전염병이란 다른 사람들에게 전파되는 질병을 말한다. 한번 전파되기 시작하면 감염되는 사람이 시간이 흐름에 따라 늘어나는 양상을 보이고 사회적으로 많은 문제를 일으킨다. 또한 21세기에 들어 신종 인플루엔자, SARS, 메르스 등 신종 전염병의 출현으로 많은 사람들이 감염되었다. 이를 예방하기 위해 연구되는 방법 중 하나가 전염병의 확산 모형을 구축하여 확산을 예측하여 전염병이 발생했을 때 확산을 막는 방법이다. 전염병의 확산 과정을 설명할 수 있는 대표적인 모형은 SIR(Susceptible – Infected – Recovered) 모형이다. ...
전염병이란 다른 사람들에게 전파되는 질병을 말한다. 한번 전파되기 시작하면 감염되는 사람이 시간이 흐름에 따라 늘어나는 양상을 보이고 사회적으로 많은 문제를 일으킨다. 또한 21세기에 들어 신종 인플루엔자, SARS, 메르스 등 신종 전염병의 출현으로 많은 사람들이 감염되었다. 이를 예방하기 위해 연구되는 방법 중 하나가 전염병의 확산 모형을 구축하여 확산을 예측하여 전염병이 발생했을 때 확산을 막는 방법이다. 전염병의 확산 과정을 설명할 수 있는 대표적인 모형은 SIR(Susceptible – Infected – Recovered) 모형이다. SIR 모형은 집단 안에서 전염병이 유행할 수 있는 초기 조건과 전염병의 확산 정도를 예측하는 모형으로 전염병이 퍼지는 상황에서 감염 가능성이 있는 개체(Suspectible), 감염된 개체(Infected), 회복된 개체(Removed)의 집단으로 분류한다. 기존에 진행되었던 다른 연구를 살펴보면 SIR 모형은 결정적 흐름을 따른다는 것을 가정하여 모형을 구축하였다. 그러나 본 연구에서는 질병의 확산 과정이 결정적이 아닌 확률적인 흐름을 따른다는 가정 하에서 모형 적합을 시도하였다. SIR 모형 내에서 각 종의 발생이 포아송 확률과정을 따른다는 가정 하에 확률적 화학 반응 모형을 이용하여 모형을 구축하였다. 이 화학 반응 모형을 추정하기 위해서 종들의 변화는 마르코프 연쇄를 따른다고 볼 수 있으며, 특정 반응의 생성은 각 반응의 위험함수에 비례한다고 할 수 있다. 구축된 모형은 Gillespie의 알고리즘에 근거하여 우도함수를 구한 후 베이지안 접근법으로 마르코프 연쇄 몬테 카를로 방법을 이용하여 모형 추정을 시도하였다. 모형 추정을 위해 우리나라 신종플루 확진 환자 자료를 이용하여 실제 자료 분석을 수행하였다. 데이터는 2009년 5월 국내 신종플루 첫 환자가 발생한 직후부터 2009년 8월까지의 118일간의 신종플루 누적 발생환자 수를 이용하였다. 모형을 적합한 결과 기존의 데이터와 잘 적합하는 것으로 나타났다. 본 연구를 통하여 앞으로의 질병 환자수를 예측하고 그것을 바탕으로 대안을 세울 수 있는데 활용할 것을 제안하고자 한다.
