Effectiveness of probabilistic contact tracing in epidemic containment: the role of super-spreaders and transmission path reconstruction

要約

最近の新型コロナウイルス感染症（COVID-19）のパンデミックは、初期段階の非薬理学的介入戦略の重要性を浮き彫りにしています。
マスクの普及と接触者追跡戦略の体系的な実施は、大規模な移動制限などのより従来型のアプローチに代わる、潜在的に同等に効果的で社会への影響が少ない代替手段を提供します。
しかし、手動による接触者追跡は接触者ネットワークへのアクセスにおいて強い制限に直面しており、スマートフォンベースのデジタル接触者追跡用に現在実装されているプロトコルの拡張性は、感染拡大の急速な拡大段階では、接触通知と関連する検査の急増により非現実的になります。
。
デジタル接触追跡の大幅な改善は、新しい診断検査の割り当てをより効果的に導くことができるリスク評価のための確率的手法の統合によって実現できます。
この研究では、まず、SARS-CoV-2蔓延の3つの最先端モデルを使用し、接触追跡に基づいてこれらの封じ込め対策に関連する診断コストと社会的コストを定量的に分析します。
私たちの結果は、確率的手法により、より低コストでより効果的な緩和が可能になることを示唆しています。
第二に、我々の調査結果は、後方および複数ステップの追跡を実行し、超拡散イベントを捕捉する際の確率的接触追跡技術の顕著な有効性を明らかにしています。

要約(オリジナル)

The recent COVID-19 pandemic underscores the significance of early-stage non-pharmacological intervention strategies. The widespread use of masks and the systematic implementation of contact tracing strategies provide a potentially equally effective and socially less impactful alternative to more conventional approaches, such as large-scale mobility restrictions. However, manual contact tracing faces strong limitations in accessing the network of contacts, and the scalability of currently implemented protocols for smartphone-based digital contact tracing becomes impractical during the rapid expansion phases of the outbreaks, due to the surge in exposure notifications and associated tests. A substantial improvement in digital contact tracing can be obtained through the integration of probabilistic techniques for risk assessment that can more effectively guide the allocation of new diagnostic tests. In this study, we first quantitatively analyze the diagnostic and social costs associated with these containment measures based on contact tracing, employing three state-of-the-art models of SARS-CoV-2 spreading. Our results suggest that probabilistic techniques allow for more effective mitigation at a lower cost. Secondly, our findings reveal a remarkable efficacy of probabilistic contact-tracing techniques in performing backward and multi-step tracing and capturing super-spreading events.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google