[논문 리뷰] Does Social Distancing Matter for Infectious Disease Propagation? An SEIR Model and Gompertz Law Based Cellular Automaton

S. W. Biernacki|arXiv (Cornell University)|2022. 06. 15.

Complex Network Analysis Techniques참고 문헌 53인용 수 6

한 줄 요약

이 연구는 사각형 격자 위에 확률적이고 동시적인 세포자동기 모델을 제안하며, SEIR 전염병 모델과 고프레츠의 사망률 법칙을 통합하여 SARS-CoV-2 전파를 시뮬레이션한다. 감염 전파를 변수화된 이웃 영역 반경과 연령에 따라 달라지는 사망률로 모델링함으로써, 저자들은 상호작용 범위가 넓어질수록 질병 전파가 빨라지고, 잠복기 감염자가 침묵형으로 전파할 경우 고립 조치만으로는 유행을 막을 수 없음을 입증한다. 이는 침묵형 전파를 억제하기 위해 적극적인 검사 전략이 필수적임을 시사한다.

ABSTRACT

In this paper, we present stochastic synchronous cellular automaton defined on a square lattice. The automaton rules are based on the SEIR (susceptible → exposed → infected → recovered) model with probabilistic parameters gathered from real-world data on human mortality and the characteristics of the SARS-CoV-2 disease. With computer simulations, we show the influence of the radius of the neighborhood on the number of infected and deceased agents in the artificial population. The increase in the radius of the neighborhood favors the spread of the pandemic. However, for a large range of interactions of exposed agents (who neither have symptoms of the disease nor have been diagnosed by appropriate tests), even isolation of infected agents cannot prevent successful disease propagation. This supports aggressive testing against disease as one of the useful strategies to prevent large peaks of infection in the spread of SARS-CoV-2-like diseases.

연구 동기 및 목표

• SARS-CoV-2 전파 역학을 현실적으로 모델링할 수 있는 공간적으로 명시적이고 확률적인 세포자동기를 개발하기 위해.
• 실제 사망률 패턴을 반영하기 위해 고프레츠의 법칙을 활용해 연령에 따라 달라지는 사망률을 통합하기 위해.
• 이웃 영역 반경과 잠복기(무증상) 환자로부터의 전파가 유행 전파에 미치는 영향을 조사하기 위해.
• 잠복기 환자가 여전히 감염성을 유지할 경우 고립 전략의 효과를 평가하기 위해.
• 고립 조치가 시행되더라도 대규모 감염 피크를 방지하기 위해 적극적인 검사가 얼마나 필수적인지 평가하기 위해.

제안 방법

• 2차원 사각형 격자 위에 네 가지 상태(감염 가능성 있음: S, 잠복기: E, 감염자: I, 회복자: R)를 가진 확률적이고 동시적인 세포자동기를 정의한다.
• 잠복기 및 감염자로부터의 전파 확률을 각각 pE 및 pI로 제어하며, 각각 별개의 상호작용 반경 rE 및 rI를 가진다.
• 모델은 고프레츠의 법칙에 기반한 연령에 따라 달라지는 사망률 fG(건강한 자) 및 fC(감염자)를 사용하며, 사망 시에는 대체된다.
• 시뮬레이션은 한 명의 '환자 제로'가 잠복기 상태로 초기화되며, 타이퍼라이터 순서로 매일 단위 시간 단계를 거쳐 진행된다.
• 모어 또는 본 네만 구성 방식을 사용해 다양한 사회적 거리두기 수준을 시뮬레이션하기 위해 가변 반경의 이웃 영역을 정의한다.
• 임상 데이터에서 유래한 현실적인 파rameter(잠복기 기간, 회복률 등)를 사용하여 생물학적 타당성을 확보한다.

실험 결과

연구 질문

• RQ1 잠복기 및 감염자 상태의 환자가 확장된 상호작용 반경을 가질 경우, 시뮬레이션된 SARS-CoV-2 유행에서 감염자 수와 사망자 수의 피크가 어떻게 영향을 받는가?
• RQ2 잠복기 환자도 감염성을 유지할 경우, 증상이 있는 환자만 고립하는 것이 유행 전파를 얼마나 효과적으로 막을 수 있는가?
• RQ3 고프레츠의 법칙을 활용해 연령에 따른 사망률을 통합할 경우, 일정한 사망률을 가진 경우와 비교해 유행 궤적에 얼마나 큰 영향을 미치는가?
• RQ4 모델이 현실적인 파rameter 설정 하에서 침묵형 전파와 지연된 피크와 같은 실제 SARS-CoV-2 역학의 주요 특징을 재현할 수 있는가?
• RQ5 무증상 환자로부터의 전파 가능성이 있는 상황에서 적극적인 검사는 대규모 감염 피크 완화에 어떤 역할을 하는가?

주요 결과

• 잠복기 및 감염자 상태의 환자가 모두 더 넓은 이웃 영역 반경을 가질수록 감염자 및 사망자 수가 크게 증가함을 확인하여, 넓은 접촉 네트워크가 유행 전파를 가속화함을 입증한다.
• 증상이 있는 환자들을 엄격히 고립하더라도, 무증상이지만 감염성을 가진 잠복기 환자가 넓은 반경으로 바이러스를 전파할 수 있기 때문에 유행은 성공적으로 확산된다.
• 모델은 무증상 잠복기 환자로부터의 침묵형 전파가 증상 기반 고립 전략에 있어 주요 도전 과제임을 보여준다.
• 세포자동기 모델에 고프레츠의 법칙을 통합함으로써 실제 연령별 사망률 패턴과 일치하는 사망률 패턴을 생성하여 생물학적 현실성과 신뢰도를 향상시킨다.
• 결과적으로, 무증상 자가 확산되기 전에 조기에 발견하고 고립시키기 위해 적극적인 검사와 접촉자 추적 전략이 필수적임을 강조한다.
• 조기이고 광범위한 검사 없이선, 증상이 있는 환자에 대한 고립 조치가 시행되더라도 대규모 유행 피크를 방지하는 데 실패함을 모델이 입증한다.