2021.06.16 (수)

  • 구름많음속초19.3℃
  • 구름많음18.7℃
  • 맑음철원18.7℃
  • 맑음동두천19.4℃
  • 맑음파주18.2℃
  • 맑음대관령15.3℃
  • 맑음백령도19.3℃
  • 비북강릉18.3℃
  • 구름많음강릉20.0℃
  • 구름많음동해18.7℃
  • 구름조금서울21.1℃
  • 구름조금인천21.9℃
  • 구름조금원주20.8℃
  • 안개울릉도17.5℃
  • 구름조금수원21.7℃
  • 구름많음영월19.8℃
  • 맑음충주21.7℃
  • 맑음서산22.4℃
  • 맑음울진18.7℃
  • 맑음청주23.0℃
  • 구름조금대전21.5℃
  • 맑음추풍령18.6℃
  • 맑음안동19.8℃
  • 맑음상주19.5℃
  • 비포항19.2℃
  • 구름조금군산21.4℃
  • 비대구19.3℃
  • 맑음전주19.8℃
  • 비울산18.7℃
  • 비창원19.3℃
  • 구름조금광주19.9℃
  • 비부산18.6℃
  • 구름많음통영19.2℃
  • 구름조금목포21.7℃
  • 비여수20.2℃
  • 맑음흑산도20.1℃
  • 구름조금완도21.0℃
  • 구름조금고창19.6℃
  • 맑음순천19.5℃
  • 맑음홍성(예)22.1℃
  • 구름조금제주21.5℃
  • 구름많음고산21.9℃
  • 맑음성산21.7℃
  • 구름조금서귀포23.3℃
  • 맑음진주19.7℃
  • 구름조금강화20.7℃
  • 구름조금양평20.5℃
  • 맑음이천18.8℃
  • 흐림인제19.5℃
  • 구름많음홍천17.9℃
  • 구름조금태백16.1℃
  • 구름많음정선군20.2℃
  • 구름조금제천20.5℃
  • 맑음보은20.0℃
  • 맑음천안21.6℃
  • 맑음보령21.8℃
  • 구름조금부여21.1℃
  • 구름조금금산20.7℃
  • 맑음21.2℃
  • 맑음부안19.6℃
  • 맑음임실18.5℃
  • 맑음정읍19.1℃
  • 맑음남원20.1℃
  • 맑음장수18.1℃
  • 맑음고창군19.5℃
  • 맑음영광군19.7℃
  • 흐림김해시18.4℃
  • 맑음순창군20.2℃
  • 흐림북창원19.7℃
  • 흐림양산시18.3℃
  • 맑음보성군21.3℃
  • 구름조금강진군21.5℃
  • 맑음장흥21.9℃
  • 구름조금해남21.9℃
  • 맑음고흥20.3℃
  • 구름조금의령군19.8℃
  • 맑음함양군19.0℃
  • 맑음광양시19.8℃
  • 구름조금진도군22.2℃
  • 맑음봉화16.5℃
  • 맑음영주18.5℃
  • 구름조금문경19.4℃
  • 맑음청송군18.3℃
  • 맑음영덕18.7℃
  • 맑음의성19.3℃
  • 맑음구미20.0℃
  • 맑음영천18.9℃
  • 구름조금경주시18.8℃
  • 맑음거창18.9℃
  • 맑음합천19.3℃
  • 구름많음밀양19.9℃
  • 맑음산청18.9℃
  • 흐림거제18.8℃
  • 맑음남해20.0℃
기상청 제공
K-방역, 코로나19 역학모형 예측보다 효과적 억제 나타나
  • 해당된 기사를 공유합니다

K-방역

K-방역, 코로나19 역학모형 예측보다 효과적 억제 나타나

영국의 Our World in Data 홈페이지에서 찰리 자티노가 작성한 '코로나19 역학모델이 실제 감염자수를 추정하는데 어떤 도움이 되는가?'라는 원고에서 역학모델에 대한 이해를 하고, 한국와 다른 나라의 방역 결과를 비교했다. 

