[论文解读] Distribution of outbreak sizes for SIR disease in finite populations

Joel C. Miller|arXiv (Cornell University)|Jul 11, 2019

Plant Virus Research Studies参考文献 25被引用 4

一句话总结

本文提出了一种高效方法，用于计算有限种群中SIR疾病最终疫情规模分布，基于感染后代分布的概率生成函数（PGF）构建三角形线性系统。主要贡献在于提出一个计算上可行的框架，即使在不同分布的繁殖数 $\mathcal{R}_0$ 相似导致可识别性挑战的情况下，也能从观测到的疫情规模中推断传播参数。

ABSTRACT

We consider the spread of a Susceptible-Infected-Recovered (SIR) disease through finite populations and derive an expression for the final size distribution. Our derivation allows arbitrary distributions of the number of transmissions caused by an infected individual. We show how this calculation can be used to infer parameters of the infectious disease through observations in multiple small populations. The inference suffers from some identifiability difficulties, and it requires many observations to distinguish between parameter combinations that correspond to the same reproductive number.

研究动机与目标

• 推导在任意传播分布下，有限种群中SIR动力学的最终疫情规模分布的精确解析表达式。
• 实现从小种群中观测到的疫情规模推断感染后代分布参数。
• 解决当多种分布产生相同基本繁殖数 $\mathcal{R}_0$ 时，传播参数估计中的可识别性问题。
• 将框架扩展至包含多次引入和各代特定感染概率的情形。
• 证明即使真实后代分布形状被误设，$\mathcal{R}_0$ 仍可被可靠估计。

提出的方法

• 将疫情规模分布表述为下三角线性系统 $\mathsf{C}\vec{q} = \vec{1}$ 的解，其中 $\mathsf{C}$ 依赖于感染后代分布的PGF $\mu(x)$。
• 定义系数 $c_{k,M} = \left[\mu\left(\frac{M-1}{N-1}\right)\right]^{-k} \prod_{j=1}^{k-1} \frac{M-j}{N-j}$，以实现高效的递归计算。
• 利用SIR动力学与具有泊松类出度的随机有向多重图之间的等价性，从图论角度建模问题。
• 通过修改后的PGF $\chi(x)$ 引入外部传播，将 $\chi(M/N)$ 纳入分母以调整系数公式。
• 利用 $[\mu(x)]^{i_g}$ 的高阶导数推导各代特定感染概率，条件为易感者和感染者数量。
• 将该框架应用于模拟疫情，以检验推断准确性并评估参数组合的可识别性。

实验结果

研究问题

• RQ1 对于任意感染后代分布，能否在有限SIR种群中精确计算最终疫情规模分布？
• RQ2 在小种群中，能否从观测到的疫情规模高精度推断传播参数？
• RQ3 当不同后代分布具有相同 $\mathcal{R}_0$ 时，其产生的疫情规模分布在多大程度上不可区分？
• RQ4 与仅使用最终规模数据相比，观测多代数据在多大程度上改善了参数推断？
• RQ5 在假设易感性同质化时，从最终规模数据推断传播参数存在哪些局限性？

主要发现

• 通过下三角线性系统 $\mathsf{C}\vec{q} = \vec{1}$ 高效计算最终疫情规模分布，实现快速数值求解。
• 系数 $c_{k,M}$ 可通过递归方式计算，显著降低计算成本，相比直接矩阵求逆。
• 尽管存在可识别性问题，$\mathcal{R}_0$ 仍能从疫情规模数据中准确推断，即使真实后代分布形状被误设。
• 由于疫情概率精度较低，传播的过度分散在小种群中难以检测，需大量观测数据。
• 当假设易感性同质化时，易感性异质性会引入偏差，因为其对最终规模的影响大于对疫情概率的影响。
• 在大种群极限下，模型对 $\mathcal{R}_0$ 的预测仍具鲁棒性，此时最终规模仅取决于 $\mathcal{R}_0$。