본문으로 바로가기 주메뉴 바로가기

사용자별 맞춤메뉴

자주찾는 메뉴

추가하기
닫기

간행물·통계

contents area

detail content area

수학적 모델을 이용한 신종인플루엔자 환자 예측 및 대응 전략 평가
  • 작성일2010-05-14
  • 최종수정일2021-04-15
  • 담당부서감염병감시과
  • 연락처043-719-7173

   

 수학적 모델을 이용한 신종인플루엔자 환자 예측 및 대응 전략 평가
Mathematical modeling of the pandemic novel influenza A(H1N1) virus and evaluation of epidemic response strategies in the Republic of Korea

     
연세대학교 의과대학 예방의학교실      
연세대학교  WCU 계산과학공학과      
질병관리본부 전염병대응센터 공중보건위기대응과     
    


Ⅰ. 들어가는 말
  최근 각 국가에서는 2009년도의 신종인플루엔자 대유행의 경험을 바탕으로 향후 추가적인 대유행에 대비하기 위해 다양한 보건의료 정책을 수립하고, 이를 적극적으로 추진하고 있다. 비록, 작년에 유행한 신종인플루엔자의 경우, 치명률이 낮았으며, 기존의 약제에 적절하게 반응을 보여, 준비가 완전하지 못했음에도 불구하고, 국가 및 사회에 미치는 영향은 그다지 크지는 않은 것으로 판단된다. 그러나 기본감염재생산지수 및 치명률이 높은 질환이 유행할 경우, 환자의 폭발적인 증가로 인한 보건의료시스템의 붕괴뿐만 아니라, 기업의 연속성과도 매우 밀접한 관련을 가질 수 밖에 없어 이에 대한 대응은 국가적인 위험관리(risk management)차원에서 이루어져야 할 것이다. 세계보건기구(World Health Organization; WHO)는 1999년부터 신종인플루엔자의 대유행을 경고하며 국가적 대응책 마련을 촉구하였으나, 2003년 중증급성호흡기증후군(Severe Acute Respiratory Syndrome; SARS)이 발생하기 전까지 국내외  관심은 저조하였다. 이후 2005년에 수학적 모델을 활용한 조류인플루엔자 봉쇄전략에 대한 결과가 발표되어[1], 국가적 차원의 대응책 개발의 중요한 근거로서 활용되었으며, WHO는 이 연구결과를 반영하여 유행의 조기 차단을 위한 항바이러스제의 비축을 제시한 바 있다[2].
  과거에는 예방백신 접종, 치료제(항바이러스제) 투여 등 약물적 중재(pharmaceutical intervention)에 중점을 두어 인플루엔자 대유행 대비 계획이 수립되었지만, 최근에는 약물적 중재 이외에 학교 및 직장 봉쇄, 사회적인 격리, 손 씻기, 마스크 착용 등의 비약물적 중재(non-pharmaceutical intervention)의 효과에 대한 관심이 증가하고 있으며[3], 이를 국가 내 유행에 대비하기 위한 중요한 정책으로 활용하고 있다. 그러나 실제 인플루엔자 대유행 상황에서는 각각의 정책이 분리되어 진행되는 것이 아니라, 다양한 조합의 봉쇄전략이 적용될 수밖에 없다[4].
  대유행 대비 계획은 실제 발생하지 않은 질병을 대상으로 하고, 다양한 대안들의 효과에 대해 가정을 근거로 이루어질 수밖에 없기 때문에, 효율적인 계획이 수립되었는지를 평가하는 것은 매우 어렵다. 이에 대한 대안으로 제시된 분야가 수학역학(mathematical epidemiology)분야이다[5]. 특히, 2003년 중증급성호흡기증후군(SARS) 유행은 감염병의 진행을 예측하고 서로 다른 통제 전략들의 효과를 비교하기 위한 수학적 모델에 대한 큰 관심과 중요성을 불러 일으켰다.
외국의 경우 다양한 수학적 모델링에 관한 연구가 활발하게 이루어지고 있으나, 우리나라에서는 아직까지 이 분야에 대한 연구가 진행되지 못하고 있으며, 개념적인 수준에 머물러 있다[6]. 따라서 이 글에서는 결정론적 모델(deterministic  model)을 이용하여 우리나라의 신종인플루엔자 환자 발생을 예측하고, 다양한 대안들의 효과를 평가한 연구결과를 기술하였다.


