Journal of the Korea Society for Simulation (한국시뮬레이션학회논문지)

The Korea Society for Simulation (한국시뮬레이션학회)
권호 표지
DOI QR코드

DOI QR Code

Interregional Epidemic Model with Multi-Group Compartmental Model

다 집단 구획모델을 적용한 지역 간 감염모델

  • Received : 2021.06.22
  • Accepted : 2021.09.03
  • Published : 2021.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

To explain the interregional infections in COVID-19, we designed a multi-group compartmental model by applying the SEIQRD model, a compartmental model of a single group. The model is segmented by compartments to account for hidden infections, such as latent periods and asymptomatic cases, and is capable of comparing infection indices and test rates between regions. Through this, it estimated which region was centered during the second wave in August 2020 and the third wave in November 2020. Subgroups were set up in Seoul, Gyeonggi (including Incheon), and a non-metropolitan area. We fit the model to the Ministry of Health and Welfare's data to estimate the average infection index between regions, average rate of rT-PCR test by region, and the expected number of hidden infections by region.

코로나바이러스감염증-19의 지역 간 감염확산을 설명하기 위해 단일 집단의 구획모델(compartmental model)인 SEIQRD 모델을 응용하여 다 집단(multi-group) 구획모델을 설계하였다. 이 모델은 구획을 세분화하여 잠복기 및 무증상자와 같은 숨은 감염자에 대한 설명이 가능하며 각 지역 간 감염지수와 검사율을 비교할 수 있다. 이를 통해 2020년 8월 2차 대유행과 11월 3차 대유행 시기에 어느 지역을 중심으로 전파가 이뤄졌는지 추정해보았다. 대한민국 국민 전체를 모집단으로 두었을 때 하위집단(subgroup)을 서울, 경기+인천, 비수도권으로 설정하였다. 데이터는 보건복지부의 '코로나 19국내발생 현황'을 참고하여 격리중인 인원, 누적 사망인원, 완치(격리해제)인원을 적합시켜 지역 간 감염지수와 지역별 감염자들의 평균 검사율, 지역별 평균 완치기간, 지역별 예상되는 숨은 감염자 수를 추정하였다.

Keywords

Acknowledgement

본 논문은 육군사관학교 화랑대연구소의 2021년도 논문 게재 지원을 받아 연구되었음.

References

  1. J. Dolbeault and G. Turinici, "Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model", Mathematical Modelling of Natural Phenomena, 15, page 36, 2020. https://doi.org/10.1051/mmnp/2020025
  2. Lee, H., Kim, K., Choi, K., Hong, S., Son, H., & Ryu, S., "Incubation period of the coronavirus disease 2019 (COVID-19) in Busan, South Korea", Journal of infection and chemotherapy : official journal of the Japan Society of Chemotherapy, 26 (9), 1011-1013, 2020. https://doi.org/10.1016/j.jiac.2020.06.018
  3. Matthew Newville, Till Stensitzki, Daniel B Allen, Antonino Ingargiola, "LMFIT: Non-Linear Least-Square Minimization and Curve-Fitting for Python", Astrophysics Source Code Library, 2014.
  4. Strutz, T., Data Fitting and Uncertainty : A Practical Introduction to Weighted Least Squares and Beyond (2nd ed.), Springer Vieweg, pp. 230-234, 2016.
  5. Toshikazu Kuniya, Jinliang Wang, Hisashi Inaba, "A multi-group SIR epidemic model with age structure", Discrete & Continuous Dynamical Systems - B, 21 (10), 3515-3550, 2016. https://doi.org/10.3934/dcdsb.2016109
  6. Yuguo Lin, Daqing Jiang, "Dynamics of a Multigroup SIR Epidemic Model with Nonlinear Incidence and Stochastic Perturbation", Abstract and Applied Analysis, vol. 2013, Article ID 917389, 12 pages, 2013.
  7. Zhao, ZY., Zhu, YZ., Xu, JW. et al., "A five-compartment model of age-specific transmissibility of SARS-CoV-2", Infect Dis Poverty 9, 117, 2020. https://doi.org/10.1186/s40249-020-00735-x
  8. 보건복지부, "코로나19 국내발생 현황(보도참고자료)", 2020년 8월 12일 ~ 25일, 2020년 11월 14일 ~ 27일
  9. 정성원, "코로나19 확진 후 사망까지 평균 17.7일...80세 이상 16.4일", 뉴시스, 2021년 2월 8일자.
  10. 황난아, 정보윤, 임영채, 박정수, "SIR 비선형 회귀모형을 이용한 질병자료분석", Journal of The Korean Data Analysis Society, 9(1), pp.49-59, 2007.