개요편집이의 제기
SIR 모델(SIR model)은 역학에서 감염병 확산 과정을 수학적으로 모형화하기 위해 사용하는 가장 기초적인 구획 모델(compartmental model)이다. 인구를 감수성자(Susceptible, S), 감염자(Infectious, I), 제거자(Removed, R) 세 집단으로 나누고, 시간 경과에 따라 각 집단 규모가 어떻게 변하는지를 상미분 방정식(ODE) 체계로 기술한다. 이 모델은 1927년 윌리엄 오길비 커맥(William Ogilvy Kermack)과 앤더슨 그레이 맥켄드릭(Anderson Gray McKendrick)이 발표한 커맥-맥켄드릭 이론(Kermack–McKendrick theory)의 특수한 사례로 처음 제안되었으며, 이후 수많은 파생 모델의 기반이 되었다[2].
역사·유래편집이의 제기
구획 모델의 기원은 20세기 초반으로 거슬러 올라간다. 1906년 해머(Hamer)의 연구, 1916년 로스(Ross)의 기여, 1917년 로스와 허드슨(Ross and Hudson)의 공동 연구를 거쳐 1927년 커맥과 맥켄드릭의 기념비적 논문이 발표되었고, 1956년 켄달(Kendall)의 연구로 이어졌다. 이 밖에 리드-프로스트(Reed–Frost) 모델도 현대 역학 모형에 상당한 영향을 미쳤으나 상대적으로 덜 알려져 있다[2]. 커맥과 맥켄드릭의 모델은 맥켄드릭이 로널드 로스(Ronald Ross)와 수행했던 선행 연구를 바탕으로 발전시킨 것이다[2].
작동 방식과 유형편집이의 제기
기본 구조와 가정
* S (감수성자): 아직 감염되지 않아 질병에 걸릴 수 있는 개인 수.
* I (감염자): 감염되어 타인에게 병원체를 전파할 수 있는 개인 수.
* R (제거자): 감염 후 회복하여 면역을 얻었거나 사망한 개인 수. 사망자 수가 전체 인구에 비해 무시할 만하다고 가정하며, 이 구획을 '회복자' 또는 '저항자'라고 부르기도 한다.
각 변수는 시간 $t$에 따른 함수 $S(t), I(t), R(t)$로 표현되며, 총 인구 $N = S(t) + I(t) + R(t)$는 일정하다고 가정한다(출생·사망 등 인구 동태 생략)[2].
전이율과 미분 방정식
감수성자에서 감염자로의 전이는 '감염 접촉'이 일어날 때 발생한다. 전이율은 $\frac{d(S/N)}{dt} = -\beta \frac{SI}{N^2}$로 주어지며, 여기서 $\beta$는 단위 시간당 인당 평균 접촉 수에 전파 확률을 곱한 값이고, $\frac{SI}{N^2}$는 감수성자-감염자 쌍이 접촉할 비율이다. 이는 화학 반응 속도론의 질량 작용 법칙과 수학적으로 유사하다[2].
감염자에서 제거자로의 전이율은 $\gamma I$로, $\gamma$는 회복률 상수이다. 평균 감염 기간이 $D$라면 $\gamma = 1/D$이며, 이는 감염 상태 체류 시간이 지수 분포를 따른다는 가정과 동치이다. 더 현실적인 분포(예: 얼랑 분포)를 쓰도록 수정할 수도 있다[2].
출생·사망을 제외한 기본 SIR 모델의 상미분 방정식 시스템은 다음과 같다[2].
$$
\begin{aligned}
\frac{dS}{dt} &= -\frac{\beta}{N} I S, \\
\frac{dI}{dt} &= \frac{\beta}{N} I S - \gamma I, \\
\frac{dR}{dt} &= \gamma I.
\end{aligned}
$$
여기서 $\beta$는 감염률 상수(단위: 명/일/감염자), $\gamma$는 회복률 상수(단위: 1/일)이다.