Ⅱ. 몸 말

  1. 연구방법
  Arino 등은 결정론적 모델에 신종인플루엔자의 특성을 반영하여 전체 인구를 감수성자(susceptible), 잠재기(latent), 감염자(symptomatic infective), 무증상감염자(asymptomatic  infective), 회복기(recovered)의 5가지 집단으로 분류한 Susceptible-Latent-Infective-Asymptomatic infective-Recoverd model(S-L-I-A-R 모델)을 제안하였다 (Figure 1)[7]. 이 연구에서는 기본 S-L-I-A-R 모델에서 치료받은 집단이 대칭되도록 확장하여 항바이러스제를 복용하거나 예방접종 등을 통하여 면역력을 획득한 사람은 감수성자, 잠재기, 감염자, 무증상감염자, 회복기의 5가지 집단에서   각각 치료받은 집단으로 이동하여 총 10가지 집단으로 분류한 치료모델을 고려하였으며[8], 또한, 연령별 인구 분포와 질병에 관한 위험 정도에 따라 각 집단을 하위집단으로 세분화한 S-L-I-A-R 치료모델을 구성하였다. 이 모델의 시뮬레이션을 위하여 MATLAB R2009b(Mathworks Inc., Natick, MA)를 이용하였다.
                                                

  1) 모수(parameter)의 구성
  확장된 S-L-I-A-R 모델의 각 집단을 연령별 인구 분포와 질병에 관한 위험 정도에 따라 하위집단으로 세분화하였다. 연령별로는 영유아(만6세 이하), 학동기(7세-18세), 성인(19-64세), 노인(65세 이상)의  4집단으로 분류하고, 각 집단을 신종인플루엔자 고위험군과 일반군으로 다시 분류하였다. 연령별 인구 자료는 통계청의 2009년도 연령별 전국 추계인구 자료를 이용하였으며, 고위험군은 질병관리본부에서 제시한 노인(65세 이상), 만성질환자(폐질환, 심혈관질환, 당뇨, 신장질환, 만성간질환, 악성종양, 면역 저하자), 임신부, 소아(59개월 이하)로 정의하였다[9]. 2008년 한국의 사회지표 중 주요 만성질환 유병률(2005년), 2008년 사망원인통계결과, 2007년 국민건강영양조사를 바탕으로 만성질환자의 수를 추정하였다. 고위험 학동기는 928,721명으로 전체 인구의 1.91%를 차지하였으며, 고위험 성인은 임산부(통계청, 인구동향조사, 2008) 또는 만성질환자로서 4,132,217명으로 전체 인구의 8.48%였다. 65세 이상의   노인인구는 모두 고위험군에 포함하였다.
  모델을 구축하는데 사용된 모수는 초기 인구분포(연령별, 질병 위험 정도 일반군 및 고위험군), 접촉 행렬(contact matrix), 질병 특성(치명률, 잠재기, 무증상자 분율 등), 감염재생산지수(R0), 감염력(contagiousness), 치료의 효과(치료제 효과, 순응도, 증상발현 후 치료제 복용까지 기간, 치료제 복용후의 감염력 감소 등), 백신 효과(백신의 예방 효과, 집단별 백신접종 기간 등), 사회적 격리(학교 봉쇄,  직장 봉쇄, 마스크 및 손씻기 효과 등) 등을 포함하였다.
  모수 값의 추정을 위해, Medline/Pubmed, Cochrane collaboration library를 활용하였으며, Influenza, Non-pharmaceutical, Pharmaceutical, School closure, Social closure, Mask, Antiviral Drug, Vaccine의 단어 조합을 이용하였으며, 논문의 출판연도에는 제한을 두지 않았다. 연구논문 검색시(2009년 11월 30일)까지 총 42개의 논문이 선택되었으며, 이를 감염내과, 예방의학 및 통계학자로   구성된 6명의 전문가가 검토하였다. 기본적인 모수 추정값은 Table 1과 같다.
                                                
