$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

전염병의 경로 추적 및 예측을 위한 통합 정보 시스템 구현
Implementation of integrated monitoring system for trace and path prediction of infectious disease 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.14 no.5, 2013년, pp.69 - 76  

김은경 (Sensor System Research Center, Korea Institute of Science and Technology) ,  이석 (Sensor System Research Center, Korea Institute of Science and Technology) ,  변영태 (Sensor System Research Center, Korea Institute of Science and Technology) ,  이혁재 (Nano and Electronic Physics, Kookmin University) ,  이택진 (Sensor System Research Center, Korea Institute of Science and Technology)

초록
AI-Helper 아이콘AI-Helper

세계적으로 전파력과 병원성이 높은 신종인플루엔자, 조류독감 등과 같은 전염병이 증가하고 있다. 전염병이란 특정 병원체(pathogen)로 인하여 발생하는 질병으로 감염된 사람으로부터 감수성이 있는 숙주(사람)에게 감염되는 질환을 의미한다. 전염병의 병원체는 세균, 스피로헤타, 리케차, 바이러스, 진균, 기생충 등이 있으며, 호흡기계 질환, 위장관 질환, 간질환, 급성 열성 질환 등을 일으킨다. 전파 방법은 식품이나 식수, 곤충 매개, 호흡에 의한 병원체의 흡입, 다른 사람과의 접촉 등 다양한 경로를 통해 발생한다. 전 세계의 대부분 국가들은 전염병의 전파를 예측하고 대비하기 위해서 수학적 모델을 사용하고 있다. 하지만 과거와 달리 현대 사회는 지상과 지하 교통수단의 발달로 전염병의 전파 속도가 매우 복잡하고 빨라졌기 때문에 우리는 이를 예방하기 위한 대책 마련의 시간이 부족하다. 그러므로 전염병의 확산을 막기 위해서는 전염병의 전파 경로를 예측할 수 있는 시스템이 필요하다. 우리는 이러한 문제를 해결하기 위해서 전염병의 실시간 감시 및 관리를 위한 전염병의 감염 경로 추적 및 예측이 가능한 통합정보 시스템을 구현하였다. 이 논문에서는 전염병의 전파경로 예측에 관한 부분을 다루며, 이 시스템은 기존의 수학적 모델인 Susceptible - Infectious - Recovered (SIR) 모델을 기반으로 하였다. 이 모델의 특징은 교통수단인 버스, 기차, 승용차, 비행기를 포함시킴으로써, 도시내 뿐만 아니라 도시간의 교통수단을 이용한 이동으로 사람간의 접촉을 표현할 수 있다. 그리고 한국의 지리적 특성에 맞도록 실제 자료를 수정하였기 때문에 한국의 현실을 잘 반영할 수 있다. 또한 백신은 시간에 따라서 투여 지역과 양을 조절할 수 있기 때문에 사용자가 시뮬레이션을 통해서 어느 시점에서 어느 지역에 우선적으로 투여할지 백신을 컨트롤할 수 있다. 시뮬레이션은 몇가지 가정과 시나리오를 기반으로 한다. 그리고 통계청의 자료를 이용해서 인구 이동이 많은 주요 5개 도시인 서울, 인천국제공항, 강릉, 평창, 원주를 선정했다. 상기 도시들은 네트워크로 연결되어있으며 4가지의 교통수단들만 이용하여 전파된다고 가정하였다. 교통량은 국가통계포털에서 일일 교통량 자료를 입수하였으며, 각도시의 인구수는 통계청에서 통계자료를 입수하였다. 그리고 질병관리본부에서는 신종인플루엔자 A의 자료를 입수하였으며, 항공포털시스템에서는 항공 통계자료를 입수하였다. 이처럼 일일 교통량, 인구 통계, 신종인플루엔자 A 그리고 항공 통계자료는 한국의 지리적 특성에 맞도록 수정하여 현실에 가까운 가정과 시나리오를 바탕으로 하였다. 시뮬레이션은 신종인플루엔자 A가 인천공항에 발생하였을 때, 백신이 투여되지 않은 경우, 서울과 평창에 각각 백신이 투여된 경우의 3가지 시나리오에 대해서, 감염자가 피크인 날짜와 I (infectious)의 비율을 비교하였다. 그 결과 백신이 투여되지 않은 경우, 감염자가 피크인 날짜는 교통량이 가장 많은 서울에서 37일로 가장 빠르고, 교통량이 가장 적은 평창에서 43일로 가장 느렸다. I의 비율은 서울에서 가장 높았고, 평창에서 가장 낮았다. 서울에 백신이 투여된 경우, 감염자가 피크인 날짜는 서울이 37일로 가장 빨랐으며, 평창은 43일로 가장 느렸다. 그리고 I의 비율은 강릉에서 가장 높으며, 평창에서 가장 낮았다. 평창에 백신을 투여한 경우, 감염자가

