2019 Fiscal Year Research-status Report
不完全情報あるいは間接的情報に基づく感染性の指標、基本再生産数の推定
| Project/Area Number |
18K17371
|
|---|
| Research Institution | National Center for Global Health and Medicine |
|---|
Principal Investigator |
浅井 雄介 国立研究開発法人国立国際医療研究センター, 国際感染症センター, 研究員 (70779991)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 理論疫学 / 感染症 / 医学統計 |
|---|
| Outline of Annual Research Achievements |
基本再生産数R0は，一人の感染者が生み出す二次感染者数の平均値で与えられ，ワクチン接種率の目標設定や累積罹患率の予測など，感染症制御に係る保健医療政策の判断に欠かせない指標である．しかしながら，感染症の観察データは症候群に基づく患者数データに頼ることが多く，また小規模流行や流行の初期では観察情報が少ないため，R0の推定が困難な事例が多々存在する．本研究では，従来の理想的な観察データに基づくR0の推定を補間可能な不完全情報や間接情報を用いて実現することを目標としており，研究２年目である本年度は以下の研究を行った．
血清データを用いたR0の推定：インフルエンザといった感染症では無症候性の感染者も多いため，実際の報告者数は全感染者の一部であることが知られている．そこで，インフルエンザ流行前と流行後の血清データを基に，観測値の誤差を考慮に入れた解析を行い，抗体価を用いたR0の推定を行った．
報告の遅れを実装したR0の推定：流行初期では感染症が流行しつつあることがまだ広く知られていないことがあり，感染者の報告に遅れが生じる．そのため，報告者数を各時点における感染者とする推定には不確実性が伴う．さらに，流行が認識されることによりマスクの着用や手指衛生の強化といった行動変容がおきるため，感染リスクも一定ではない．本研究では，2020年の1月から始まったCOVID-19のデータを用いて，報告の遅れと感染者および感受性集団の行動変容を実装したモデルを構築し，感染性の推定を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計画では，エボラ出血熱のデータを基に報告の遅れを実装した推定を行う予定であったが，COVID-19の流行があり，より観察時点が多いデータが手に入ったため，COVID-19で報告の遅れを加味したモデルの構築と推定を行った．
実効距離と到着時間を用いた感染性の推定については，本年度は初年度に構築したマルチスケールモデルを活用し，2009年に起きたインフルエンザのパンデミックデータを解析する予定であったが，より詳細なCOVID-19の各国の流行データの収集ができたため，COVID-19のデータを用いて推定を行うこととした．解析データの変更により，当初の計画よりも遅れはあるが，データの大部分は収集できており，順調に研究は進んでいる．
|
| Strategy for Future Research Activity |
COVID-19の流行データを多くの機関がオープン化しているため，研究の計画段階では手に入りづらいと想定していたデータも手に入りつつある．本研究では，麻疹を例に，感染症クラスターの形成過程の時系列変化を数理モデルで捉え，R0の推定を行う計画でいたが，COVID-19のクラスターデータでオープン化されているものもあるため，データの適合度を見つつ，状況に応じて対象の感染症を変えるなどして柔軟に進めていく予定である．
|