  2009년도에 발생한 신종인플루엔자의 경우, 40대 이상에서의 발생률이 다른 연령대에 비해 낮은   것으로 조사되었는데, 이는 과거 인플루엔자 A(H1N1)과 유사한 바이러스 감염을 통해 면역력을 획득한 것이 원인으로 추정되고 있다[18]. 따라서 이 연구에서는 노인인구(65세 이상)의 20%와 성인인구(19-64세)의 10%가 신종인플루엔자의 발생 전에 면역력을 획득하였다고 가정하였다. 시뮬레이션 시작 시점의 환자 수는 일반 성인 집단에서 100명이 발생한 것으로 가정하였다.

  2) 대응전략 설정
  감염재생산지수(R0)에 따른 유행곡선(epidemic curve)의 변화를 보기 위해 1.2부터 2.0까지 0.2씩 증가시켜 시뮬레이션하였다. 다른 조건은 기본 모델과 동일하게 적용하였다. 유행곡선은 일별 새로 발생하는 환자수를 이용하였으며, 약 1년 정도의 변화를 살펴보기 위하여 모델링 기간은 400일로 설정하였다.
휴교의 기간은 2주로 고정하고, 이 기간 동안 학동기 집단의 접촉률이 50% 감소하는 것으로 가정했다. 휴교 시행시점을 신종인플루엔자 유행초기(유행시작 후 1-15일), 유행이 급격히 확산되는 시점(유행  시작 후 110-124일), 최대 환자발생 시점(유행시작 후 145-159일)으로 분류하여 시뮬레이션하였다.
백신접종의 효과를 평가하기 위해, 전 국민의 70%가 일정기간 내에 백신을 접종하여 면역력을 획득한다고 가정하였으며, 백신접종 시기에 따른 유행곡선의 변화를 비교하였다. 백신접종 기간은 유행초기, 유행시작 후 90일, 최대 환자발생 시점으로 하였다. 백신이 이미 개발되어 있다는 가정 하에 유행초기에 백신접종이 가능한 모델과 새로운 백신을 개발하기 위해 최소한 3개월의 시간이 요구되므로 유행시작 후 90일에 접종하는 모델을 비교하였다. 백신접종 기간은 각 시점마다 동일하게 30일로 설정하였으며, 모델에는 일일 접종률을 로그함수로 정의하였다.