Abstract AI-Helper 아이콘AI-Helper

The incidence of globally infectious and pathogenic diseases such as H1N1 (swine flu) and Avian Influenza (AI) has recently increased. An infectious disease is a pathogen-caused disease, which can be passed from the infected person to the susceptible host. Pathogens of infectious diseases, which are...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 수학적 모델인 SIR 모델을 확장하여 신종인플루엔자 A의 실시간 감시 및 관리를 위해 전염병의 감염 경로 추적 및 예측할 수 있는 통합 정보 시스템을 제안하였다. 전염병은 도시내 뿐만 아니라 도시 사이에서도 이동이 가능하도록 4가지의 교통 수단인 기차, 승용차, 버스, 비행기를 포함시켜서 교통에 의한 인구의 이동을 고려하여, 수학적 모델의 단점을 극복하고자 하였다.
  • 본 논문에서는 전염병의 실시간 감시 및 관리를 위해 전염병의 경로를 추적 및 예측할 수 있는 통합 정보 시스템을 구현하였다. 추가로 모니터링된 자료는 일반 사용자에게 제공될 수 있도록 홈페이지를 제작하였다.
  • 본 논문에서는 수학적 모델인 SIR 모델을 확장하여 신종인플루엔자 A의 실시간 감시 및 관리를 위해 전염병의 감염 경로 추적 및 예측할 수 있는 통합 정보 시스템을 제안하였다. 전염병은 도시내 뿐만 아니라 도시 사이에서도 이동이 가능하도록 4가지의 교통 수단인 기차, 승용차, 버스, 비행기를 포함시켜서 교통에 의한 인구의 이동을 고려하여, 수학적 모델의 단점을 극복하고자 하였다. 시뮬레이션은 신종인플루엔자 A가 21일부터 인천공항에 발생하였을 때, 백신이 투여되지 않은 경우와 서울과 평창에 각각 백신이 투여된 경우에 대해서, 각 도시의 I의 비율과 감염자가 피크인 날짜를 비교하였다.