기본 재생산 수 $R_0$
모델 분석에서 핵심적인 무차원 양은 기본 재생산 수(basic reproduction number) $R_0 = \frac{\beta}{\gamma}$이다. 이는 전체 인구가 감수성자일 때 단일 감염자가 2차 감염을 일으키는 평균 예상 수를 의미한다. $R_0 > 1$이면 유행이 발생하고, $R_0 < 1$이면 감염이 소멸한다[2].
해석적 해와 동역학
세 방정식을 더하면 $\frac{dS}{dt}+\frac{dI}{dt}+\frac{dR}{dt}=0$이 되어 $S(t)+I(t)+R(t)=N$(상수)임을 확인할 수 있다. 첫 번째 식을 세 번째 식으로 나누고 변수 분리 적분하면 암시적 해를 얻는다[2].
$$ S(t) = S(0) \, e^{-R_0 (R(t)-R(0))/N} $$
이 관계식을 통해 유행의 최종 규모 등을 추정할 수 있다. 감수성자 수가 급격히 줄어들면 유행이 정점을 지나 감소하며, 다시 감수성자가 충분히 축적되어야(예: 출생) 다음 유행 주기가 가능하다. 이는 백신 도입 전 홍역 등에서 관측된 주기적 유행 패턴을 설명한다[2].
특수한 경우: SI 모델
제거 과정이 없는 경우($\gamma = 0$) SIR 모델은 SI 모델로 귀착되며, 이는 로지스틱 해를 가져 결국 모든 개인이 감염된다[2].
확률론적 확장
기본 모델은 결정론적 상미분 방정식을 사용하지만, 무작위성을 반영한 확률론적 프레임워크로도 공식화할 수 있다. 이는 소규모 집단에서 더 현실적인 동역학을 제공하나 해석적 복잡도가 증가한다[2].
사례편집이의 제기
자료에서 SIR 모델이 '합리적으로 예측 가능하다'고 명시한 질병은 홍역(measles), 볼거리(mumps), 풍진(rubella)이다. 이들은 사람 간 전파되며 회복 후 지속적인 면역이 생기는 특성을 가진다[2]. 영국에서 1968년 백신 도입 전 홍역의 주기적 유행이 모델의 동역학적 특성(감수성자 수 변동에 따른 유행 주기)을 잘 보여주는 사례로 언급된다[2].
규제·논란·평가편집이의 제기
자료는 SIR 모델을 '가장 단순한 구획 모델 중 하나'이자 '많은 모델의 파생 기반'으로 평가하며, 사람 간 전파되고 회복 후 지속 면역이 생기는 감염병에 대해 '합리적으로 예측 가능하다'고 기술한다[2]. 동시에 출생·사망 등 인구 동태(vital dynamics)를 생략한 단순화된 형태임을 명시하고, 더 복잡하고 현실적인 분포(얼랑 분포 등)나 확률론적 접근, 인구 동태 포함 모델 등으로 확장되어 왔음을 나타낸다[2]. 구체적인 비판 주체나 논란 사항은 자료에 제시되지 않았다.
활용 목적과 확장 분야편집이의 제기
역학자와 공중보건 당국은 구획 모델을 다음 목적으로 활용한다[2].
* 질병 전파 역학 분석
* 시간 경과에 따른 총 감염자·회복자 수 예측
* 기본 재생산 수($R_0$) 또는 유효 재생산 수($R_t$) 등 핵심 역학 파라미터 추정
* 다양한 공중보건 중재의 잠재적 영향 사전 평가
* 질병 발생 시 근거 기반 정책 결정 지원
감염병 모델링 외에 개체군 생태학(population ecology), 약물동태학(pharmacokinetics), 화학 반응 속도론(chemical kinetics) 등 정의된 상태 간 전이를 연구하는 분야에도 응용된다. 실제 정책 자문에는 더 복잡한 모델이 사용되는 경우가 많다[2].
이 문서는 GGWiki AI가 공개 자료(아래 출처)를 조사해 새로 쓴 초안입니다. 틀린 내용은 편집하거나 이의 제기로 알려 주세요.