  3) 국내 신종인플루엔자 대응전략 모델
  이 연구에서 개발된 모델을 이용하여 2009년도에 국내에서 시행되었던 신종인플루엔자 대응 전략을 평가하였다. 대응 전략의 평가를 위해 2009년 5월 2일 멕시코에서 입국한 승객 중 한 명이 신종인플루엔자로 확진된 날을 모델의 시작 일자(0일)로 설정하였으며, 초기 감염자수는 일반성인에서 100명이  발생한 것으로 가정하였다.
  국내 신종인플루엔자 대응전략의 변화를 환자발생 후 0-79일, 80-110일, 111-176일, 177-400일의 4개의 시점으로 구분했다. 유행초기(환자 발생 후 0-79일, 2009년 5월 2일-7월 20일)에는 해외유입을 차단하고 지역사회로 전파되는 것을 예방하기 위하여, 감염환자 격리 봉쇄 정책을 통해 감염자 격리와 치료가 이루어졌으며 감염자와 접촉한 경우 예방적 목적의 항바이러스제 투여가 이루어졌다. 7월 이후에 지역사회 감염사례가 확인되면서 국가위기단계가 ‘경계’로 상향조정된 7월 21일부터 약 1개월 정도(환자 발생 후 80-110일)는 초·중·고등학교의 여름방학 기간이었고, 시도별 치료거점병원에서 환자 격리와 함께 항바이러스제를 제공하여 민간의료기관에서 확진검사 후 항바이러스제 투여가 이루어졌다. 8월 말부터(환자 발생 후 111- 176일) 점차 인플루엔자의 진료와 항바이러스제 투여를 용이하게 하기 위해 보건소, 거점치료병원, 거점약국에 항바이러스제의 배포가 이루어졌다. 항바이러스제의 투약지침이 변경되어 9월 1일부터 의사의 판단으로 확진검사 없이 급성열성호흡기질환자에 대한 항바이러스제 투여가 가능해졌다. 10월 27일부터(환자 발생 후 177-400일) 신종인플루엔자 백신이 개발되어 백신접종인력, 학생, 영유아, 고위험군 순으로 접종이 이뤄졌다.
  각 시기별 대응 전략을 이 연구 모델에 적용하기 위해, 유행 초기(환자 발생 후 0-79일)에는 감염  환자의 격리와 접촉자의 자택격리를 통해 타인과의 접촉률이 80%정도 감소할 것으로 가정하였다. 항바이러스제의 경우, 감염환자의 60%, 무증상 접촉자의 경우 예방적 목적으로 30%가 투약한 것으로 가정하였다. 환자 발생 후 80-110일 동안에는 손씻기와 마스크 사용 등의 홍보로 일반국민의 접촉률이 20% 감소하고, 여름방학기간 학동기(7-18세)의 또래집단 접촉률이 50% 감소할 것으로 추정하였다.  또한, 확진환자 위주의 항바이러스 투여 정책으로 인해 감염자의 20%가 항바이러스제를 투여 받았을 것으로 가정하였다. 환자 발생후 111-176일 동안에는 급성열성호흡기질환자에 대한 항바이러스제 투여 확대로 감염자의 40%, 무증상감염자의 20%가 항바이러스제를 투여받은 것으로 가정하였다. 환자 발생 후 177-400일 동안은 예방백신 접종기간 및 접종률을 모델에 적용하였다. 국내 신종인플루엔자 대응정책에 대한 국민 및 정책의 순응도가 50%와 100%일 때를 가정하여 시뮬레이션하였다. 순응도 50%의 경우, 각 대응정책으로 인한 접촉률 감소와 항바이러스제 투여율을 50%로 적용하여 시뮬레이션하였다.

  2. 연구결과
  개발된 수학적 모델을 이용하여 어떠한 개입도 없는 상황에서 살펴본 R0에 따른 변화는 Table 2와 같다. R0가 증가할수록 최대 환자 발생 시점(time to peak)은 빨라지고, 해당 시점의 발생 환자수도 증가하였다. R0가 1.2일 때 400일 동안 누적 발생환자수는 11,767,975명이었다. 최대 환자 발생 시점은 318일이며, 해당 시점의 발생 환자수는 106,151명이었다. R0가 2.0일 때 400일 동안의 누적 발생환자수는 24,597,108명이었으며, 최대 환자 발생 시점은 104일, 발생 환자수는 711,674명이었다.
                                                
  2주간의 휴교를 시행하는 시점에 따른 환자 발생 현황은 Table 3와 같다. 휴교를 시행하지 않은 모델의 결과와 신종인플루엔자 유행초기(유행시작 후 1-15일), 유행 확산 시점(유행시작 후 110-124일), 최대 환자발생 시점(유행시작 후 145-159일)에 휴교를 시행한 결과는 큰 차이가 없었다. 최대 환자  발생 시점은 휴교를 시행하지 않은 경우 152일이었으며, 각 휴교 시행 시점에 따른 최대 환자 발생   시점은 휴교를 시행하지 않은 경우와 비교해 1-2일 정도의 차이를 보였다. 최대 환자 발생시점에 휴교를 시행한 경우, 휴교를 시행하지 않은 경우에 비해 400일 동안 누적 발생환자수는 약 24만 명 감소하였다.
                                                