전염병이란 다른 사람들에게 전파되는 질병을 말한다. 한번 전파되기 시작하면 감염되는 사람이 시간이 흐름에 따라 늘어나는 양상을 보이고 사회적으로 많은 문제를 일으킨다. 또한 21세기에 들어 신종 인플루엔자, SARS, 메르스 등 신종 전염병의 출현으로 많은 사람들이 감염되었다. 이를 예방하기 위해 연구되는 방법 중 하나가 전염병의 확산 모형을 구축하여 확산을 예측하여 전염병이 발생했을 때 확산을 막는 방법이다. 전염병의 확산 과정을 설명할 수 있는 대표적인 모형은 SIR(Susceptible – Infected – Recovered) 모형이다. SIR 모형은 집단 안에서 전염병이 유행할 수 있는 초기 조건과 전염병의 확산 정도를 예측하는 모형으로 전염병이 퍼지는 상황에서 감염 가능성이 있는 개체(Suspectible), 감염된 개체(Infected), 회복된 개체(Removed)의 집단으로 분류한다. 기존에 진행되었던 다른 연구를 살펴보면 SIR 모형은 결정적 흐름을 따른다는 것을 가정하여 모형을 구축하였다. 그러나 본 연구에서는 질병의 확산 과정이 결정적이 아닌 확률적인 흐름을 따른다는 가정 하에서 모형 적합을 시도하였다. SIR 모형 내에서 각 종의 발생이 포아송 확률과정을 따른다는 가정 하에 확률적 화학 반응 모형을 이용하여 모형을 구축하였다. 이 화학 반응 모형을 추정하기 위해서 종들의 변화는 마르코프 연쇄를 따른다고 볼 수 있으며, 특정 반응의 생성은 각 반응의 위험함수에 비례한다고 할 수 있다. 구축된 모형은 Gillespie의 알고리즘에 근거하여 우도함수를 구한 후 베이지안 접근법으로 마르코프 연쇄 몬테 카를로 방법을 이용하여 모형 추정을 시도하였다. 모형 추정을 위해 우리나라 신종플루 확진 환자 자료를 이용하여 실제 자료 분석을 수행하였다. 데이터는 2009년 5월 국내 신종플루 첫 환자가 발생한 직후부터 2009년 8월까지의 118일간의 신종플루 누적 발생환자 수를 이용하였다. 모형을 적합한 결과 기존의 데이터와 잘 적합하는 것으로 나타났다. 본 연구를 통하여 앞으로의 질병 환자수를 예측하고 그것을 바탕으로 대안을 세울 수 있는데 활용할 것을 제안하고자 한다.
Epidemic diseases are illnesses which can be spread to other people. Once they begin to spread, the number of infected people increases as time passes and this causes many problems socially. Also, with the appearances of new diseases such as swine flu, SARS, and MERS in the 21st century, many people...
Epidemic diseases are illnesses which can be spread to other people. Once they begin to spread, the number of infected people increases as time passes and this causes many problems socially. Also, with the appearances of new diseases such as swine flu, SARS, and MERS in the 21st century, many people have been infected. One method that is being researched to prevent this is to construct a diffusion model of disease to predict the spreading and stop it when an epidemic diseases occurs. One of the most representative models for explaining the spread of disease is the SIR (Susceptible – Infected – Recovered) model. General epidemic model assumed that the spread of disease followed a deterministic process. However, we considered model fitting based on the stochastic process of disease spread. We also assumed that the happening of the species in the model followed the Poison process and constructed the model using the stochastic chemical reaction model. We utilized the Bayesian estimation approach using MCMC (Markov chain Monte Carlo) based on he Gillespie algorithm. We applied the proposed method to Korean real pandemic data, which is the number of Influenza A virus subtype H1N1 patients accumulated for 118 days during the period between May 2009 when the first domestic Influenza A virus subtype H1N1 patient was identified and August 2009. Result of showed that the model fit well with the existing data. I would like to propose that this study be used to estimate the number of patients with epidemic diseases in the future and have some viable alternatives prepared in advance.
Epidemic diseases are illnesses which can be spread to other people. Once they begin to spread, the number of infected people increases as time passes and this causes many problems socially. Also, with the appearances of new diseases such as swine flu, SARS, and MERS in the 21st century, many people have been infected. One method that is being researched to prevent this is to construct a diffusion model of disease to predict the spreading and stop it when an epidemic diseases occurs. One of the most representative models for explaining the spread of disease is the SIR (Susceptible – Infected – Recovered) model. General epidemic model assumed that the spread of disease followed a deterministic process. However, we considered model fitting based on the stochastic process of disease spread. We also assumed that the happening of the species in the model followed the Poison process and constructed the model using the stochastic chemical reaction model. We utilized the Bayesian estimation approach using MCMC (Markov chain Monte Carlo) based on he Gillespie algorithm. We applied the proposed method to Korean real pandemic data, which is the number of Influenza A virus subtype H1N1 patients accumulated for 118 days during the period between May 2009 when the first domestic Influenza A virus subtype H1N1 patient was identified and August 2009. Result of showed that the model fit well with the existing data. I would like to propose that this study be used to estimate the number of patients with epidemic diseases in the future and have some viable alternatives prepared in advance.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.