메르스 역학 자료를 이용한 감염 Susceptible-Infected-Removed 모형 구축 = A Construction of Susceptible–Infected–Removed Model using Korean MERS Pandemic Data

다국어 초록 (Multilingual Abstract)

In summer 2015, Korea has a huge problem with MERS (middle east respiratory syndrome) pandemic. According to failure to prevention of the first infectious individual, the first patient was confirmed officially on May 20, 2015. The Korean health authorities officially announced the cease of the pandemic on July 28, 2015. Until that day, totally 186 cases are confirmed with MERS virus, 36 patients died, and 16,991 people are isolated in a hospital or at home by themselves. The number of infection is relatively small, however, the mortality rate is as high as 20%. In this research, we tried to construct statistical modeling for the infectious disease which is infected by human contact. We utilized classical SIR (susceptible–infected–removed) model (Kermack, McKendrick, 1927) for the epidemic model. We utilized MCMC (Markov Chain Monte Carlo) method not only parameter estimation but also imputation of missing information. We considered both contact date and confirmed date to calculate the infectious periods and compared the results between two data sets.

국문 초록 (Abstract)

2015년 여름 우리나라를 강타한 중동 호흡기 증후군(middle east respiratory syndrome; MERS) 전국에 걸쳐 큰 혼란을 일으켰다. 중동 여행을 통해 감염된 최초 감염자에 대한 방역 실패로 인하여 2015년 5월 20일 공식적으로 첫 환자가 확인된 이후 2015년 7월 28일 정부 당국에서 공식적인 확산 종료를 선언할 때까지 총 186명이 확진 판정을 받았고 이 가운데 36명이 사망하였다. 감염자 수는 많지 않으나 치사율이 무려 20%에 육박하였다. 이 기간 총 16,991명이 자가 및 병원에서 격리 상태를 놓였다. 본 연구는 인간의 접촉을 통하여 감염되는 전염성 질환의 수리적인 모형화를 시도하였다. Kermack, McKendrick(1927)에 의한 가장 대표적인 질병 확산 모형인 SIR (susceptible-infected-removed) 모형을 이용하여 모형 구축을 시도하였다. 확산 종료일 기준으로 발생한 결측 자료에 대한 대체 문제를 해결하기 위하여 확률적 가정에서 MCMC(Markov chain Monte Carlo) 방법을 이용하였다. 감염 기간의 계산을 위하여 접촉일 기준과 확진일 기준을 모두 적용하여 구축된 결과에 대한 상호 비교를 진행하였다.

참고문헌 (Reference)

1 서미옥, "확률적 방법을 이용한 질병 확산 모형 추정 방법" 한국자료분석학회 17 (17): 1247-1259, 2015

2 최보승, "확률적 방법에 기반한 화학 반응 모형의 모수 추정 방법" 한국데이터정보과학회 26 (26): 813-826, 2015

3 류수락, "확률적 방법에 기반한 질병 확산 모형의 구축" 한국데이터정보과학회 26 (26): 301-312, 2015

4 이재원, "질병관련유전자와 환경적요인의 상호작용에 관한 모의실험 연구" 한국자료분석학회 8 (8): 927-938, 2006

5 이상구, "신종 인플루엔자의 수학적 모델링" 한국수학교육학회 24 (24): 877-889, 2010

6 황용선, "사회네트워크분석을 이용한 질병 발현 유전자 탐색연구" 한국자료분석학회 15 (15): 677-684, 2013

7 Rodrigue, N., "Uniformization for sampling realizations of Markov processes : applications to Bayesian implementations of codon substitution models" 24 (24): 56-67, 2008

8 Wilkinson, D., "Stochastic modeling fro systems biology" CRC Press 2012

9 Andersson, H., "Stochastic epidemic models and their statistical analysis" Springer 2000

10 황난아, "SIR 비선형 회귀모형을 이용한 질병자료분석" 한국자료분석학회 9 (9): 49-59, 2007

11 Korea Center for Disease Control and Prevention, "Middle East Respiratory Syndrome Coronavirus outbreak in the Republic of Korea" 6 (6): 269-278, 2015

12 WHO, "Middle East Respiratory Syndrome Coronavirus (MERS-CoV)"

13 윤용화, "Lotka-Volterra 모형을 이용한 스마트폰 시장의 경쟁관계 분석" 한국자료분석학회 17 (17): 2955-2967, 2015

14 Choi, B., "Inference for discretely observed stochastic kinetic networks with applications to epidemic modeling" 13 (13): 153-165, 2012

15 Gillespie, D. T., "Exact stochastic simulation of coupled chemical reaction" 81 (81): 2340-2361, 1977

16 Schwartz, E., "Estimating epidemic parameters : Application to H1N1 pandemic data" 270 : 198-203, 2015

17 Boys, R., "Bayesian inference for a discretely observed stochastic kinetic model" 18 (18): 125-135, 2008

18 Kermack, W. O., "A contribution to the mathematical theory of epidemics" 115 (115): 700-721, 1927