  전국민의 70%가 백신을 접종하여 면역력을 획득한다고 가정했을 때, 백신접종 기간에 따른 유행곡선의 변화는 Figure 2와 같다. 최대 환자발생 시점에 백신접종을 시작였을 경우, 백신접종을 실시하지 않은 모델에 비해 접종 시작일(141일) 직후부터 환자 발생이 감소하였으며, 400일 동안 누적 발생환자수는 12,591,201 명으로 백신접종이 없는 모델과 비교해 820만 명이 감소하였다. 백신접종 시작 일자가   유행초기, 유행시작 후 90일에 이루어졌을 경우, 백신접종이 이루어지지 않은 모델과 비교해 최대 환자발생 시점이 현저히 늦추어졌으며(유행초기는 127일 지연, 유행시작 후 90일경은 22일 지연), 최대   환자발생수도 감소하였다. 400일 동안 누적 발생환자수는 백신접종이 이루어지지 않은 모델에 비해   유행초기, 유행시작 후 90일에 백신접종을 실시한 모델이 둘 다 약 1,600만 명이 감소하였다.
                                                
  대응 전략이 적용되지 않은 기본 모델의 경우 일별 새로 발생한 환자수가 가장 많은 시점은 발생 후 152일이었으며, 환자수는 395,632명이었다. 400일 동안 누적 발생환자수는 20,787,799명이었다. 기본 모델에 2009년 국내 신종인플루엔자 대응전략을 적용한 경우 유행곡선은 Figure 3과 같다. 순응도가 100%일 때 최대 환자발생 시점은 255일, 이 시점의 환자 발생수는 48,028명이었다. 400일 동안 누적 발생환자수는 6,767,912명이었다. 신종인플루엔자 대응전략에 대한 순응도가 50%로 가정한 경우, 최대 환자발생 시점은 190일, 환자 발생수는 190,197명이었다. 400일 동안 누적 발생환자수는 12,333,784명이었다. 기본 모델에 비해 순응도가 50%일 때 최대 환자발생 시점은 38일, 순응도가 100%일 때는 124일 지연되었다.
                                                

