세 수준 혼합 전염병 모델의 통계 추정

초록

본 논문은 개인이 가구, 학교·직장 등 2차 집단, 그리고 전체 지역사회라는 세 가지 수준에서 접촉하며 전파되는 확률론적 전염병 모델을 제시한다. 가구 내, 2차 집단 내, 그리고 지역사회 전반에서 각각 다른 감염률을 가정하고, 최종 규모 데이터와 시간 경과 데이터가 이러한 파라미터를 추정하는 데 어떤 차이를 보이는지 분석한다. 베이지안 MCMC 방법을 이용해 시뮬레이션 및 실제 데이터에 적용한 결과, 시간 정보를 포함한 데이터가 비가구 전파 파라미터 추정에 크게 기여하며, 두 수준 모델과 비교했을 때 이질성(heterogeneity)의 영향을 크게 받는다는 점을 확인한다.

상세 분석

이 연구는 기존의 두 수준(가구와 지역사회) 혼합 모델을 확장하여, 개인이 동시에 속하는 2차 집단(예: 학교, 직장)까지 고려한 삼중 수준 마코프 전염 모델을 구축한다. 모델은 각 수준별 접촉률 β_H(가구), β_S(2차 집단), β_C(지역사회)와 감염 지속시간을 파라미터화하고, 감염 과정은 연속시간 마코프 체인으로 기술된다. 주요 통계적 과제는 관측 가능한 데이터(최종 감염 규모, 일일 신규 감염 수 등)로부터 이 네 개의 파라미터(β_H, β_S, β_C, 감염 기간 평균)를 식별가능하게 추정하는 것이다.

저자는 베이지안 프레임워크를 채택하여 사전분포를 설정하고, Gibbs 샘플링과 Metropolis‑Hastings 알고리즘을 결합한 MCMC 절차를 설계했다. 특히, 시간적 데이터(일일 혹은 주간 발생 건수)를 포함할 경우, 감염 전파 경로에 대한 정보가 크게 늘어나 β_S와 β_C의 사후 분포가 현저히 좁아지는 것을 확인했다. 반면, 최종 규모 데이터만 사용할 경우, 가구 내 전파(β_H)는 비교적 정확히 추정되지만, 비가구 전파 파라미터는 높은 상관관계와 불확실성을 보이며, 특히 β_S와 β_C를 구분하기 어려운 구조적 비식별성 문제가 발생한다.

데이터 이질성(heterogeneity) 역시 중요한 변수로 작용한다. 2차 집단 내 인구 규모와 연결 구조가 균일하지 않을 경우, β_S에 대한 추정 정확도가 크게 변한다. 저자는 시뮬레이션을 통해, 2차 집단이 소규모 다수인 경우와 대규모 소수인 경우를 비교했으며, 전자는 β_S 추정에 유리하고 후자는 β_C와 혼동될 위험이 높다는 결론을 도출했다.

또한, 두 수준 모델(가구 + 지역사회)과의 비교 분석을 통해, 삼중 수준 모델이 실제 데이터에 더 잘 맞는다는 통계적 증거를 제시한다. 두 수준 모델은 β_S를 무시함으로써 비가구 전파를 과대평가하거나 과소평가하는 경향이 있었으며, 이는 기본 재생산수(R0) 추정에 직접적인 편향을 초래한다.

마지막으로, 저자는 모델 검증을 위해 실제 인플루엔자와 코로나19 데이터셋에 적용했으며, 시간적 데이터가 충분히 확보된 경우 R0와 각 수준별 전파 비중을 95% 신뢰구간 내에서 정확히 복원할 수 있음을 보였다. 전체적으로, 이 논문은 다중 수준 네트워크 전파를 정량화하기 위한 통계적 방법론을 체계화하고, 데이터 종류와 구조가 파라미터 식별에 미치는 영향을 정량적으로 평가한 점에서 학문적·실무적 의의가 크다.