⋯1번째 줄 근처
+추가: ## 개요
+추가: 기초감염재생산수(基礎感染再生産數, basic reproduction number, basic reproductive ratio)는 역학에서 감염병의 전파력을 나타내는 무차원 지표로, 흔히 \(R_0\)로 표기한다. 감수성만 있는 인구집단에 최초의 감염자 1명이 들어왔을 때, 그 감염자가 평균적으로 일으키는 2차 감염자 수를 뜻한다. \(R_0\)는 시간 단위를 갖는 전파율(rate)과 달리 차원이 없는 순수 숫자이며, 병원체의 생물학적 상수가 아니라 환경 조건, 숙주 행동, 접촉 패턴 등에 따라 달라진다[1][2][3].
+추가: ## 역사·유래
+추가: 기초감염재생산수 개념의 뿌리는 로널드 로스(Ronald Ross), 알프레드 로트카(Alfred Lotka) 등의 연구로 거슬러 올라가지만, 현대 역학에서 처음 체계적으로 적용한 것은 조지 맥도널드(George Macdonald)이다. 그는 1952년 말라리아 전파 모형을 만들면서 이 양을 ‘기초재생산율(basic reproduction rate)’이라 부르고 \(Z_0\) 기호로 표기하였다[3]. 이후 표기가 \(R_0\)로 통일되고 정의가 다듬어지면서 오늘날의 표준 개념으로 자리 잡았다.
+추가:
+추가: ## 작동 방식과 유형
+추가: ### 정의와 임계값
+추가: \(R_0 > 1\)이면 감염병이 집단 내에서 퍼져 나갈 수 있고, \(R_0 < 1\)이면 자연 소멸한다. 단순 모형에서 집단면역 역치(herd immunity threshold)는 \(1 - 1/R_0\)로 구하며, 이 비율 이상이 면역을 가지면 감염이 지속되지 못한다. 평형 상태에서 감수성 비율은 \(1/R_0\)가 된다. 다만 이 공식은 완전 혼합 인구를 가정한 단순 모형에 기초하므로, 접촉망 구조나 면역 상관관계가 있으면 역치가 달라질 수 있다[3].
+추가:
+추가: ### 추정 방법
+추가: \(R_0\)는 수리 모형에서 유도하며, 주요 접근법은 다음과 같다.
+추가:
+추가: #### 구획 모형(Compartmental models)
+추가: 인구를 감수성(S), 감염(I), 회복(R) 등 구획으로 나누고 전이율을 설정해 \(R_0\)를 도출한다. 가장 단순한 SIR 모형에서는 감염자 1인당 단위 시간 접촉 수 \(\beta\)와 평균 감염 기간 \(1/\gamma\)의 곱 \(R_0 = \beta/\gamma\)로 나타난다[3].
+추가:
+추가: #### 네트워크 모형(Epidemic models on networks)
+추가: 개체를 노드, 접촉을 링크로 표현한 네트워크에서 국소적 트리 구조를 가정하면 \(R_0 = \frac{\beta}{\beta+\gamma} \frac{\langle k^2\rangle - \langle k\rangle}{\langle k\rangle}\)로 쓸 수 있다. 여기서 \(\beta\)는 링크당 전파율, \(\gamma\)는 회복률, \(\langle k\rangle\)와 \(\langle k^2\rangle\)은 차수 분포의 1차·2차 모멘트다[3].
+추가:
+추가: #### 이질적 인구(Heterogeneous populations)
+추가: 집단이 균질하지 않으면 ‘전형적인 감염자(typical infected individual)’가 평균적 개인과 다를 수 있다. 예를 들어 소수의 고활동 그룹이 밀접하게 섞여 있고 나머지는 고립돼 있으면, 무작위 개인의 2차 감염 수가 1 미만이어도 유행이 지속될 수 있다. 이 경우 \(R_0\)는 ‘완전 감수성 집단에서 전형적 감염자가 일으키는 기대 2차 감염자 수’로 정의한다[3].
