Disease spread in compartmental spaces: Markov and semi-Markov population models

感染症の研究において、科学者たちは病気が集団内をどのように移動するかを予測するために、古くから数学的モデルに頼ってきました。伝統的なアプローチでは、人々がインクの滴が水の中で渦巻くように、すべての個人が他のすべての個人と出会う等しい確率を持つ、ランダムに混ざり合うことを前提としています。しかし、現実世界はもっと構造化されています。人々はオフィス、学校、病院、ショッピングセンターといった特定の環境を移動し、異なる部屋で異なる時間を過ごし、周囲にいる人々の一部とだけ相互作用します。この空間的な組織化は、人々が絶えずこれらの空間に出入りするという事実と相まって、単純なモデルが見落としがちな複雑な接触の網を作り出しています。換気や共有される空気が伝播に重要な役割を果たす場合、このような閉鎖された区画化された空間における病気の広がり方を理解することは、効果的な公衆衛生戦略を設計する上で極めて重要です。

メキシコの研究チームは、この複雑さをモデル化するための新しい方法を開発し、ランダムな混合という仮定を超えて、建物の具体的なレイアウトと、その中での人々の動きを考慮した枠組みを構築しました。彼らの研究（研究論文として発表）は、接続された部屋のネットワークを通じて感染がどのように広がるかを追跡するための、2つの補完的な数学的アプローチを導入しています。第一のアプローチは、環境を閉鎖系として扱い、決まった数の人々が部屋間を移動しますが、外部からの出入りはありません。より柔軟な第二のアプローチは、環境を開放系として扱い、外部から人々が到着したりいつでも出発したりすることを可能にし、さらに人々がすべての部屋で同じ時間を過ごすわけではないことも考慮に入れています。これらの移動パターンを、病気が感染する特定のメカニズムと組み合わせることで、研究者たちは、ある特定の瞬間における健康な人々、キャリア（媒介者）、および感染者の期待値を算出することができました。

研究者たちは、感染の流れをより正確に理解するために、集団を3つの明確なグループに分けました。第一のグループは、健康であるが病気に感染する可能性がある「感受性保持者」で構成されます。第二のグループは、すでに感染源を体内に保持しており、他者にそれを伝えることができる「キャリア」で構成されます。第三のグループは、システム内にいる間に感染した「感染者」を含みます。このモデルの重要な特徴は、キャリアと新たに感染した人々を区別している点です。研究者たちは、一度システム内で感染すると、その人はすぐに伝染性を持つのではなく、観察されている間は病気を広めることなく「感染者」のカテゴリーに留まると仮定しました。この区別により、モデルは二次感染の連鎖反応ではなく、キャリアから感受性保持者への伝播の瞬間に焦点を絞ることができます。

人々の動きをシミュレートするために、研究者たちは2つの異なる数学的ツールを使用しました。最初のシナリオでは、総人数が変わらない閉鎖された建物における動きをモデル化しました。人々は、次にどの部屋に入るかを決めるためにサイコロを振るゲームのように、固定された確率に基づいて部屋から部屋へと移動します。この閉法系において、研究者たちは各部屋における平均人数と感染が時間の経過とともにどのように広がるかを正確に予測できることを見出しました。彼らは、数千人の仮想の人々を用いたコンピュータ・シミュレーションを実行することで、これらの予測を検証しました。その結果、シミュレーション内の人数が増えるにつれて、実際の結末が数学的な予測とほぼ完璧に一致することが示され、集団の平均的な挙動に関する彼らの公式が正しいことが確認されました。

第二のシナリオは、ほとんどの建物が閉鎖系ではないという現実に焦点を当てました。人々はドアを通って歩いて入ってきたり、出口から出て行ったりし、滞在時間は幅広く変化します。これを捉えるために、研究者たちはより現実的な移動パターンを可能にする「セミ・マルコフ・モデル」を使用しました。この枠組みでは、ある人が部屋で過ごす時間は固定された標準的な平均値ではなく、任意の分布に従うことができます。これは、誰かが待合室で1時間滞在することもあれば、廊下を数秒で駆け抜けることもあるという事実を反映しています。このモデルには、「吸収状態」も含まれており、これは外部の世界を表しています。一度人が吸収状態に達すると、その人はシステムを離れ、戻ってくることはありません。この設定により、研究者たちは、何人の人が中にいるかだけでなく、彼らがどのくらいの期間滞在し、健康な状態、キャリアの状態、あるいは感染した状態でどれほど退出するかを計算することができました。

研究者たちは、この開放型モデルを、2つの部屋と2つの入り口および出口を持つ施設という具体的な例に適用しました。彼らは、ランダムな到着を用いる標準的な統計分布を使用して、健康な人々やキャリアの到着をシミュレートしました。これらのシミュレーションを実行することで、彼らは、各健康カテゴリーの状態で建物から退出する人々の定常状態の数を特定することができました。彼らの発見は、人々の流れと病気の広がりとの間に明確な関係があることを明らかにしました。システムに入るキャリアの数が増えるにつれて、システムから退出する健康な人の数は減少しました。これは、内部での感染がより多く起こっていることを示しています。逆に、感染した状態での入り口の割合が増加すると、感染した状態で退出する人の数も増加しました。

特に興味深い発見は、単一の入り口と出口を持つ施設と、複数の入り口と出口を持つ施設を比較した際に得られました。彼らは、建物の構成が結果に大きく影響することを発見しました。単一の入り口と出口を持つモデルでは、複数の入り口と出口を持つモデルと比較して、システムから退出する健康な人の数が少なく、感染した状態で退出する人の数が多くなりました。このことは、入り口や出口が多いことは、一見直感に反するように思えるかもしれませんが、移動パターンを変え、キャリアとの密接な接触時間を減らすことで、全体的な感染者数を抑制できる可能性があることを示唆しています。

本研究は、空間の物理的構造を人々の動きや疾病伝播のメカニクスと統合することで、アウトブレイクがどのように進化するかについて、より正確な描写を作ることが可能であると結論付けています。研究者によって導き出された数学的表現は、感受性保持者、キャリア、および感染者の期待値を、任意の時点で計算する方法を提供します。これらのツールは、公衆衛生の専門家や政策立案者が、建物のどの部分やどの移動パターンが最大の、リスクをもたらすかを理解するのに役立ちます。現在の研究は理論的な枠組みとシミュレーションに焦点を当てていますが、著者らは、これらのモデルが将来的に、実際の移動データを用いて、複雑で構造化された空間における感染症の広がりを抑えるためのより良い介入策を設計するために、実世界の環境に応用される可能性があると示唆しています。