Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
感染症の数理モデル12
Search
Daisuke Yoneoka
April 09, 2025
Research
150
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
120
感染症の数理モデル14
kingqwert
0
180
感染症の数理モデル13
kingqwert
0
84
感染症の数理モデル11
kingqwert
0
170
感染症の数理セミナー_10_.pdf
kingqwert
0
180
感染症の数理モデル9
kingqwert
0
140
感染症の数理モデル8
kingqwert
0
150
感染症の数理モデル7
kingqwert
0
160
感染症の数理モデル6
kingqwert
0
190
Other Decks in Research
See All in Research
Claude Code × autoresearch 実践
mathbullet
0
290
GLIM とMegaParticles:正規分布近似の限界とタイトカップリング&パーティクルフィルタの進展 / GLIM and MegaParticles : Progress of the distribution representation in SLAM
koide3
0
900
【中間報告】国会議員の立法・政策実務を支える環境を巡る現状と課題
polipoli
0
660
Physical AIでモデリングはどう変わるか/How Physical AI Will Change Modeling
stktu
0
270
最先端NLP勉強会2026 論文紹介:Reasoning with Sampling: Your Base Model is Smarter Than You Think (ICLR 2026 paper)
kogoro
4
660
論文読み会 SNLP2026 Tau2-Bench: Evaluating Conversational Agents in a Dual-Control Environment
s_mizuki_nlp
0
280
Easy to Guess, Hard to Verify: Lessons from AIMO 3 for Olympiad-Level AI Mathematics
corochann
0
120
Cross-Media Information Spaces and Architectures
signer
PRO
0
380
人間中心の意思決定支援AI
yukinobaba
PRO
7
4.1k
The story of RefactoringMiner. Slow research, long-term impact
tsantalis
0
170
長時間動画QAにおけるマルチエージェント推論 ・SVAgent: Storyline-Guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration
murakawatakuya
1
210
超効率化への挑戦:1bit LLMの現状と展望
yumaichikawa
0
760
Featured
See All Featured
Ecommerce SEO: The Keys for Success Now & Beyond - #SERPConf2024
aleyda
1
2.2k
Odyssey Design
rkendrick25
PRO
2
830
AI Search: Implications for SEO and How to Move Forward - #ShenzhenSEOConference
aleyda
1
1.4k
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
960
Lightning Talk: Beautiful Slides for Beginners
inesmontani
PRO
2
700
The World Runs on Bad Software
bkeepers
PRO
72
12k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
12
1.3k
The Straight Up "How To Draw Better" Workshop
denniskardys
239
140k
16th Malabo Montpellier Forum Presentation
akademiya2063
PRO
0
390
We Are The Robots
honzajavorek
0
380
SEO for Brand Visibility & Recognition
aleyda
0
4.8k
Have SEOs Ruined the Internet? - User Awareness of SEO in 2025
akashhashmi
0
510
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