Ⅲ. 맺는 말


  이 연구에서 개발된 수학적 모델에 R0의 값을 변화시켰을 때, R0가 증가할수록 유행곡선이 좁아지고 최고점이 높아지는 양상을 보였다. R0가 1.2와 2.0을 비교할 때 최대 환자 발생 시점이 214일 지연되며, 누적 발생환자수는 1,280만 명 정도 감소한다. R0를 1.6으로 가정한 기본 모델을 바탕으로 다양한    시점에서 2주간 휴교를 시행하는 것으로 시뮬레이션을 하였지만, 환자발생 감소에는 큰 영향을 미치지 않는 것으로 분석되었으며, 이는 외국의 연구결과와도 유사하였다[19]. 그러나 8주 정도의 휴교와 동시에 학생들의 외출 자제(home isolation)를 함께 시행한 경우에는 휴교가 환자발생 감소에 효과가 있는   것으로 보고되고 있다[20].  
  이 연구에서는 국내에서 조사된 2009년도에 연령별 접촉 빈도수를 바탕으로 접촉 행렬(contact matrix)을 구성하였는데, 1,000명을 대상으로 하였기 때문에 표본수가 부족하였을 가능성이 있다. 또한 이 연구에서 사용된 접촉 행렬(contact matrix)의 경우 계절 및 직업, 거주지역별 접촉자수를 제대로   반영하지 못하였다. 따라서 휴교를 시행하는 동안 학동기 아동들의 학교 및 가정, 그리고 방과후의 접촉률을 제대로 반영하지 못했을 가능성이 크다. 그러나 이 연구에서는 휴교를 시행하는 기간 동안 전체적인  접촉률이 50% 낮아지는 것으로 가정하였기 때문에, 휴교를 시행하더라도 학생들의 교외활동이 더 활발해지는 실제적인 현상을 고려한다면, 휴교로 인한 환자발생 감소 효과는 본 연구에서 관찰된 것보다 더 낮아질 것으로 판단된다. 그러나 이를 확인하기 위해서는 계절별, 연령별, 장소별, 상황별로 세분화된  접촉 행렬에 대한 조사가 필요하고, 이를 추후 모델링에 반영하여야 할 것으로 판단된다[21].
  백신접종이 유행초기와 유행시작 후 90일에 시행된 경우에 효과적으로 환자발생을 감소시키는 것으로 본 연구에서는 분석되었다. 특히, 유행시작 후와 유행 90일경 백신접종을 하는 것이 최고 발생시기(145일)에 백신을 접종하는 것보다 매우 효과적인 것으로 나타나, 향후 백신의 개발과 생산 및 접종이 빠른 시간 내에 이루어질 수 있도록 하기 위한 다양한 지원과 전략이 필요할 것으로 판단된다. 외국의 수학적   모델링 결과에서도 백신접종 인구가 많을수록, 접종 기간이 앞당겨질수록 환자발생 감소와 사망자 감소 효과가 높은 것으로 보고하고 있다[15, 17].
  이 연구에서 개발된 수학적 모형에 국내외의 자료를 통해 추정된 모수값을 적용한 기본 모델을 바탕으로 2009년도에 국내에서 시행된 대응전략을 적용한 결과, 순응도가 100%라는 최적의 가정에서는  기본 모델에 비해 초기 격리정책으로 질병의 확산이 지연되었으며, 확산기 항바이러스제 투여로 인플루엔자의 증가 속도가 억제된 것으로 분석되었다. 또한, 유행시작 후 200일경(2009년 11월)에 이루어진 백신접종으로 최대 환자발생 시점에서 약 4만 명이 발생하였으며, 이후 환자수가 감소하는 것으로 나타났다. 그러나 순응도가 50%인 경우 환자발생 최고점이 190일이었으며, 이 시점의 발생 환자수는 약 19만 명이었다.
