# R0, 예방접종, 치명률, 전염 곡선을 위한 전염병 SIR 시뮬레이터
이 전염병 SIR 시뮬레이터는 감염 가능한 사람들이 감염된 후 회복이나 사망을 통해 감염군을 떠날 때 병원체가 인구 사이에서 어떻게 퍼지는지 탐색할 수 있게 해줍니다. 학생, 과학 커뮤니케이터, 공중보건 학습자, 그리고 전염이나 면역의 작은 변화가 발병을 어떻게 바꿀 수 있는지 빠르게 시각적으로 이해하려는 모든 사람을 위해 설계되었습니다.대화형 제어 장치는 사람들이 가장 자주 테스트하고자 하는 변수인 R0, 치명률, 예방접종覆盖率, 백신 효과, 전염 기간 및 초기 감염자 비율에 초점을 맞춥니다. 차트는 즉시 업데이트되어 감염 가능군, 감염군, 회복군, 면역군 및 사망 곡선을 하나의 연결된 전염병 시스템으로 비교할 수 있습니다.# SIR 모델의 작동 방식
기본 SIR 모델은 인구를 세 가지 주요 구획으로 나눕니다. S는 아직 감염될 수 있는 감염 가능군입니다. I는 병원체를 전파할 수 있는 현재 감염군입니다. R은 회복되거나 면역을 얻었거나 다른 이유로 전염 사슬에서 벗어나 더 이상 감염성이 없는 사람들입니다. 이 시뮬레이터는 또한 감염군을 떠나는 그룹에서 중증 결과의 한 갈래로 추정 사망자를 추적합니다.전염률은 R0 및 전염 기간과 연결됩니다. R0가 높거나 사람들이 더 오래 감염 상태를 유지하면 감염군이 줄어들기 전에 더 많은 새로운 감염이 발생합니다. 예방접종이 감염 가능군에서 충분한 사람을 제거하면 유효 재생산 수가 떨어지고 발병 정점이 훨씬 작아질 수 있습니다.| 제어 | 변경하는 대상 | 일반적인 곡선 효과 |
|---|---|---|
| R0 | 면역을 고려하기 전의 전염 가능성 | R0가 높을수록 감염 곡선이 더 빠르게 상승하고 더 높은 정점을 찍습니다. |
| 예방접종覆盖率 | 보호받을 때 감염 가능군에서 제외되는 사람의 비율 | 覆盖率가 높을수록 Re가 낮아지고 발병을 완화할 수 있습니다. |
| 백신 효과 | 이 단순화된 모델에서 예방접종이 감염을 예방하는 정도 | 효과가 높을수록 동일한覆盖率에서 더 보호 효과가 큽니다. |
| 전염 기간 | 사람들이 감염 상태를 유지하는 평균 시간 | 감염 기간이 길수록 시점이 바뀌고 발병이 길어질 수 있습니다. |
| 치명률 | 감염군을 떠나는 사람 중 사망자로 집계되는 비율 | 치명률이 높을수록 전염을 직접 증가시키지 않으면서 사망 곡선이 상승합니다. |
# R0, Re 및 집단 면역 직관
R0는 완전히 감염되기 쉬운 인구에서 한 명의 감염자가 일으키는 평균 2차 감염자 수입니다. 유효 재생산 수인 Re는 일부 사람들이 이미 면역이 있거나, 예방접종을 받았거나, 격리되었거나, 다른 이유로 감염이 불가능할 때 더 낮아집니다. 이 시뮬레이터에서 효과적인 예방접종은 감염 가능성을 직접 낮추므로 보호覆盖率가 증가함에 따라 표시되는 Re가 감소합니다.일반적인 집단 면역 근사값은 1 - 1 / R0입니다. R0가 3인 경우 역치는 약 66.7%의 효과적인 면역입니다. 시뮬레이터는 이 역치를 실감나게 만듭니다. 효과적인 예방접종이 역치보다 낮으면 발병이 계속 성장할 수 있고, 역치보다 높으면 전염이 스스로 유지되기 어려워집니다.# 최대 감염자 수의 의미
최대 감염자는 시뮬레이션된 인구에서 동시에 감염 상태에 있는 최대 인원수입니다. 이는 총 감염자 수보다 운영적으로 더 중요한 경우가 많습니다. 병원, 검사실, 격리 프로그램 및 접촉자 추적팀은 동시 활동성 사례의 압박을 받기 때문입니다. 최종 공격률이 0으로 감소하지 않더라도 정점을 낮추는 것이 중요할 수 있습니다.공격률은 실행 종료 시점까지 전체 인구 중 감염된 비율을 추정합니다. 높은 공격률은 감염 가능성이 고갈되거나 통제되기 전에 병원체가 많은 사람에게 도달했음을 의미합니다. 낮은 공격률은 면역, 예방접종 또는 약한 전염이 광범위한 확산을 막았음을 의미합니다.# 실제 R0 값과 집단 면역에 대한 의미
