報告遅延の不均一性を考慮した公式報告に基づく高病原性鳥インフルエンザ発生件数のナウキャスティング

3行まとめ

• 報告遅延が存在する状況下での高病原性鳥インフルエンザ等の発生件数予測において数理モデルの有効性を検証した。
• 複雑なニューラルモデルよりも勾配ブースティング分位数回帰やゼロ過剰を考慮した階層ベイズ法が高い精度を示した。
• 報告遅延の特性を考慮した適切なモデル選択が、感染症発生状況の早期把握と防疫対策の意思決定支援に有用である。

この論文の要約

目的

公的な家畜伝染病データは報告遅延によりリアルタイムでは不完全であることが多い。本研究では、モデルの複雑性を高めることで、最終的に公認される発生件数の確率的ナウキャスティング（現在推計）の精度が向上するかを評価した。

対象と方法

国際獣疫事務局（WOAH）のWAHISデータから高病原性鳥インフルエンザ46,860件およびアフリカ豚熱72,690件の発生データを抽出した後ろ向き観察研究である。高病原性鳥インフルエンザの115国・宿主単位における35,880観測値を主解析とし、加重インターバルスコア（WIS）を用いて12の手法を評価した。

主な結果

週末時点で把握できたのは最終件数のうち高病原性鳥インフルエンザで7.6%、アフリカ豚熱で6.7%にとどまった。複雑な時間的ネットワークは階層ベイズ法よりWISが6.9%悪化し仮説は支持されなかった。一方、勾配ブースティング分位数回帰はWISを18.5%改善させたが、報告履歴が少ない地域では逆に6.3%悪化した。ゼロの確率質量を考慮したモデルでも18.8%の改善が認められた。

臨床的意義

家畜感染症の迅速な発生状況把握において、単に複雑なモデルを採用するのではなく、報告頻度や特性に応じた手法選択が不可欠である。なお、本推計は未検出感染そのものではなく公認報告数を対象としており、地域の監視状況を踏まえた解釈が求められる。

⚠️ この要約はAIが自動生成したものです。