시간 이질성이 진화 네트워크에서 전염병 확산을 촉진한다

초록

연락 패턴이 파워‑law 형태의 이질적인 인터‑이벤트 시간을 가질 때, 네트워크에 출생·사망이 포함되더라도 감염병의 전파 속도와 최종 유병률이 동질적인 경우보다 크게 증가한다. 특히 SIR 모델에서는 전염이 더 빠르고 피크가 더 높으며, SI·SIS 모델에서는 초기 급증 후 장기적으로는 감염률이 낮아지는 특성을 보인다. 이러한 현상은 R₀를 과소평가하게 만들 위험이 있다.

상세 분석

본 논문은 정점이 일정 확률로 “활성(on)” 상태와 “비활성(off)” 상태를 번갈아가며 전이하는 확률 과정을 기반으로, 인터‑이벤트 시간 분포 P(τ)를 통해 시간적 네트워크를 생성한다. 두 가지 경우를 비교했는데, 하나는 파워‑law 꼬리를 가진 지수 절단형 Pₕₑₜ(τ)∝τ^{–α}e^{–τ/τ_c} (α≈2–3)이며, 다른 하나는 평균 τ가 동일하도록 맞춘 지수형 Pₕₒₘ(τ)=λe^{–λτ}이다. 정점의 평균 수명은 포아송 과정으로 모델링해 사망 확률 μ=1/τ_death을 도입하고, 사망 시 즉시 새로운 정점이 탄생해 전체 정점 수 N을 유지한다. 네트워크는 매 활성 시점에 무작위로 다른 활성 정점과 1단계 접촉을 맺고 즉시 링크를 끊는 “instantaneous contact” 방식이다. 따라서 정점 간 평균 차수는 거의 일정하지만, 활성 시점의 불규칙성이 전파 경로에 큰 변동성을 부여한다.

감염 모델은 전통적인 SIR, SI, SIS를 사용했으며, 감염 전파 확률 β는 1로 고정하고 감염 지속 기간 τ_I를 파라미터화했다. SIR 경우, τ_I가 짧을수록(빠른 회복) 이질적 패턴이 피크 전파와 최대 유병률을 크게 향상시켰다. 구체적으로, α≈2.5, τ_I=5일 때 피크 유병률 차이는 54%까지 나타났으며, 피크 시점도 동질 경우보다 2040 타임스텝 앞당겨졌다. τ_I가 커지면 차이가 역전돼 동질 패턴이 더 높은 피크를 보였는데, 이는 장기 감염이 지속될 경우 이질적 활성 간격이 감염 기회를 분산시켜 전체 전파 효율을 낮추기 때문이다. 사망·출생이 도입되면 두 패턴 모두 피크가 감소하지만, 동질 경우가 더 크게 감소해 결국 이질적 패턴이 전체 유병률 면에서 우위를 유지한다. 특히 사망률이 중간(τ_death≈56)일 때 신규 감염자(신규 정점)가 두 번째 작은 파동을 일으키며, 이 파동 역시 이질적 패턴에서 더 뚜렷하게 나타난다.

SI 모델에서는 초기 85%까지의 감염이 이질적 패턴에서 더 빠르게 진행되지만, 이후 감염이 포화 단계에 도달하는 속도가 현저히 둔화돼 전체 전파 시간이 길어진다. 반면 동질 패턴은 초기 성장 속도가 느리지만, 결국 전체 네트워크를 더 빠르게 완전 감염한다. 사망이 포함되면 이질적 패턴이 전 구간에서 높은 평균 유병률을 유지하고, 사망률이 커질수록 동질 패턴은 평균적으로 거의 감염이 일어나지 않는 경우가 발생한다. SIS 모델에서도 비슷한 양상이 관찰되었으며, 초기 급증 후 정상 상태에서 이질적 패턴은 낮은 지속 감염률을 보인다. 이러한 결과는 전염병 기본 재생산수 R₀를 추정할 때, 시간적 이질성을 무시하면 실제보다 낮게 평가될 위험이 있음을 시사한다. 즉, 인터‑이벤트 시간의 꼬리가 두터울수록 초기 전파는 가속화되지만, 장기적인 감염 유지 능력은 감소한다는 복합적인 효과가 나타난다.