이동 체류시간의 이질성이 전염병 확산에 미치는 영향

초록

본 연구는 숙주의 이동 과정에서 체류시간이 일정하지 않은 경우가 전염병의 전파 역학에 미치는 영향을 메타인구 모델을 통해 분석한다. 체류시간의 큰 변동성이 전염병 전파 임계조건을 크게 변화시켜, 기존의 영구 이동 혹은 고정 체류시간 가정에 기반한 예측과는 다른 결과를 도출한다는 점을 강조한다.

상세 분석

본 논문은 전염병 확산을 공간적으로 설명하기 위해 메타인구 모델에 ‘체류시간의 이질성(heterogeneous length of stay)’이라는 새로운 변수를 도입하였다. 기존 모델은 크게 두 가지 가정을 사용한다. 첫째는 숙주가 한 번 이동하면 영구적으로 새로운 서식지에 머무르는 영구 이동(permanent movement) 모델이며, 둘째는 일일 통근(commuting) 모델로, 이동 후 목적지에 머무는 시간이 일정하고 짧다고 가정한다. 그러나 실제 인간 이동 데이터는 체류시간이 개인별, 목적별, 상황별로 크게 다르며, 때로는 몇 시간에서 몇 주, 심지어 몇 달까지 다양하게 분포한다는 것이 여러 연구에서 보고되었다. 이러한 현실을 반영하지 않으면 전염병 전파의 임계값, 즉 기본 재생산수(R0)와 전파 가능성에 대한 오판이 발생한다.

저자들은 메타인구 프레임워크 내에서 각 서브팝(population patch) 사이의 이동률을 정의하고, 이동 후 체류시간을 확률분포(예: 지수분포, 파레토분포)로 모델링하였다. 이때 체류시간의 평균값과 분산이 전염병 전파에 미치는 영향을 수식적으로 도출하고, 선형 안정성 분석을 통해 전역 전염병 침입(global invasion) 조건을 구하였다. 핵심 결과는 체류시간 분산이 클수록 전파 임계조건이 낮아져, 동일한 전염성 파라미터를 가진 병원체라도 더 쉽게 전역 확산이 일어날 수 있다는 점이다. 이는 특히 고위험 지역에서 짧은 체류 후 빠르게 이동하는 ‘핵심 전파자(core spreader)’가 존재할 때, 전염병이 급격히 확산될 위험을 강조한다.

또한, 저자들은 시뮬레이션을 통해 다양한 체류시간 분포(동질적 고정값, 지수분포, 파레토분포)를 적용했을 때 전파 속도와 최종 감염 규모가 어떻게 달라지는지를 비교하였다. 결과는 파레토와 같이 꼬리가 두꺼운 분포를 가질 경우, 소수의 장기 체류자와 다수의 단기 체류자가 동시에 존재함으로써 전파 네트워크가 복합적인 구조를 형성하고, 이는 전통적인 모델이 예측하는 것보다 더 높은 전파 위험을 초래한다는 것을 보여준다. 이러한 발견은 이동 제한, 격리 정책, 그리고 백신 배분 전략을 설계할 때 체류시간의 이질성을 고려해야 함을 시사한다.

마지막으로, 논문은 정책적 함의를 논의한다. 예를 들어, 장기 체류자를 대상으로 한 집중 검역이나 사전 예방접종이 단기 체류자만을 대상으로 한 조치보다 전파 억제 효과가 클 수 있다. 또한, 교통망에서의 ‘핵심 허브’가 아닌 ‘체류시간 중심’의 위험지역을 식별하는 새로운 감시 체계가 필요함을 강조한다. 전반적으로 이 연구는 전염병 모델링에 있어 이동의 양적 측면뿐 아니라 질적 측면, 즉 체류시간의 다양성을 통합함으로써 보다 현실적인 예측과 효과적인 공중보건 대응을 가능하게 한다.