[論文レビュー] SARS oubreaks in Ontario, Hong Kong and Singapore: the role of diagnosis and isolation as a control mechanism

Gerardo Chowell, Paul W. Fenimore+2 more|ArXiv.org|Mar 1, 2005

SARS-CoV-2 and COVID-19 Research参考文献 6被引用数 44

ひとこと要約

本研究では、トロント、ホンコン、シンガポールにおけるSARSの伝播動態を分析するためにSEIJR疫学的モデルが用いられ、迅速な診断と隔離が発症拡大を顕著に抑制することを示している。モデルは平均的な基本再生産数R₀ ≈ 1.2を推定し、積極的な症例同定と隔離が流行を抑える可能性を示している。トロントの流行は、タイムリーな公衆衛生的対策のおかげで、おそらく抑制されたと考えられる。

ABSTRACT

In this article we use global and regional data from the SARS epidemic in conjunction with a model of susceptible, exposed, infective, diagnosed, and recovered classes of people (``SEIJR'') to extract average properties and rate constants for those populations. The model is fitted to data from the Ontario (Toronto) in Canada, Hong Kong in China and Singapore outbreaks and predictions are made based on various assumptions and observations, including the current effect of isolating individuals diagnosed with SARS. The epidemic dynamics for Hong Kong and Singapore appear to be different from the dynamics in Toronto, Ontario. Toronto shows a very rapid increase in the number of cases between March 31st and April 6th, followed by a {\it significant} slowing in the number of new cases. We explain this as the result of an increase in the diagnostic rate and in the effectiveness of patient isolation after March 26th. Our best estimates are consistent with SARS eventually being contained in Toronto, although the time of containment is sensitive to the parameters in our model. It is shown that despite the empirically modeled heterogeneity in transmission, SARS' average reproductive number is 1.2, a value quite similar to that computed for some strains of influenza \cite{CC2}. Although it would not be surprising to see levels of SARS infection higher than ten per cent in some regions of the world (if unchecked), lack of data and the observed heterogeneity and sensitivity of parameters prevent us from predicting the long-term impact of SARS.

研究の動機と目的

• オンタリオ、ホンコン、シンガポールにおけるSARS流行の制御における診断と隔離の役割を理解すること。
• 3地域の疫学的データを用いて、基本再生産数R₀を含む主要な伝播パラメータを推定すること。
• 特に症例同定率（α）と隔離効果（l）を含む制御策の実施が、流行の規模と期間に与える影響を評価すること。
• 診断速度、隔離効果、死亡率といった主要パラメータの変動に対するモデル予測の感度を評価すること。
• データ駆動型モデリングを用いて、現実的な公衆衛生的対策のもとでSARSが抑制可能かどうかを特定すること。

提案手法

• 感受性、潜伏、感染性、診断済み、回復者を追跡するSEIJR区分モデルが使用されている。
• 2003年4月までのオンタリオ、ホンコン、シンガポールの報告症例データに合わせて、モデルパラメータ（α、l、p、q、ρ、N）が適合されている。
• 特にトロントにおいて2003年3月26日以降に時間に依存する診断および隔離率の変化がモデルに組み込まれている。
• 地域の流行曲線に合わせたデータ適合を用いてパラメータ推定が行われ、主なパラメータ（αおよびl）の感度分析も実施されている。
• 完全な隔離や行動変容に起因する伝播抑制を想定した異なる制御シナリオのシミュレーションが比較されている。
• 標準的手法を用いてR₀が推定され、発表済みの値と比較することで結果の妥当性が検証されている。

実験結果

リサーチクエスチョン

• RQ1 診断率と隔離率が、トロント、ホンコン、シンガポールにおけるSARS流行の拡大と制御にどのように影響するか？
• RQ2 これらの地域におけるSARSの推定された基本再生産数R₀はどの程度か？他の呼吸器疾患と比較するとどうか？
• RQ3 診断速度（α）と隔離効果（l）の変化が、合計症例数と死亡率にどの程度影響を及えるか？
• RQ4 SEIJRフレームワークによるモデル化において、タイムリーな公衆衛生的対策によってSARSを抑制できるか？
• RQ5 死亡率（δ）、伝播の不均一性（ρ）、人口規模（N）といった主要パラメータの変動に対して、モデル予測はどの程度感度を示すか？

主な発見

• モデルはSARSの平均的な基本再生産数R₀ ≈ 1.2を推定しており、一部のインフルエンザ株と一致する。
• トロントでは、3月31日から4月6日にかけて急激に流行が拡大したが、その後緩やかに減少した。この変化は、3月26日以降の診断・隔離の増加に起因するとモデルが示している。
• α = 1/3 日⁻¹ および l = 0.05 の条件下で、モデルはトロントにおける診断済み症例数を612例と予測している。完全な隔離（l = 0.00）の場合は、この数値が396例にまで減少する。
• モデルは診断速度（α）と隔離効果（l）に対して最も感受性が高く、死亡率（δ）の影響は小さい。δを4％から7％に変更しても、合計症例数はわずか12％減少するにとどまる。
• 観察された伝播の不均一性にもかかわらず、積極的な症例同定と隔離のおかげで、トロントにおける流行の抑制が可能であるとモデルは支持している。
• モデルは、局所的流行が類似したダイナミクスを示す可能性があり、極めて徹底した隔離と迅速な診断が、伝播と死亡率を顕著に低減できることを示唆している。