  국내의 신종인플루엔자 발생 현황과 본 연구에서 개발된 예측모형의 비교는 실제 발생환자가 정확히 조사되지 않아 어렵지만, 최대 환자발생 시점의 비교를 통해서 간접적으로 평가해 볼 수 있다. 질병관리본부의 인플루엔자 표본감시 자료에서 제시한 인플루엔자 유사환자분율(influenza-like illness, ILI)의 최고값은 45주(11.1-11.7)의 44.96(/1000명)이었다. 2009년 5월 2일을 시뮬레이션의 시작시점(0일)으로 하였을 때 11월 5일은 187일로, 순응도가 50%로 대응전략을 적용한 모델의 최대 환자발생 시점인 190일과 근사한 시점이었다. 따라서 실제 발생한 환자수를 정확히 알 수 없다는 제한점이 있지만, 국내의 2009년도 신종인플루엔자 대응전략은 순응도를 50%로 가정할 경우, 400일 동안 누적 발생환자수는   8백만 명을 감소시켰으며, 최대 환자발생 시점을 약 40일 정도 지연시킨 것으로 평가할 수 있다.
  결론적으로 본 연구에서 개발된 수학적 모델을 적용한 결과, 2주간 휴교를 시행하는 것은 다른 대응전략에 비해서 효과가 크지 않은 것으로 나타났으며, 이 부분에 대한 추가적인 정책적 고려가 필요할 것으로 판단된다. 백신접종 시기는 유행초기와 유행 발생 90일경 백신접종을 한 경우에 최고 발생시기에 백신접종이 이루어진 경우보다 효과적이었지만, 유행발생 전에 백신이 개발, 생산되어 있는 경우는 현실적으로 어렵기 때문에 최대한 백신접종 시기를 앞당기기 위한 지원과 전략이 필요한 것으로 판단된다. 또한, 수학적 환자 예측 모형을 활용한 결과, 국내의 신종인플루엔자 대응전략은 환자발생과 유행을   효과적으로 억제시킨 것으로 분석되었지만, 향후, 정책에 대한 국민의 순응도를 증가시키기 위한 다양한 정책이 추가적으로 적용되어야 할 것으로 판단된다. 
  이 연구에서 사용된 결정론적 모델은 세부사항을 생략한 시스템의 정성적인 현상에 초점을 두고 있으며, 세부사항의 생략에 대해서는 엄밀한 이론적 분석과 매개변수의 민감도 측정을 통해 보완이 가능하기  때문에, 결정론적 모델을 사용하여 대응전략을 평가하는 것이 가능하다. 집단을 대표적인 하나의 변수로 나타내는 결정론적 모델은 집단을 구성하는 각 개인과 그들의 다양한 행동양식을 반영할 수 없는 반면, 확률론적 모델은 현실에서 나타나는 다양성을 설명하는 것이 가능하다. 즉, 확률론적 모델에서는 시간과 공간에 따른 변화를 간단한 변수나 과정으로 표현하기 위해 무작위(randomization)의 개념을 사용하는데, 변수의 초기 값을 입력하거나 세부사항을 생략한 과정을 통해 다양한 결과를 산출하는 것이 가능하다. 확률론적 모델은 현상을 표현하는데 중요한 역할을 하며, 복잡한 기전(mechanism)을 모델에 함시키는 수학적 모델링의 방법론 중 하나이다. 최근의 연구에 의하면, 현상의 단순화를 기본으로 하는 수학적 모델링에 확률론적 모델을 사용하는 것과 결정론적 모델 중에서 다양한 상황을 고려하여 확장된 S-L-I-A-R 모델을 사용하는 경우에 시뮬레이션 결과는 유사한 것으로 보고하고 있다[8].
  이 연구는 결정론적 모델을 활용하여, 신종인플루엔자 환자를 예측하고, 다양한 대응전략의 효과를 검토해 보고자 하였다. 향후 대유행 및 다양한 국가 재난 대응전략의 수립 및 평가를 위해 결정론적 모델뿐 아니라 확률론적 모델(stochastic model)에 대한 연구가 지속적으로 이루어져야 할 것으로 생각되며, 또한, 다양한 대응 전략의 적용과 관련된 비용-효과 분석에 대한 검토가 필요할 것으로 판단된다.

