[论文解读] Epidemics with asymptomatic transmission: Sub-critical phase from recursive contact tracing

Lorenz Baumgarten, Stefan Bornholdt|arXiv (Cornell University)|Aug 22, 2020

COVID-19 epidemiological studies参考文献 49被引用 4

一句话总结

本文提出一种递归接触追踪算法，以应对具有高无症状传播的流行病（如SARS-CoV-2）。基于具有任意度分布的网络SIR模型，研究表明，即使标准接触追踪因高无症状传播而失效，递归追踪——尤其是更深的递归层级——仍可抑制疫情爆发，识别出应用普及率的关键阈值以及仍可控制的最大无症状传播率。

ABSTRACT

The challenges presented by the COVID-19 epidemic have created a renewed interest in the development of new methods to combat infectious diseases. A prominent property of the SARS-CoV-2 transmission is the significant fraction of asymptomatic transmission. This may influence the effectiveness of the standard contact tracing procedure for quarantining potentially infected individuals. However, the effects of asymptomatic transmission on the epidemic threshold of epidemic spreading on networks are largely unknown. Here we study the critical percolation transition in a simple epidemic network model in the presence of a recursive contact tracing algorithm for instant quarantining. We find that, above a certain fraction of asymptomatic transmission, standard contact tracing loses its ability to suppress spreading below the epidemic threshold. However, we also find that recursive contact tracing opens a possibility to contain epidemics with a large fraction of asymptomatic or presymptomatic transmission. In particular, we calculate the required fraction of network nodes participating in the contact tracing for networks with arbitrary degree distributions and for varying recursion depths and discuss the influence of recursion depth and asymptomatic rate on the epidemic percolation phase transition. We test and illustrate our theoretical results using numerical simulations on infection trees and networks. We anticipate recursive contact tracing to provide a basis for digital, app-based contact tracing tools that extend the efficiency of contact tracing to diseases with a large fraction of asymptomatic transmission.

研究动机与目标

• 研究无症状传播如何影响接触追踪在疫情控制中的有效性。
• 分析递归接触追踪深度对复杂网络中流行病阈值的影响。
• 确定为抑制高无症状传播疫情所需的应用用户临界比例。
• 针对给定的递归深度，确定仍可通过递归追踪控制的最大无症状传播率。

提出的方法

• 在具有任意度分布的网络中建立SIR流行病模型，其中一部分节点（比例为Φ）使用接触追踪应用程序。
• 提出一种递归接触追踪算法，不仅追踪直接接触者，还追踪接触者的接触者，递归深度为r。
• 使用基于矩阵的传播规则，计算每一步时间的隔离节点数，确保回溯时仅考虑未被隔离且使用应用的节点。
• 推导出感染节点被正确隔离的概率表达式，基于递归深度r和无症状传播率。
• 通过在具有不同度分布的感染树和网络上进行数值模拟，验证理论结果。
• 分析临界渗透转变和流行病阈值随递归深度和无症状传播比例的变化关系。

实验结果

研究问题

• RQ1 无症状传播如何影响接触追踪网络中的流行病阈值？
• RQ2 对于给定的递归深度，递归接触追踪可控制的最大无症状传播率是多少？
• RQ3 递归深度如何影响抑制疫情所需的临界应用用户比例？
• RQ4 如果递归深度足够大，递归接触追踪是否能抑制基本再生数任意高的疫情爆发？
• RQ5 网络度分布如何影响在递归追踪下疫情控制的临界阈值？

主要发现

• 递归接触追踪即使在标准接触追踪因高无症状传播而失效时，仍可实现疫情抑制。
• 存在一个应用用户比例（Φ）的临界阈值，其取决于无症状传播率和递归深度。
• 对于任何具有有限无症状传播的疾病，只要递归深度足够大，即可控制疫情，无论基本再生数多高。
• 随着递归深度变浅，可允许的最大无症状传播率降低，但更深的递归可控制具有更高隐匿传播的疾病。
• 在具有多样化度分布的网络上进行的数值模拟，证实了理论预测的临界转变。
• 该模型表明，递归追踪可有效切断传播链，即使无症状感染者在出现症状前已传播病毒。