Understanding the transmission dynamics of norovirus with microbial data in wastewater and machine learning algorithms

点击翻译按钮获取中文摘要

本研究では都市内の微生物情報を大量に含む水インフラを活用し、「観測されない不顕性感染 者・非来院患者を含むノロウイルス感染動態の理解」及び「微生物データや気象データ等の大 規模データと機械学習モデルを用いた感染者予測・検知」を行うことを目的とした。本研究では、従来の数理疫学モデルを拡張し微 生物データを組み込んだ数理モデルを構築する。 当初の研究計画ではノロウイルスの下水中濃度の時系列データをモデリングすることを予定していたが、COVID-19パンデミックに伴い、SARS-CoV-2を適用事例としながら同様の手法の開発を行った。本年度の成果として(1)「下水中ウイルス濃度から地域内の入院者数を予測するモデリング手法」の国際誌への投稿・出版(2)状態空間と拡張カルマンフィルタを用いた下水モデルの提案(3)新興感染症が発生した際に起こりうる、感染から発症、発症から確定診断までの報告遅れをそれぞれ推定する研究を行った。 (1)については、Eurosurveillance誌に投稿し、昨年度の分析に追加して感度分析を行った。(2)については、日本の複数自治体の協力を得ながら、複数のウイルス定量手法を用いて時系列データを集積した。それらのデータに本課題で提案する拡張カルマンフィルタを用いたモデリング手法を適用することで、報告感染者数の予測だけでなく、未報告の感染者を含む総感染者数の推定や、実行再生産数の算出、介入した際の効果を可視化するシナリオ分析などが可能になった。(3)については、Mpoxを対象として、潜伏期間・発症間隔・発症から確定診断までの時間遅れの推定を行った。そうした報告遅れを補正しながら、現状で潜在的に感染者数が何人存在するかの算出(Nowcasting)を行うとともに、介入政策がどの程度の強度で必要となるかをシミュレートしている。