Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
感染症の数理モデル12
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Daisuke Yoneoka
April 09, 2025
Research
140
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
感染症の数理モデル12
Daisuke Yoneoka
April 09, 2025
More Decks by Daisuke Yoneoka
See All by Daisuke Yoneoka
感染症の数理モデル15
kingqwert
0
91
感染症の数理モデル14
kingqwert
0
160
感染症の数理モデル13
kingqwert
0
73
感染症の数理モデル11
kingqwert
0
140
感染症の数理セミナー_10_.pdf
kingqwert
0
170
感染症の数理モデル9
kingqwert
0
130
感染症の数理モデル8
kingqwert
0
140
感染症の数理モデル7
kingqwert
0
140
感染症の数理モデル6
kingqwert
0
170
Other Decks in Research
See All in Research
計算情報学研究室(数理情報学第7研究室)2026
tomohirokoana
0
580
羽田新ルート運用6年の検証
1manken
0
160
事後確率分布の共分散について
koide3
0
150
CyberAgent AI Lab研修 / Social Implementation Anti-Patterns in AI Lab
chck
7
4.7k
Harness Engineering and Al Agent
kzinmr
3
1.7k
Claude Code × autoresearch 実践
mathbullet
0
170
2026年1月の生成AI領域の重要リリース&トピック解説
kajikent
0
1k
「AIとWhyを深堀る」をAIと深堀る
iflection
0
500
衛星×エッジAI勉強会 衛星上におけるAI処理制約とそ取組について
satai
4
560
オーストリア流 都市の公共交通サービス水準評価@公共交通オープンデータ最前線2026
trafficbrain
0
190
COFFEE-Japan PROJECT Impact Report(Uminomukou Coffee)
ontheslope
0
220
第64回CV・PRML勉強会 論文紹介:Linguistic Priors for Visual Decoupling: Towards Symmetric Vision-Brain Alignment
sokikatayama
0
110
Featured
See All Featured
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
6k
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
62
44k
YesSQL, Process and Tooling at Scale
rocio
174
15k
Darren the Foodie - Storyboard
khoart
PRO
3
3.4k
Faster Mobile Websites
deanohume
310
32k
It's Worth the Effort
3n
188
29k
Building a Scalable Design System with Sketch
lauravandoore
463
34k
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
470
Exploring anti-patterns in Rails
aemeredith
3
420
More Than Pixels: Becoming A User Experience Designer
marktimemedia
3
450
How GitHub (no longer) Works
holman
316
150k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
4.1k
Transcript
感染症の数理 セミナー(12) Feb 21, 2025 @NIID 国立感染症研究所 第12室長 米岡 大輔
目次 1. 感染症のコンパートメントモデル 2. 基本再生産数 3. 最終流行規模 4. R実装 5.
人口の異質性とSIR 6. 再生産方程式とエボラ vs インフル 7. R0 の推定方法(流行初期) 8. 内的増殖率の検定 9. Effective distance 10. 分岐過程 (Branching process) 11. 大規模流行確率と水際対策 12. Backcalculation 13. 致死率の計算 14. (シンプルな)ワクチン接種の自然史と流行条件 15. ワクチン接種VEの推定 16. 従属性現象における因果推論 本書の内容をカバーします。 具体的なコードなどは右の本 詳細なプログラムなどは https://github.com/objornstad/epimdr/tree/ master/rcode (結構間違ってる。。。) 2/48
はじめに 本セミナーシリーズは数理重めです。 簡単な微分/積分、線形代数が出てきます。 なるべく平易に解説しますが、完全に数学アレルギーの方はここ で終わられることをおすすめします。 セミナー終了時にはある程度次のパンデミックに向けて、 (ある程度) 数理モデリングができるようになることを目標としてます。 自由参加なので、もし無理そうならお気軽に休んでください。 3/20
ワクチン接種の効果VE (vaccine efficacy) • ワクチン接種者の発病割合は 56/(56+10322) = 0.0054 • ワクチン未接種者の発病割合は
272/(272+8664) = 0.00304 • VEは1-RR(Relative risk)で以下のように定義される • ちなみに、独立性の検定(χ2検定)では、p<0.01でワクチン接種と発病リスクには何らかの 関連があるという示唆 76 重要な仮定 1. 対象とする感染症 は定常状態にあり, 感染頻度は時刻に依存しない 2. ある個体の観察はほかの個体の観察 と独立であること(従属性現象が当 てはまらないこと). 仮定2はかなり怪しくないですか?
直接効果と間接効果 (個体レベル not 集団レベル) • 直接効果:ワクチン接種によって接種者自身が感染を免れる効果 • 間接効果:接種者の感染防御の影響によって他の者も感染を免れる効果 77 間接効果で、観測されなかった感染者も入れない
と、明らかに表11.1から来るVEはOverestimate
従属性現象における(個体レベルの)因果推論 • 個人iが感染したらXi =1、しなかったらXi =0 • ワクチン未接種者の反応変数をX0 、接種者をX1 • 従属性がなければ、ワクチン接種の平均的効果(ATE:
average treatment effect) • ワクチン接種するかどうかのindicator: ワクチン接種 Y=1、未接種 Y=0 • 多くの因果推論ではT= A が成立するが、従属性があるのでT≠A (これが問題) 78 観測されるのはこれ ほんとに推定したいのはこれ 感染症の研究においては、シンプルにリスク比 や寄与危険度の計算を用いるとバイアスが入る じゃあどうするか?→ 条件付き因果効果 (CTE: conditional treatment effect)の推定
(個体レベルの)条件付き因果効果 (CTE) • 感染者への接触(曝露)に対して条件付けて推定すればいい • 複雑な「従属性の仕組み」の一部分を「曝露の有無」としてコントロール可能 • 「この人は確実に感染者と接触した」という条件を課すことで、少なくとも「接触の機会(曝露)」と いう要因はワクチン接種者と未接種者で同一に扱える •
感染者との接触 K+、接触がない場合 K- • 普通にやると推定できないので、接触に条件付ける ワクチン接種および未接種者の感染リスクの期待値を「接触を経験した集団」のみで検 討する • 更に、ワクチン接種にも条件付ける 79 条件付き直接因果効果 これは観測できる これは観測できない あえて、Yをベクトルで書いているのは、ある人の接 触は他の全員のワクチン接種歴に依存するから
接触者だけのデータなんてどこにあんの? • 家庭内伝播のデータ • 家庭内二次発症割合(SAR: socondary attack rate) • SARij:
最初の持ち込み者のワクチン接種歴 j (0 or 1)と残りのワクチン接種歴 i 80 感受性の減弱効果(要は曝 露受けたときにどれだけワ クチンで防げるか?) 感染性の減弱効果(要は ワクチンでどれだけ二次 感染者が減らせるか?) 統合して
ワクチン接種者の感染史 • 感染してから死亡 or 回復まで 81 ワクチン未接種者 ワクチン接種者 たいてい、 AとCがよく質問され
るよね。 感受性の減弱効果 感染性の減弱効果 症状発現確率の減弱効果 感染期間の短縮効果 注意:発症しても死亡したり重 症化したりする確率が減弱する 効果も含む