[논문 리뷰] Exploiting routinely collected severe case data to monitor and predict influenza outbreaks

Alice Corbella, Xu‐Sheng Zhang외 5명|arXiv (Cornell University)|2017. 06. 08.

Influenza Virus Research Studies인용 수 1

한 줄 요약

이 연구는 정기적으로 수집되는 중증 인플루엔자 환자 데이터—특히 영국 중증 인플루엔자 감시 시스템(USISS)의 중환자실 입원 데이터—를 활용하여 전파 역학을 추정하고 실시간으로 유행 경로를 예측하는 베이지안 전염병 모델을 제안한다. 이 모델은 유효 생식수와 같은 핵심 역학적 파라미터를 성공적으로 재구성하며, 학교 방학이 전파에 중대한 영향을 미친다는 것을 드러내며, 이전 면역 데이터를 통합할 경우 예측 정확도가 크게 향상됨을 보여준다.

ABSTRACT

Abstract Background Influenza remains a significant burden on health systems. Effective responses rely on the timely understanding of the magnitude and the evolution of an outbreak. For monitoring purposes, data on severe cases of influenza in England are reported weekly to Public Health England. These data are both readily available and have the potential to provide valuable information to estimate and predict the key transmission features of seasonal and pandemic influenza. Methods We propose an epidemic model that links the underlying unobserved influenza transmission process to data on severe influenza cases. Within a Bayesian framework, we infer retrospectively the parameters of the epidemic model for each seasonal outbreak from 2012 to 2015, including: the effective reproduction number; the initial susceptibility; the probability of admission to intensive care given infection; and the effect of school closure on transmission. The model is also implemented in real time to assess whether early forecasting of the number of admissions to intensive care is possible. Results Our model of admissions data allows reconstruction of the underlying transmission dynamics revealing: increased transmission during the season 2013/14 and a noticeable effect of the Christmas school holiday on disease spread during seasons 2012/13 and 2014/15. When information on the initial immunity of the population is available, forecasts of the number of admissions to intensive care can be substantially improved. Conclusion Readily available severe case data can be effectively used to estimate epidemiological characteristics and to predict the evolution of an epidemic, crucially allowing real-time monitoring of the transmission and severity of the outbreak.

연구 동기 및 목표

• 정기적으로 수집되는 중증 사례 데이터만을 사용하여 계절성 인플루엔자 전파 및 심각도의 핵심 파라미터를 추정하는 것.
• USISS 데이터를 활용하여 중환자실 입원 예측을 실시간으로 수행할 수 있는지 평가하는 것.
• 학년 방학이 인플루엔자 전파 역학에 미치는 영향을 평가하는 것.
• 세부 감시 자료가 제한된 상황에서 중증 사례 데이터의 패닉 대비 준비 잠재력을 탐색하는 것.
• 인구 면역에 대한 이전 정보를 통합함으로써 예측 정확도를 향상시키는 것.

제안 방법

• 스토하스틱 전염병 모델이 USISS에서 관찰된 주간 중환자실 입원 수와 은폐된 인플루엔자 전파를 연결한다.
• 베이지안 추론을 사용하여 유효 생식수(Rn), 초기 감수성, 중환자실 입원 확률 등의 모델 파라미터를 추정한다.
• 학기 동안과 방학 동안의 전파 변화를 반영하기 위해 조각별로 일정한 전파율 모델을 사용한다.
• 2010/11 시즌의 혈청유병률 데이터를 바탕으로 초기 인구 면역에 대한 정보가 있는 사전 분포를 사용한다.
• 모델 성능은 2012–2015년 인플루엔자 시즌에 대해 후행적으로 평가되었으며, 실시간 예측 시나리오에서도 평가되었다.
• 민감도 분석을 통해 중환자실 입원 지연 분포 및 면역 추정치에 대한 사전 가정의 영향을 평가한다.

실험 결과

연구 질문

• RQ1 USISS에서 정기적으로 수집된 중증 사례 데이터를 사용하여 계절성 인플루엔자의 유효 생식수와 전파 역학을 신뢰성 있게 추정할 수 있는가?
• RQ2 이 모델과 이전 면역 데이터를 통합함으로써 중환자실 입원 예측 정확도는 어느 정도 향상될 수 있는가?
• RQ3 학년 방학은 모델이 포착한 인플루엔자 전파의 시기와 강도에 어떻게 영향을 미치는가?
• RQ4 인구 면역에 대한 사전 가정이 모델 추론과 예측 정확도에 어떤 영향을 미치는가?
• RQ5 이 간단한 모델의 성능은 추가 데이터 소스를 사용하는 더 복잡한 모델과 비교해 볼 때 어떻게 되는가?

주요 결과

• 모델은 전파 역학을 성공적으로 재구성하였으며, 2013/14 시즌에 다른 시즌보다 높은 전파율을 보였음을 드러냈다.
• 2012/13 및 2014/15 시즌에서 성탄절 방학이 전파에 뚜렷한 영향을 미친 것으로 확인되었다.
• 유효 생식수(Rn) 추정치는 역학적 기록과 일치하는 계절성 인플루엔자 추세를 반영하고 있었다.
• 초기 인구 면역에 대한 이전 정보를 포함시킬 경우 중환자실 입원 예측 정확도가 크게 향상되었다.
• 모델은 중환자실 입원 데이터만을 사용하여도 신뢰할 수 있는 실시간 예측을 제공하였으며, 운영적 활용 가능성은 입증되었다.
• 고정된 지연 분포와 같은 단순화된 가정에도 불구하고 모델의 성능은 탄탄했다.