[논문 리뷰] The role of directionality, heterogeneity and correlations in epidemic risk and spread

Antoine Allard, Cristopher Moore외 3명|arXiv (Cornell University)|2020. 05. 22.

COVID-19 epidemiological studies인용 수 11

한 줄 요약

이 논문은 접촉 네트워크의 방향성, 이질성 및 상관관계가 전염병 위험과 전파에 미치는 영향을 조사하며, 입도(in-degree, 위험)와 퇰도(out-degree, 전파)의 공동 분포가 복제 수와 전파 규모에 결정적인 영향을 미친다는 것을 보여준다. 이는 실제 네트워크에서 흔한 상관관계가 있는 무거운 尾(heavy-tailed)도 분포가 표준 질량행동 모델에서 크게 벗어날 수 있음을 시사하며, 초전파 사건을 대상으로 한 맞춤형 접촉 추적 및 개입 전략이 필요하다는 것을 시사한다.

ABSTRACT

Most models of epidemic spread, including many designed specifically for COVID-19, implicitly assume mass-action contact patterns and undirected contact networks, meaning that the individuals most likely to spread the disease are also the most at risk to receive it from others. Here, we review results from the theory of random directed graphs which show that many important quantities, including the reproduction number and the epidemic size, depend sensitively on the joint distribution of in- and out-degrees ("risk" and "spread"), including their heterogeneity and the correlation between them. By considering joint distributions of various kinds, we elucidate why some types of heterogeneity cause a deviation from the standard Kermack-McKendrick analysis of SIR models, i.e., so-called mass-action models where contacts are homogeneous and random, and some do not. We also show that some structured SIR models informed by realistic complex contact patterns among types of individuals (age or activity) are simply mixtures of Poisson processes and tend not to deviate significantly from the simplest mass-action model. Finally, we point out some possible policy implications of this directed structure, both for contact tracing strategy and for interventions designed to prevent superspreading events. In particular, directed graphs have a forward and backward version of the classic "friendship paradox" -- forward edges tend to lead to individuals with high risk, while backward edges lead to individuals with high spread -- such that a combination of both forward and backward contact tracing is necessary to find superspreading events and prevent future cascades of infection.

연구 동기 및 목표

• 방향성, 이질성 및 접촉 네트워크의 상관관계가 표준 질량행동 가정을 초월하여 전파 역학에 미치는 영향를 이해하는 것.
• 네트워크 구조로 인해 전파 모델이 고전적 SIR/커맥-맥켄드릭 분석에서 벗어나게 되는 조건을 규명하는 것.
• 지향적 네트워크 구조가 접촉 추적 및 초전파 사건 억제에 미치는 영향을 평가하는 것.
• 무작위 지향 그래프에서 입도 및 퇴도 분포의 상관관계를 고려한 전파 모델링 프레임워크를 개발하는 것.
• 활동 또는 연령군 기반의 구조적 SIR 모델이 평균장 근사에 비해 타당한지 평가하는 것.

제안 방법

• 전파 네트워크를 모델링하기 위해 무작위 지향 그래프 이론을 사용하며, 간선은 개인 간 잠재적 전파를 나타낸다.
• 확률 생성 함수(PGFs)를 적용하여 공동 입도 및 퇴도 분포를 특성화하고, 전파 임계점과 규모를 유도할 수 있도록 한다.
• 입도 및 퇴도 간 상관관계를 갖는 매개변수화된 공동 도수 분포 가족을 도입하며, $ a \in [0,1] $의 상관관계 매개변수를 통해 독립적에서 완전히 상관된 상태로의 보간을 가능하게 한다.
• 기본 복제 수 $ R_0 $ 를 $ R_0 = (1-a)\langle k_{\text{in}} \rangle + a \frac{\langle k_{\text{out}}^2 \rangle}{\langle k_{\text{in}} \rangle} $ 로 유도하며, 도수 분산과 상관관계에 대한 의존성을 보여준다.
• 입도 및 퇴도 간 상관관계가 있는 이중 유형의 포아송 혼합 모델에 이 형식을 적용하며, 행렬 스펙트럼 반경을 사용해 $ R_0 $ 를 계산하고, PGF 시스템을 통해 전파 규모를 해석한다.
• 지향 네트워크에서의 친구 패러독스를 적용: 전진 간선은 높은 위험 개인으로 연결되며, 역행 간선은 높은 전파 능력 개인으로 연결되며, 이는 双방향 접촉 추적의 필요성을 시사한다.

실험 결과

연구 질문

• RQ1 입도(위험)와 퇴도(전파) 간 상관관계가 지향 네트워크에서 전파 임계점과 규모에 어떻게 영향을 미치는가?
• RQ2 네트워크 이질성이 어떤 조건에서 표준 질량행동 SIR 모델에서 벗어나게 되는가?
• RQ3 활동 또는 연령군 기반의 구조적 SIR 모델이 네트워크 구조가 있음에도 불구하고 왜 종종 평균장 모델처럼 행동하는가?
• RQ4 지향 네트워크 구조는 초전파 사건을 탐지하기 위한 더 효과적인 접촉 추적 전략을 어떻게 안내하는가?
• RQ5 입도 및 퇴도의 공동 분포가 기본 복제 수 $ R_0 $ 를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 기본 복제 수 $ R_0 $ 는 평균 입도 외에도 퇴도 분포의 두 번째 모멘트와 입도 및 퇴도 간 상관관계에 의존한다.
• 만일 $ a = 1 $ 이면 입도와 퇴도가 완전히 상관되며, $ R_0 = \frac{\langle k_{\text{out}}^2 \rangle}{\langle k_{\text{in}} \rangle} $ 로 표현되며, 도수 분산에 강하게 의존함을 보여준다.
• 상관관계가 없는 네트워크($ a = 0 $)의 경우 $ R_0 = \langle k_{\text{in}} \rangle $ 로 줄어들며, 평균장 경우로 수렴한다.
• 전파 규모 $ \mathcal{S} $ 는 공동 도수 분포와 상관관계 매개변수 $ a $ 에 의존하는 PGF 방정식 시스템을 통해 계산되며, 이중 유형의 포아송 혼합 모델에 대해 명시적 해가 도출되었다.
• 지향 네트워크에서의 친구 패러독스는 전진 간선(감염자에서 회복자로)이 높은 위험 개인으로 연결되며, 역행 간선(회복자에서 감염자로)은 높은 전파 능력 개인을 가리키므로, 이중 방향 접촉 추적의 필요성을 시사한다.
• 활동 유형의 포아송 혼합 모델(예: 연령 또는 행동 집단) 기반의 모델은 일반적으로 평균장 모델처럼 행동하며, 입도 및 퇴도 간 강한 상관관계가 존재하지 않는 한 표준 SIR 예측에서 크게 이탈하지 않는다.