기본 재생산 수 R0는 병원체의 고정된 생물학적 상수가 아닙니다. 접촉 패턴, 인구 밀도, 문화적 습관 및 환경 요인에 따라 달라집니다. 동일한 바이러스가 밀집된 도시와 농촌 지역, 또는 실내 밀집이 더 많은 계절에 다른 R0 값을 가질 수 있습니다. 아래 값은 발표된 연구의 참고 범위입니다.| 병원체 | 일반적인 R0 범위 | 집단 면역 역치 (1 - 1/R0) | 주요 전염 특징 |
|---|---|---|---|
| 계절성 인플루엔자 | 1.2 - 1.4 | 17% - 29% | 짧은 전염 기간, 계절적 변이 |
| SARS-CoV-2 (원형) | 2.0 - 3.0 | 50% - 67% | 증상 전 전염, 에어로졸 경로 |
| SARS-CoV-2 (Delta) | 5.0 - 8.0 | 80% - 87% | 증가된 바이러스 부하, 빠른 확산 |
| SARS-CoV-2 (Omicron) | 8.0 - 12.0 | 87% - 92% | 면역 회피, 상부 호흡기 친화성 |
| 폴리오 | 5.0 - 7.0 | 80% - 86% | 분변-구강 경로, 긴 무증상 배출 |
| 천연두 | 5.0 - 7.0 | 80% - 86% | 전 세계 예방접종 캠페인을 통해 박멸 |
| 홍역 | 12.0 - 18.0 | 92% - 94% | 매우 높은 전염성, 공기 매개, 긴 전염 기간 |
| 백일해 | 12.0 - 17.0 | 92% - 94% | 면역 감소로 재감염 가능 |
# 발병 중 유효 재생산 수 Re의 변화
Re는 발병의 특정 시점에서의 유효 재생산 수입니다. 완전히 감염되기 쉬운 인구를 가정하는 R0와 달리 Re는 면역, 예방접종 및 감염 가능성을 줄이는 기타 모든 요소를 고려합니다. 이 시뮬레이터에서 Re는 R0 x (1 - 보호 비율)로 계산되며, 여기서 보호 비율은 예방접종을 통해 효과적으로 면역이 된 인구의 비율입니다.시뮬레이터 헤더에 표시되는 Re 값은 제어 장치를 움직일 때 업데이트됩니다. Re가 1 이상으로 유지되면 발병이 성장합니다. Re가 1 아래로 떨어지면 각 감염자가 평균적으로 1명 미만의 새 감염을 생성하고 전염병은 스스로 유지될 수 없습니다. 이것이 전염병 통제의 핵심 통찰입니다. 면역, 행동 또는 중재를 통해 Re를 1 미만으로 유지하는 것입니다.# 공격률, 최대 부담 및 발병 심각도
공격률은 시뮬레이션된 전체 발병 기간 동안 감염된 전체 인구의 비율입니다. 이는 전염병 유행 이후 가장 흔히 인용되는 요약 지표입니다. 높은 공격률은 고갈이나 통제가 전염을 막기 전에 병원체가 대부분의 감염 가능자를 감염시켰음을 의미합니다. 낮은 공격률은 면역, 예방접종 또는 본질적으로 약한 전염이 광범위한 감염을 방지했음을 의미합니다.최대 감염자, 즉 동시에 감염 상태에 있는 최대 인원수는 단기 의료 부담에 더 중요합니다. 중간 정도의 공격률을 가지지만 매우 높고 날카로운 정점을 가진 유행은 총 사례 수가 극단적이지 않더라도 병원을 압도할 수 있습니다. 반대로 느리고 평평한 곡선은 유사한 공격률을 여러 주에 걸쳐 분산시켜 의료 시스템이 사례를 관리할 시간을 줍니다. 이것이 공중 보건 당국이 모든 감염을 예방하는 것과는 별개의 운영 목표로 곡선 평탄화를 강조하는 이유입니다.# SIR 모델의 곡선 평탄화와 의료 역량
SIR 모델의 감염 곡선은 동시에 치료가 필요한 사람의 수로 해석될 수 있습니다. 실제 전염병에서 병원 침대, 산소 지원 또는 중환자 치료가 필요한 각 환자는 한정된 자원을 사용합니다. 감염 곡선이 가용 용량보다 높아지면 시스템이 적절한 치료를 제공할 수 없기 때문에 모든 원인으로 인한 사망률이 증가합니다.이 모델에서 예방접종은 사람들이 감염되기 전에 감염 가능군에서 제거하여 곡선을 평탄화합니다. 마스크, 환기, 거리두기, 검사, 격리 등 다른 조치를 통해 R0를 낮추는 것도 더 완전한 모델에서 정점을 낮출 수 있습니다. 시뮬레이션은 메커니즘을 시각적으로 보여줍니다. 효과적인 예방접종覆盖率가 증가함에 따라 정점이 줄어들고, 늦춰지거나 완전히 사라집니다.# SIR 모델의 시각화된 수학