Ⅳ. 참고문헌

 1. Ferguson NM, Cummings DA, Cauchemez S, Fraser C, Riley S, Meeyai A, et al. Strategies for containing an emerging influenza pandemic in Southeast
     Asia. Nature. 2005437(7056):209-14.
 2. Longini IM, Jr., Nizam A, Xu S, Ungchusak K, Hanshaoworakul W, Cummings DA, et al. Containing pandemic influenza at the source. Science. 2005; 309
     (5737):1083-7.
 3. Bartlett JG, Borio L. Healthcare epidemiology: the current status of planning for pandemic influenza and implications for health care planning in the
     United States. Clin Infect Dis. 2008 ;46(6):919-25.
 4. Lee VJ, Lye DC, Wilder-Smith A. Combination strategies for pandemic influenza response - a systematic review of mathematical modeling studies. BMC
     Med. 2009;7:76.
 5. Lawson AB, Zhou H. Spatial statistical modeling of disease outbreaks with particular reference to the UK foot and mouth disease (FMD) epidemic of
     2001. Prev Vet Med.2005 ;71(3-4):141-56.
 6. Chun BC. [Modelling the impact of pandemic influenza]. J Prev Med Public Health. 2005 ;38(4):379-85. (Korean)
 7. Arino J, Brauer F, van den Driessche P, Watmough J, Wu J. Simple models for containment of a pandemic. J R Soc Interface. 2006 ;3(8):453-7.
 8. Arino J, Brauer F, van den Driessche P, Watmough J, Wu J. A model for influenza with vaccination and antiviral treatment. J Theor Biol. 2008 ;253(1):
     118-30.
 9. KCDC. Guidance on Prevention and Infection Control Measures for 2009 H1N1 Influenza [cited 2010 Feb 28] Available from URL: http://flu.kdca.go.kr/
 10. CDC. Interim Guidance on Infection Control Measures for 2009 H1N1 Influenza in Healthcare Settings, Including Protection of Healthcare Personnel.
       [cited 2010 Feb 28] Available from URL: http://www.cdc.gov/h1n1flu/guidelines_infection_control.htm
 11. WHO. Mathematical modelling of the pandemic H1N1 2009. Weekly Epidemiologic Report. 2009 ;34:341-52.
 12. Carrat F, Vergu E, Ferguson NM, Lemaitre M, Cauchemez S, Leach S, et al. Time lines of infection and disease in human influenza: a review of
       volunteer challenge studies. Am J Epidemiol. 2008 ;167(7):775-85.
 13. Echevarria-Zuno S, Mejia-Arangure JM, Mar-Obeso AJ, Grajales-Muniz C, Robles-Perez E, Gonzalez-Leon M, et al. Infection and death from influenza
       A H1N1 virus in Mexico: a retrospective analysis. Lancet. 2009 ;374(9707):2072-9.
 14. Fraser C, Donnelly CA, Cauchemez S, Hanage WP, Van Kerkhove MD, Hollingsworth TD, et al. Pandemic potential of a strain of influenza A (H1N1):
       early findings. Science.2009 ;324(5934):1557-61.
 15. Chowell G, Viboud C, Wang X, Bertozzi SM, Miller MA. Adaptive vaccination strategies to mitigate pandemic influenza: Mexico as a case study. PLoS
       One. 2009; 4(12):e8164.
 16. Longini IM, Jr., Halloran ME, Nizam A, Yang Y. Containing pandemic influenza with antiviral agents. Am J Epidemiol. 2004 ;159(7):623-33.
 17. Basta NE, Chao DL, Halloran ME, Matrajt L, Longini IM, Jr. Strategies for pandemic and seasonal influenza vaccination of schoolchildren in the United
       States. Am J Epidemiol. 2009 ;170(6):679-86.
 18. Garcia-Garcia L, Valdespino-Gomez JL, Lazcano-Ponce E, Jimenez-Corona A, Higuera-Iglesias A, Cruz-Hervert P, et al. Partial protection of seasonal
       trivalent inactivated vaccine against novel pandemic influenza A/H1N1 2009: case-control study in Mexico City. BMJ. 2009;339:b3928.
 19. Lee BY, Brown ST, Cooley P, Potter MA, Wheaton WD, Voorhees RE, et al. Simulating School Closure Strategies to Mitigate an Influenza Epidemic. J
       Public Health Manag Pract. 2009 Dec 23.
 20. Sypsa V, Hatzakis A. School closure is currently the main strategy to mitigate influenza A(H1N1)v: a modeling study. Euro Surveill. 2009 ;14(24).
 21. Yang Y, Sugimoto JD, Halloran ME, Basta NE, Chao DL, Matrajt L, et al. The transmissibility and control of pandemic influenza A (H1N1) virus.
       Science.2009 ;326(5953):729-33.

※ 이 글은 연세대학교 의과대학 예방의학교실 김창수 교수님께서 예방의학회지에 발표한 논문(43권 2호, 2010년)을 일부 수정하여 작성한 원고를 게재하였습니다. 

 
 

 
 
 

본 공공저작물은 공공누리  출처표시+상업적이용금지+변경금지 조건에 따라 이용할 수 있습니다 본 공공저작물은 공공누리 "출처표시+상업적이용금지+변경금지" 조건에 따라 이용할 수 있습니다.
TOP