感染確率の計算方法
・通常呼吸を想定して,ある時間に吸引する飛沫の総量(ml)をシミュレーションにより予測
・飛沫に含まれるウイルス数を仮定し,呼吸により体内に侵入するウイルス数(N)を算出
・感染に至るウイルス数(No)を過去のクラスターイベントより仮定して,以下の式(ポアソン過程)で感染確率を推定(文献*より)
P(𝑁)=1−e^((−𝑁/𝑁_0 𝐼))
I (強度): 変異株やワクチンの効果
N0: 感染に至るウイルス量,ここでは300~2000 viral copies
(5つのイベント:中国観光バス×2,韓国エアロビ,韓国コールセンター,米聖歌隊)
感染者の飛沫に含まれるウイルス数(ピーク時),107 copies/mL
(患者により大きく異なる!)
伊藤一秀先生(九大)の計算
(*) Prentiss MG, Chu A, Berggren KK. Superspreading Events Without Superspreaders: Using High Attack Rate Events to Estimate N o for Airborne Transmission of COVID-19. Posted October 23, 2020. medRxiv. https://doi.org/10.1101/2020.10.21.20216895.
設定条件
・スタジアムでの大声会話
・応援時(真っすぐ)と会話時を想定
・左図赤丸が感染者
・マスクの有無
・一席空けの効果
・ワクチン接種(効果95%)
・無風
・対象とした株
・デルタ株(従来株の2.5倍程度の感染力
・オミクロン株(デルタ株の4倍程度を想定)
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
応援時の感染確率(左)と新たな感染者発生の期待値(右)
~デルタ株ワクチン接種無し~
N0 = 900, N0_min = 300, N0_max = 2000
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
応援時の感染確率(左)と新たな感染者発生の期待値(右)
~デルタ株ワクチン接種り~
N0 = 900, N0_min = 300, N0_max = 2000, Vaccine_Efficacy = 95%
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
応援時の感染確率(左)と新たな感染者発生の期待値(右)
~オミクロン株ワクチン接種有り~
N0 = 900, N0_min = 300, N0_max = 2000, Vaccine_Efficacy = 95%
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
会話時の感染確率(左)と新たな感染者発生の期待値(右)
~デルタ株ワクチン接種無し~
N0 = 900, N0_min = 300, N0_max = 2000
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
応援時の感染確率(左)と新たな感染者発生の期待値(右)
~デルタ株ワクチン接種り~
N0 = 900, N0_min = 300, N0_max = 2000, Vaccine_Efficacy = 95%
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大
応援時の感染確率(左)と新たな感染者発生の期待値(右)
~オミクロン株ワクチン接種有り~
N0 = 900, N0_min = 300, N0_max = 2000, Vaccine_Efficacy = 95%
提供:理研・神戸大,協力:鹿島建設・数値フローデザイン・豊橋技科大・京工繊大・東工大・九大