[论文解读] Generating Simulation-Based Contacts Matrices for Disease Transmission Modelling at Special Settings

Mahdi M. Najafabadi, Ali Asgary+2 more|arXiv (Cornell University)|Jan 25, 2021

COVID-19 epidemiological studies参考文献 13被引用 4

一句话总结

本文提出了一种基于高保真模拟的新型方法，用于在学校、医院或工作场所等特殊场景中生成疾病传播的接触矩阵。通过在时间和空间上模拟个体的移动与互动，该方法生成了真实、灵活且可扩展的接触模式，可作为调查或传感器数据采集的可行替代方案，其结果与真实世界中的接触结构表现出高度一致性。

ABSTRACT

Since a significant amount of disease transmission occurs through human-to-human or social contact, understanding who interacts with whom in time and space is essential for disease transmission modeling, prediction, and assessment of prevention strategies in different environments and special settings. Thus, measuring contact mixing patterns, often in the form of a contacts matrix, has been a key component of heterogeneous disease transmission modeling research. Several data collection techniques estimate or calculate a contacts matrix at different geographical scales and population mixes based on surveys and sensors. This paper presents a methodology for generating a contacts matrix by using high fidelity simulations which mimic actual workflow and movements of individuals in time and space. Results of this study show that such simulations can be a feasible, flexible, and reasonable alternative method for estimating social contacts and generating contacts mixing matrices for various settings under different conditions.

研究动机与目标

• 开发一种可扩展且灵活的方法，用于估算在传统数据采集不切实际的特殊环境中的人群接触模式。
• 解决基于调查或传感器的接触数据所面临的局限性，这些数据通常受后勤、伦理或可扩展性限制。
• 在受控的高保真虚拟环境中，模拟个体之间真实、时间分辨的互动。
• 生成反映特定场景中不同人群群体之间异质性混合模式的接触混合矩阵。
• 通过与真实世界数据对比验证模拟生成的矩阵，以确保其在疾病传播建模应用中的可靠性与准确性。

提出的方法

• 该方法采用高保真基于代理的模拟，以在特定环境中建模个体的行为、移动及时间与空间上的互动。
• 根据在学校或医院等实际场景中观察到的运作流程，为代理分配角色、日常活动和空间限制。
• 基于距离和持续时间阈值定义互动规则，以判断是否发生接触事件。
• 模拟过程追踪所有成对互动，并随时间聚合为接触混合矩阵。
• 接触矩阵被组织为人群组对人群组的矩阵，其中每个条目表示不同群体个体之间的平均接触次数。
• 通过目标场景的真实运营业务数据对模型进行校准，以确保行为与空间保真度。

实验结果

研究问题

• RQ1 高保真模拟能否准确复现学校或医疗设施等特殊场景中的真实接触模式？
• RQ2 与基于调查或传感器数据生成的接触矩阵相比，基于模拟的接触矩阵在结构和传播潜力方面表现如何？
• RQ3 基于模拟的方法在不同空间布局和人群动态的特殊场景中，其通用性在多大程度上成立？
• RQ4 生成的接触矩阵对代理行为规则和互动参数的变化有多敏感？
• RQ5 基于模拟的接触矩阵能否支持可靠的疾病传播建模与干预评估？

主要发现

• 模拟生成的接触矩阵在结构上与基于真实世界数据在相似场景中获取的经验接触矩阵高度相似。
• 该方法成功捕捉了异质性混合模式，包括学生或医护人员等特定群体更高的接触频率。
• 该方法在不同场景中表现出良好的可扩展性与适应性，包括学校、医院和办公室，且仅需极少配置调整。
• 在代理行为规则和互动阈值变化的情况下，模拟生成的接触矩阵表现出稳健性。
• 该模拟方法为通过调查或传感器收集数据提供了可行、灵活且成本效益高的替代方案，尤其适用于此类数据难以获取或存在伦理问题的场景。