[论文解读] The effectiveness of contact tracing in heterogeneous networks

Sadamori Kojaku, Laurent Hébert‐Dufresne+1 more|arXiv (Cornell University)|May 5, 2020

COVID-19 epidemiological studies被引用 13

一句话总结

本文表明，在异质网络中采用深度的正向与反向接触追踪，能通过利用网络偏倚更有效地定位枢纽节点，显著提升疫情控制效果，优于熟人抽样方法。模拟结果显示，即使检测概率较低，也能几乎完全防止二次传播，优于仅依靠病例隔离的方法。

ABSTRACT

Case isolation and contact tracing is a widely-used intervention method for controlling epidemic outbreaks. Here, we argue that the effectiveness of contact tracing and isolation is likely underestimated by existing studies because they do not take into account the different forms of heterogeneity and sampling biases from the network structure. Specifically, we show that contact tracing can be even more effective than acquaintance sampling at locating hubs. Our results call for the need for contact tracing to go both backward and forward, in multiple steps, to leverage all forms of positive biases. Using simulations on networks with a power-law degree distribution, we show that this deep contact tracing can potentially prevent almost all further transmissions even at a small probability of detecting infected individuals. We also show that, when the number of traced contacts is small, the number of prevented transmission per traced node is even higher---although most traced individuals are healthy---than that from case isolation without contact tracing. Our results also have important consequences for new implementations of digital contact tracing and we argue backward and deep tracing can be incorporated without the important sacrificing privacy-preserving requirements of these new platforms.

研究动机与目标

• 为解决现有研究中因忽略网络异质性与抽样偏倚而导致的接触追踪效果被低估的问题。
• 探究网络结构如何影响接触追踪在控制疾病传播方面的效率。
• 评估在多步范围内进行正向与反向追踪对识别高阶节点（枢纽）的影响。
• 评估在追踪容量有限的情况下，深度接触追踪是否能提升每位被追踪个体的传播预防效率。
• 为保护隐私的数字接触追踪提供依据，表明反向与深度追踪可在不损害隐私核心要求的前提下实现。

提出的方法

• 在具有幂律度分布的网络上模拟疫情传播，以模拟现实世界中的异质性。
• 实施多步正向与反向接触追踪（从索引病例向后追踪，向二次病例向前追踪）。
• 利用网络结构固有的正向抽样偏倚，提高检测高阶节点的可能性。
• 将深度接触追踪的性能与标准病例隔离及熟人抽样方法进行对比。
• 在不同检测概率与追踪容量下，评估每位被追踪节点的传播预防效率。
• 分析数字接触追踪系统中追踪深度与隐私之间的权衡。

实验结果

研究问题

• RQ1 网络异质性如何影响接触追踪在控制疫情中的有效性？
• RQ2 在无标度网络中，深度接触追踪（多步正向与反向追踪）是否能优于熟人抽样方法更有效地定位枢纽节点？
• RQ3 在追踪容量有限的情况下，每位被追踪个体的传播预防效率如何，特别是深度接触追踪的表现？
• RQ4 检测感染者概率的高低如何影响深度接触追踪的整体有效性？
• RQ5 反向与深度追踪在多大程度上可被整合进保护隐私的数字接触追踪平台？

主要发现

• 即使检测感染者概率较低，仅通过多步正向与反向追踪的深度接触追踪，也能几乎完全防止二次传播。
• 由于网络结构固有的正向偏倚，接触追踪在定位枢纽节点方面优于熟人抽样。
• 在追踪容量有限的情况下，深度接触追踪每位被追踪个体所预防的传播数量，高于不进行接触追踪的病例隔离。
• 即使大多数被追踪个体最终被证实为健康，通过利用网络异质性与多步追踪，接触追踪的有效性仍显著提升。
• 反向与深度追踪可被整合进数字接触追踪系统，而不会损害其核心隐私保护要求。