+추가:
+추가: #### 초기 증가율 이용(지수 성장기)
+추가: 유행 초기에 감염자 수가 기하급수적으로 늘 때, 성장률 \(r\)과 세대 기간(serial interval) \(T_g\)을 써서 \(R_0 \approx 1 + r \cdot T_g\)로 근사할 수 있다. 세대 기간은 선행 감염자 증상 발현부터 후행 감염자 증상 발현까지의 시차다[2].
+추가:
+추가: ### 초기 증가율법의 한계
+추가: * **보고 누락·지연**: 감염자 수 집계가 불완전하거나 보고 지연이 크면 \(r\) 추정이 편향돼 \(R_0\)도 실제보다 높거나 낮게 나올 수 있다[2].
+추가: * **세대 기간 불확실**: 증상 발현 시점을 정확히 알 수 없거나 세대 기간 분포가 불명확하면 공식 적용이 어렵다[2].
+추가:
+추가: ### 유효재생산수(Effective reproduction number, \(R_e\) 또는 \(R_t\))
+추가: 현실에서는 면역자·접종자 등이 섞여 있으므로, 시점 \(t\)에서 감수성 비율 \(S\)를 곱해 \(R_t = R_0 \times S\)로 정의한다. \(R_t\)가 1 아래로 떨어지면 집단면역이 달성돼 환자 수가 점차 0으로 수렴한다[3].
+추가:
+추가: ## 사례
+추가: 자료에 제시된 구체적 적용 사례로는 2020년 1월 광둥성 질병관리본부가 초기 증가율법을 써서 SARS-CoV-2의 \(R_0\)를 9로 추정한 연구(Tao Liu 등, 2020.01.25)가 있다[2].
+추가:
+추가: ## 규제·논란·평가
+추가: ### 해석상 주의점
+추가: * **모형 의존성**: \(R_0\)는 다양한 수리 모형에서 여러 방식으로 계산될 수 있으며, 같은 모형에서도 가정에 따라 값이 달라진다. 따라서 서로 다른 모형·가정에서 나온 \(R_0\) 값을 직접 비교해 병원체 전파력을 논하는 것은 부적절하다[3].
+추가: * **시점·상황 의존성**: 과거 유행에서 구한 \(R_0\)가 동일 병원체의 현재 유행에 그대로 적용되지 않을 수 있다[3].
+추가: * **비약물적 중재 포함 여부**: 물리적 거리두기 등 비약물적 중재를 \(R_0\) 정의에 포함할지 여부가 논문·질병·연구 목적에 따라 달라, 문헌 간 혼란을 초래한다. 일부 역사적 정의는 ‘의도적 전파 차단 개입이 없는 상태’를 전제한다[3].
+추가: * **전파 속도와의 혼동**: \(R_0\) 자체는 전파 속도(시간당 감염자 수)가 아니라 임계값 지표다. \(R_0\)가 같아도 세대 기간이 다르면 실제 확산 속도는 달라진다[3].
+추가: * **\(R_0 < 1\)에서도 지속 가능성**: 매개체(모기 등)가 있는 인수공통감염병(말라리아 등)에서는 \(R_0 < 1\)이라도 자가 지속 유행이 일어날 수 있어 단순 임계값 해석에 주의가 필요하다[3].
+추가:
+추가: ### 문헌
+추가: * J. Wallinga, M. Lipsitch, "How generation intervals shape the relationship between growth rates and reproductive numbers", Proc Biol Sci 274(1609):599–604, 2007-02-22[2].
+추가: * Tao Liu et al., "Transmission dynamics of 2019 novel coronavirus (2019-nCoV)", doi:10.1101/2020.01.25.919787, 2020-01-26[2].
+추가:
+추가: 이 문서는 GGWiki AI가 공개 자료(아래 출처)를 조사해 새로 쓴 초안입니다. 틀린 내용은 편집하거나 이의 제기로 알려 주세요.