 

우리가 코로나19 전염병에 대하여 이해를 하는데 있어 갖게 되는 중요한 한계는 감염의 실제수를 모른다는 점이다. 단지 우리는 진단에 의해 확인된 감염자수를 알 수 있다. 그러나 많은 감염된 사람들이 진단검사를 받지 않았기 때문에 확진된 수가 전체 감염자 수의 일부라는 것을 알고 있다. 

 

이 질문에 답하기 위하여 몇몇 연구집단이 코로나19 역학모형을 개발했다. 이 모형은 우리가 갖고 있는 데이터(확진사례, 사망자수, 진단비율, 그 밖의 가정 및 역학 지식의 범위)를 사용했다.      

 

역학모형은 ICL 모형(Imperial College Lodon)과 건강지표 및 평가 연구소(IHME) 모형 등이 개발되어 제공이 되고 있다. 

 

2020년 7월 말 미국에서 확진자수가 최고조에 다다렀을 때 IHME 모델은 실제 감염건수가 확진자수보다 약 2배 높은 것으로 추정했으며, ICL모델은 거의 3배 높은 것으로 추정했다.  

 

이들 모델은 SEIR(S: 민감성(susceptible), E: 노출(exposed), I: 감염(Infectious), R: 회복 또는 사망(Recovered or deceased)) 네가지 상태를 통해 시뮬레이션을 한다.   

 

ICL 모형은 저소득 및 중소득 국가에 초점을 맞춘 연령 구조 SEIR모델이다. 첫번째 날짜는 각 국가에 대한 전염병의 추정 시작이며, 최신 업데이트 날짜보다 90일 연장되는 프로젝션을 만든다.  

 

ICL모형은 국가가 전염병의 어떤 단계에서, 미래에 의료 수요가 어떻게 변할 수 있는지를 이해하는데 도움이 되는 도구로 모델을 설명한다. 이 시나리오는 미래의 사망률을 예측하기 위한 것이 아니라 현재의 개입이 유지, 증가, 또는 완화에 필요한 정보를 제공하도록 설계되었다. 

 

ICL 모형은 진정한 감염(날짜 및 예상), 확인된 사망(예상), 병원 및 ICU수요(날짜 및 예상), 유효재발생자수, 비율(날짜 및 예상) 추정치를 제공한다. 이 모델은 인구통계, 사회적 접촉패턴, 병원 가용성 및 입원 및 사망 위험에 대한 연령 및 국가별 데이터를 사용됐다. 이 모형은 확인된 사망자수가 실제 사망자수와 같다고 가정한다.  

 

IHME 모형은 정부관리가 다른 정책 결정이 전염병의 과정에 어떤 영향을 미칠 수 있는지 이해하고 의료수요의 변화에 대한 계획을 수립하는데 도움이 되는 도구로 모델을 설명한다. 

 

IHME 모형은 진정한 감염(날짜 및 예상), 확인된 사망(예상), 병원 ICU 및 인공호흡기 수요(최신 및 예상), 유효재발생자수, 재발생률(날짜 및 예상), 진단수준(예상), 이동성, 사회적 거리두기(예상) 추정치를 제시한다. 

 

이 모델은 이동성, 사회적 분리 정책, 인구밀도, 폐렴 계절성 및 사망률, 대기오염, 고도, 흡연율, 자체 보고된 연락처 및 마스크 사용과 같은 여러 가지 다른 유형의 데이터를 사용하여 전송 및 질병 진행을 시뮬레이션 한다. 

 

이 모델은 시간이 지남에 따라 전파의 변화가 이동성 및 인구밀도와 같은 여러 데이터 입력의 함수라고 가정한다. 따라서 데이터 관련성이 낮거나 전파와의 관계가 잘못 지정되어 있기 때문에 이러한 가정이 유지되지 않는 경우  모형은 전염병을 추적하지 못할 수 있다.