SIR 모델에서 시간 단계당 새로운 감염률은 세 가지 양에 의존합니다. 전염률 beta, 현재 감염자 수 I, 그리고 여전히 감염 가능한 유효 인구의 비율 S / N입니다. 곱 beta x I x S / N은 감염력이라고 합니다. 매일 이 힘이 얼마나 많은 감염 가능자가 감염 구획으로 이동하는지를 결정합니다.사람들은 회복률 gamma = 1 / 전염 기간으로 감염 구획을 떠납니다. 감염력과 회복률 사이의 균형이 전염병의 성장 또는 축소를 결정합니다. beta x S / N이 gamma를 초과하면 새로운 감염이 회복을 앞지르고 발병이 확장됩니다. 감염 가능 비율 S / N이 충분히 떨어지면 gamma가 우세해지고 발병이 축소됩니다.매개변수 beta는 인터페이스에서 직접 볼 수 없습니다. 대신 beta = R0 x gamma 관계를 통해 R0와 전염 기간에서 파생됩니다. 이것이 R0 또는 전염 기간을 변경하면 유사하지만 동일하지 않은 곡선 모양이 생성되는 이유입니다. 두 매개변수 모두 감염력에 영향을 미치지만 전염 기간은 발병의 시간 축도 늘립니다.# 학습 및 교육을 위한 시뮬레이터 사용법
- 높은 R0 시나리오와 낮은 R0 시나리오 비교: R0를 1.5(계절성 독감 범위)로 설정한 다음 6.0(예방접종 전 폴리오 범위)으로 설정해 보세요. 다른 모든 제어 장치가 동일할 때 정점 높이, 정점 시점 및 공격률이 어떻게 변하는지 확인하세요.
- 집단 면역 역치 탐색: R0를 3.0으로 설정하고 예방접종 없이 시작하세요. 공격률을 기록하세요. 그런 다음 Re가 1 아래로 떨어질 때까지 예방접종覆盖率를 추가하세요. 역치 바로 아래와 바로 위의覆盖率에서 정점과 공격률을 비교하세요.
- 느린 대응과 빠른 대응의 효과 테스트: 예방접종覆盖率를 다양한 수준으로 설정하고 정점이 발생하는 시점을 관찰하세요. 높은覆盖率는 정점 높이를 줄일 뿐만 아니라 일반적으로 정점을 지연시켜 의료 준비를 위한 시간을 벌어줍니다.
- 치명률과 전염 분리: 치명률을 0%로 설정하고 감염 곡선을 관찰하세요. 그런 다음 다른 설정을 변경하지 않고 치명률을 10%로 설정하세요. 감염 곡선은 변하지 않지만 사망자 수는 증가합니다. 이는 치명률과 전염 속도가 별개의 역학적 차원임을 보여줍니다.
- 전염 기간 효과 검사: 동일한 R0에서 4일의 전염 기간과 18일의 전염 기간을 비교하세요. 더 긴 기간은 곡선을 늘리고 정점을 지연시키며 더 길지만 낮은 파동을 만들어냅니다.
- 교실 실습 - 역치 찾기: 학생들에게 주어진 R0에 대해 Re를 1 미만으로 만드는 최소 예방접종覆盖率를 찾게 한 다음 결과를 공식 1 - 1/R0과 비교하도록 요청하세요.
# 이 시뮬레이터를 사용해야 할 때와 이유
- 역학 학생: 미분 방정식을 다루거나 자체 모델을 프로그래밍하기 전에 대화형 곡선 모양을 통해 수학적 SIR 프레임워크를 연결해 보세요.
- 과학 커뮤니케이터와 저널리스트: R0, 예방접종 및 전염 기간이 발병 궤적에 중요한 이유를 보여주는 플롯, 스크린샷 또는 실시간 설명을 생성하세요.
- 공중보건 학습자: 다양한 중재 조합이 전염병 정점과 공격률을 어떻게 바꾸는지 테스트하여 발병 대응의 균형에 대한 직관을 개발하세요.
- 전염병 수학에 관심이 있는 모든 사람: 코드를 작성하거나 소프트웨어를 설치할 필요 없이 SIR 모델을 탐색하세요. 모든 제어 장치가 차트를 실시간으로 업데이트합니다.