COVID-19과 같은 전염병 전염 모델은, 대부분의 과학자들이 익숙한 source term vs. sink term이 연결된 dynamical system의 형태로 기술이 된다. 여기서 연구자들이 관심을 가지는 dynamical variables은 susceptible, exposed/latent, infectious, recovered, immune population과 같은 것이 된다.
관련되어 참고할 수 있는 자료들은 아래와 같다.
- The mathematics of diseases: 일반인들이 이해하기에 가장 기초적인 설명을 제공.
- How Math (and Vaccines) Keep You Safe From the Flu: 일반인들이 이해할 수 있도록 수학적인 내용을 제공.
- Mathematical modeling of infectious disease dynamics: 다양한 방법론을 종합적으로 소개하는 review임.
- Mathematical models of infectious disease transmission
- Modeling infectious disease dynamics in the complex landscape of global health
- Coronavirus: Models & being led by the science: BBC Insider Science podcast episode 중 하나.
아주 단순한 모델이지만 "flattening the COVID-19 curve"라는 말로 최근에 COVID-19과 관련해서 일반인들이 자주 들었던 말에 대한 쉬운 설명은 아래 두개를 확인해 보기를 추천한다.
- Why outbreaks like coronavirus spread exponentially, and how to “flatten the curve”
- Flatten the COVID-19 curve: 잘 알려진 Susceptible-Infectious-Recovered model을 이용하여 설명.
보다 구체적이고 자세한 전염 모델에 관심이 있다면, SISMID2019: 11th Summer Institute in Statistics and Modeling in Infectious Diseases (SISMID)의 내용을 참고하기 바란다. 특별히, non-pharmaceutical intervention의 역할에 관심이 있다면, Epidemiological models are important tools for guiding COVID-19 interventions을 참고하면 좋다.
다양한 내용을 종합적으로 살펴볼 수 있는 것으로는 최근에 PLOS가 준비한 PLOS Collections: Mathematical Modelling of Infectious Disease Dynamics의 논문들을 확인해 볼 것을 추천한다.
이러한 모델을 이용한 policy decision 과정에서 유의해야 하는 점들에 대해서는 아래와 같은 것들을 확인해 보기를 권한다.
- Mathematics of life and death: How disease models shape national shutdowns and other pandemic policies
- The UK's coronavirus policy may sound scientific. It isn't
- Britain had a head start on Covid-19, but our leaders squandered it
- Policymaking Is Not a Science (Yet)
- Infectious disease pandemic planning and response: Incorporating decision analysis
- The early days of a global pandemic: A timeline of COVID-19 spread and government interventions