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
140
感染症の数理モデル6
kingqwert
0
180
Other Decks in Research
See All in Research
2026年 オープンキャンパス 研究室紹介
junkurihara
0
210
Research Engineerという仕事 / Research Engineering: Bridging Research and Business
chck
1
340
【Zozo Research 技術共有会】三次元領域の現在と展望
mickey_0226
3
610
医療LLMの現在地〜最新研究から社会実装までを考える〜
kento1109
1
1.7k
J-STAGEの現況と全文XML登載必須化について
xspa2012
0
260
【ローカルAIに向き合う展示会vol.2】液体時間定数型モジュールを用いた オリジナルの双方向エンコーダーモデルNexteraBERT 推論速度向上検討並びにダウンストリーム評価
rikkabotan7
0
200
データサイエンティストの就労意識~2015 → 2026 一般(個人)会員アンケートより
datascientistsociety
PRO
0
840
Physical AIでモデリングはどう変わるか/How Physical AI Will Change Modeling
stktu
0
250
MIRU2026 チュートリアル講演2:三次元データ処理の動向
nnchiba
6
4.9k
20260624 NLP colloquium: 単一のhubテキストがCLIPを壊す:hubnessによる埋め込みの脆弱性特定
de9uch1
2
270
量子サマースクール2026「量子計算機アーキテクチャ分野の概観」
youten622
1
900
Source Code Diff Revolution
tsantalis
0
150
Featured
See All Featured
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
3k
16th Malabo Montpellier Forum Presentation
akademiya2063
PRO
0
380
Game over? The fight for quality and originality in the time of robots
wayneb77
1
280
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
3k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
21
1.6k
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
2.9k
Crafting Experiences
bethany
1
340
The Curious Case for Waylosing
cassininazir
1
510
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
2
1.8k
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
ryanjones
0
250
What's in a price? How to price your products and services
michaelherold
247
13k
Visual Storytelling: How to be a Superhuman Communicator
reverentgeek
2
660
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