간선 가중치 조정을 통해 개별 공항에서의 전파 능력의 가변성을 수용할 수 있도록 개념적으로 확장되어, 지역적 요소인 인구 밀도나 의료 역량과 같은 요소를 통합할 수 있다.

실험 결과

연구 질문

• RQ1 WAN 내 공항의 국지적 네트워크 이웃의 구조가 팬데믹 확산 결과의 초기 단계에서 나타나는 확률적 변동성을 어느 정도 설명할 수 있는가?
• RQ2 항공역기대력(AEF) 지표는 주어진 공항에서 팬데믹 능력을 달성하기 위해 필요한 최소 전파율을 어느 정도 정확하게 예측하는가?
• RQ3 AEF는 주어진 발병 지점에서 팬데믹이 세계적으로 정착하기까지의 시간 지연을 어느 정도 정확하게 예측하는가?
• RQ4 기본 항공망 데이터의 오류나 누락에 대해 AEF 지표는 어느 정도 강건한가?
• RQ5 AEF는 지역 전파율이나 의료 체계 준비도와 같은 지역적 이질성을 통합할 수 있는가?

주요 결과

• AEF 지표는 주어진 공항에서 팬데믹 능력을 달성하기 위해 필요한 최소 전파율과 0.90의 강한 상관관계를 보인다.
• AEF는 팬데믹 능력이 있는 유행이 팬데믹 상태에 도달하기까지의 시간 지연과 0.85의 상관관계를 보이며, 초기 역학에 대한 강력한 예측 능력을 나타낸다.
• AEF 지표는 매우 강건하다: 전체 공항의 97%에서 네트워크의 15%를 제거해도 AEF 값의 변화가 1% 미만으로 유지된다.
• PBJ(바누아투)와 NRT(도쿄)와 같은 이질적 공항들은 데이터 품질과 모델 가정의 한계를 드러내며, 특히 국지적 네트워크 공동체가 세계 네트워크에서 분리되어 있을 경우 특히 문제가 된다.
• AEF는 전통적인 지표인 차수나 중심성 지표보다 국소 이웃의 크기, 밀도, 다양성을 통계적으로 일관된 방식으로 통합함으로써 우수한 성능을 보인다.
• 간선 가중치 조정을 통해 전파 능력의 가변성을 수용할 수 있도록 프레임워크를 확장할 수 있으며, 인구 밀도나 의료 역량과 같은 지역 epidemiological 요소를 통합할 수 있다.