2021.03.30

ワクチン接種プランニング: Stay with Your Communityの応用として #2

研究開発担当

東京大学大学院工学系研究科 大澤幸生

対応するリサーチクエッション

「第二波対策」として必要な「感染予測・対策の効果検証」(SIRモデルの代替となるモデルの確立)、「必要な医療リソース(病床・医療物資等)の需要予測と最適配置」


ワクチン接種戦略シミュレーション

~ ワクチン接種対象は、SwC戦略で選ぶ ~ 

3週あけて二回接種、それぞれで30%と85%まで効く場合

 

 

知見: 都市型のコミュニティ構造では、最初からいるメンバーに人が集まる。人が集まるところは、キャパシティーを広げる。それがサービスだから。この場合、 W-2m0の大きなノードに先にワクチンを接種させる方が効果が高い(都市におけるStay with Your Communityに従う)ことを様々なW, m0の組み合わせについて確認。

Q: セグメントだけに接種するなら話は分かった。では、全員への接種順序のプランニングは?

ワクチン接種プランニング

どの人から接種し、次はどの人に打ってゆくか。その順番をどうしたら、ワクチンは最も効果を発揮するか?

ワクチン接種プランニング



都市型のW-2m0の分布におけるワクチン接種プランニング

※最大値法(10試行)による新規/累積感染者数の比較:N=10000で実施。

※参考 都市型制約下での社会ネットワーク(Alg.3)

※初期クラスタを複数個とする拡張も含む

Algorithm 1: SFN(人気者はさらに人気者に)

Algorithm 2: SFN-SC (空間的制約により新しいコミュニティが発生)

Algorithm 3: SFN-SSC(制約下で「いまそこにいる人」まで関係性が発展)

Ohsawa, Y., Tsubokura, M.: Stay with your community: Bridges between clusters trigger expansion of COVID-19, https://doi.org/10.1371/journal.pone.0242766 (2020)

 

報告書 モデル改訂の必要性について

30/3/2021

東京大学大学院工学系研究科システム創成学専攻

教授 大澤 幸生


[Kurahashi 2021]モデル

[Ohsawa 2021]モデル

(数字は新規感染者ではなく感染力保有者I。都市間の移動について実データは反映させていないので、現状は仮想的で予測として意味はない