COVID-19 감염 이질성에 관한 실증분석
Data Analysis on COVID-19 Infection Heterogeneity
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
현재 전 세계적으로 COVID-19가 광범위하게 전파되고 있다. 본 연구에서는 우리나라 COVID-19의 감염 이질성을 추정하고, 이를 근거로 질병 예방과 통제에 대한 정책적 시사점을 제시하는 데 있다. 본 연구의 실증분석을 위하여 질병학과 생물학에서 감염 이질성을 분석하는 음 이항분포 매개 변수의 추정 방법인 최우도 추정량(MLE)을 비롯하여 보완적으로 베이지안 추정 방법을 적용하였다. 본 연구에서 수행한 추정 결과를 요약하면 다음과 같다. 첫째, 우리나라 COVID-19 감염 이질성을 나타내는 추정치는 최우도 추정량에서는 0.27, 베이지안 깁스 표본을 적용하면 0.27 그리고 베이지안 변동 추정량을 적용하면 0.26으로 나타났다. 이 추정치는 다른 나라를 대상으로 수행한 기존 연구의 평균인 0.5보다 낮게 나타났다. 반면 유사한 질병 계열일 MERS-CoV보다 높게 나타났다. 둘째, 이 추정 결과를 기반으로 계산하면 우리나라 전체 감염자 80%를 감염자의 20%가 감염시키는 것으로 볼 수 있었다. 마지막으로 감염 이질성 추정 결과를 바탕으로 질병 예방 및 통제에 대한 정책적 시사점을 간단하게 제시하였다.
Abstract
Currently, COVID-19 is spreading widely around the world. This study is to estimate the infection heterogeneity of COVID-19 in Korea, and to present policy implications for disease prevention and control based on the empirical results. For the empirical analysis of this study, the Bayesian estimation method is applied complimentary, including the maximum likelihood estimator (MLE), which is a method of estimating negative binomial distribution parameters that analyze infection heterogeneity in disease and biology. The summary of the estimation results performed in this study is as follows. First, the estimate of COVID-19 infection heterogeneity in Korea is 0.27 for the maximum likelihood estimator, 0.27 for the Bayesian Gibbs sample, and 0.26 for the Bayesian variation estimator. This estimate is higher than 0.5, the average of previous studies conducted in other countries. On the other hand, it is more homogeneous than MERS-CoV, a similar disease family. Second, if calculated based on this estimation result, it could be seen that 80% of all infected people in Korea were infected by 20%. Finally, the policy implications for disease prevention and control are briefly presented based on the results of the estimation of infection heterogeneity.
참고문헌 (15)
- 신종 및 원인불명 감염병 환자 및 슈퍼전파자 수학예측모형 개발, "이선미", 경희대산학협력단, ~ (2016)
- 조상섭, "세계 감염 데이터를 활용한 감염 확률분포 연구", 기술경영, 6(1), pp.179~194 (2021), 국가미래기술경영연구소
- Adam, D., "Clustering and Superspreading Potential of SARS-CoV-2Infections in Hong Kong", 26, pp.1714~1719 (2020)
- Beal, M. J., "Variational Algorithms for Approximate Bayesian Inference", PhD, pp.2003
- Bi, Q., "Epidemiology and Transmission of COVID-19 in Shenzhen China: Analysis of 391 Cases and 1286 of Their Close Contacts", medRxiv (2020)[DOI]
- Bradlow, E. T., "Bayesian Inference for the Negative Binomial Distribution via Polynomial Expansions", Journal of Computational and Graphical Statistics (2020)
- Endo, A., "Estimating the Overdispersion in COVID-19 Transmission using Outbreak Sizes Outside China", Wellcome Open Research (2020)[DOI]
- Lau, M., "Characterizing superspreading events and age-specific infectiousness of SARS-CoV-2 transmission in Georgia, USA", PNAS, 36, pp.22430~22435 (2020)[DOI]
- Laxminarayan, R., "Epidemiology and Transmission Dynamics of COVID-19 in Two Indian States", Science (2020)[DOI]
- Lloyd-Smith J., "Superspreading and the Effect of Individual Variation on Disease Emergence", Nature, 438, pp.355~359 (2005)
- Riou, J, "Pattern of Early Human-to-human Transmission of Wuhan 2019 Novel Coronavirus (2019-nCoV), December 2019 to January 2020", Eurosurveillance, 25 (2020)[DOI]
- Saha, K., "Bias-corrected Maximum Likelihood Estimator of the Negative Binomial Dispersion Parameter", Biometrics (2005)
- Sun, K, "Transmission Heterogeneities, Kinetics, and Controllability of SARSCoV-2", Science (2020)[DOI]
- Williamson, S., "The IBP Compound Dirichlet Process and Its Application to Focused Topic Modeling", ICML, pp.1151~1158 (2010)
- Zhou, M., "Lognormal and Gamma Mixed Negative Binomial Regression", International Conference on Machine Learning (2020)