가설 설정

  • 일반적으로 간단한 모델에서는 각각의 개체에 대해 그 합인 전체 개체수가 고정되어 있다고 보며, 개체들 사이의 시간에 따른 함수는 수식 (1)과 같이 미분식으로 나타낼 수 있다. 여기에는 사망과 출생이 일정하며, 사람간 접촉의 균질성, 전염병의 치료에 아무런 조치도 취하지 않는 상태라는 가정이 포함된다.
  • 감염자는 인천 공항에서 2009년 5월 2일 (t=21일)부터 7월 20일 (t=100일) 까지 발생하고, 인천공항 인구의 0.1%가 I로 가정.
  • 신종인플루엔자 A는 실제 인구의 이동을 나타내기 위해서 기차, 승용차, 버스, 비행기의 이동수단을 이용해서만 전파 (교통수단은 기차 1대=300명, 승용차 1대=4명, 버스 1대=25명, 비행기 1대=200명의 만차로 가정).
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
전염병이란 무엇인가? 세계적으로 전파력과 병원성이 높은 신종인플루엔자, 조류독감 등과 같은 전염병이 증가하고 있다. 전염병이란 특정 병원체(pathogen)로 인하여 발생하는 질병으로 감염된 사람으로부터 감수성이 있는 숙주(사람)에게 감염되는 질환을 의미한다. 전염병의 병원체는 세균, 스피로헤타, 리케차, 바이러스, 진균, 기생충 등이 있으며, 호흡기계 질환, 위장관 질환, 간질환, 급성 열성 질환 등을 일으킨다.
전염병의 전파 방법은 무엇인가? 전염병의 병원체는 세균, 스피로헤타, 리케차, 바이러스, 진균, 기생충 등이 있으며, 호흡기계 질환, 위장관 질환, 간질환, 급성 열성 질환 등을 일으킨다. 전파 방법은 식품이나 식수, 곤충 매개, 호흡에 의한 병원체의 흡입, 다른 사람과의 접촉 등 다양한 경로를 통해 발생한다. 전 세계의 대부분 국가들은 전염병의 전파를 예측하고 대비하기 위해서 수학적 모델을 사용하고 있다.
SIR 모델이란 무엇인가? 대표적인 모델로는 1927년에 Kermack-Mckendrick이 한정된 인구에서 질병이 어떻게 퍼지는지를 deterministic하게 수학적으로 모사한 SIR 모델이 있다[10]. 이 모델은 전체 인구를 각각 질병의 진행 과정과 개인의 상태에 따라서 감염 가능성이 있는 개체 (Suspectible : S), 감염된 개체 (Infectious : I), 회복된 개체 (Removed : R)의 3가지 집단으로 분류하고, 집단 사이에서 전염병이 어떻게 퍼지는지를 보여준다. (그림 1)은 S, I, R 개체들의 관계를 나타낸 것이며, 각각의 개체 수는 시간이 경과함에 따라서 질병에 의해 직접, 간접적으로 변한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. Susan S. Aronson, Timothy R. Shope, "Managing Infectious Diseases in Child Care and Schools", 3rd Edition, American Academy of Pediatrics, pp. 169-171, 2013. 

  2. World Health Organization (WHO), Influenza virus activity in the world on September 2, 2012. 

  3. S. Jain, R. R. Creasey, J. Himmelspach etc., "Simulation of mitigaation strategies for a pandemic influenza", Proceedings of the 2011 Winter Simulation Conference, pp. 1340-1348, 2011. 

  4. S. Towers, K. V. Geisse, C. C. Tsal, Q. Han and Z. Feng, "The impact of school closures on pandemic influenza: Assessing potential repercussions using a seasonal SIR model", Math. Biosci. Eng., vol. 9, no. 2, pp. 413-430, 2012. 

  5. S. Lee, M. Golinski, G. Chowell, "Modeling optimal age-specific vaccination strategies against pandemic influenza", Bull. Math. Biol., vol. 74, pp. 958-980, 2012. 

  6. E. Neurirth, D. Arganbright, "The Active Modeler: Mathematical Modeling with Microsoft Excel", Belmont : Tnomson Brooks/Cde, 2004. 

  7. S. Bansal, J. Read, B. Pourbohloul, L. A. Meyers, "The dynamic nature of contact networks in infectious disease epidemiology", J. Biol. Dyn., vol. 4, pp. 478-489, 2010. 

  8. M. G. Roberts, M. Maker, L. C. Jennings, G. Sertsou, N. Wilson, "A model for the spread and control of pandemic influenza in an isolated geographic region", J. R. Soc. Interface, vol. 4, pp. 325-330, 2007. 

  9. W. O. Kermack, A. G. McKendrick, "Contributions to the mathematical theory of epidemics", Proc. Roy. Soc. Lond, vol. 115, pp. 700-721, 1927. 

  10. http://kostat.go.kr/ 

  11. http://www.kosis.kr/ 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로