リスク評価におけるネットワーク理論

ネットワークは、接続パターンの基本のみを捉えた抽象的な構造であり、それ以外の要素はほとんど含まれていません。ネットワークは一般化されたパターンであるため、ネットワークの分析、モデリング、理解のために開発されたツールは、理論的には分野を超えて実装可能です。システムがネットワークで表現できる限り、数学的、計算的、統計的など、幅広く開発されたツールセットが存在し、それらを理解すれば、対象システムの分析に適用できます。

図1:有向ネットワークのコンポーネントのボウタイ図

現在リスク評価に用いられているツールは多くの場合十分ですが、モデルの複雑さと計算能力の限界により、リスク評価者はより多くの因果関係を考慮し、より多くのブラックスワン事象の結果を考慮せざるを得なくなります。ネットワーク理論のツールをリスク評価に適用することで、計算能力の限界を克服し、不確実性の範囲を狭めながら、より広範な事象を網羅できるようになる可能性があります。[ 1 ]

意思決定プロセスは、日常的なリスク評価には組み込まれていないが、そのようなプロセスにおいて重要な役割を果たしている。[ 2 ]そのため、リスク評価者は、政治、メディア、支持者などの外部要因の関与を最小限に抑えて分析を実行し、結果を公表することで、確証バイアスを最小限に抑えることが非常に重要です。しかし、現実には、政治家、科学者（この場合はリスク評価者）、支持者、メディアの間の鉄の三角形を破ることはほぼ不可能です。 [ 3 ]リスク評価者は、リスク研究とリスク認識の違いに敏感である必要があります。[ 4 ] [ 5 ]この2つを近づける1つの方法は、意思決定者に簡単に信頼して理解できるデータを提供することです。リスク分析プロセスにネットワークを採用することで、因果関係を視覚化し、重要なイベントの確率に大きく影響する、または重要な要因を特定できます。[ 6 ]

ボウタイダイアグラム、因果関係図、ベイジアンネットワーク（有向非巡回ネットワーク）、フォールトツリーなどは、ネットワーク理論をリスク評価にどのように応用できるかを示す例である。[ 7 ]

疫学リスク評価（図7および9）では、ネットワークモデルを構築することで、密接なつながりを持つ患者（図7の患者1、6、35、130、127）や人通りの多い場所（図9のホテルM）に関係する人々の潜在的な曝露または感染リスクを視覚的に確認し、定量化して評価することができます。生態学的リスク評価（図8）では、ネットワークモデルを通じてキーストーン種を特定し、調査対象の潜在的なハザードからの影響がどの程度広範囲に及ぶかを判断することができます。

リスク評価の主要構成要素

図2: リスク分析、評価、査定、管理

リスク評価は不確実性に対処するための手法です。リスク管理と意思決定プロセス全体にとって有益であるためには、極端で壊滅的な事象を捉えることができなければなりません。リスク評価は、リスク分析とリスク評価の2つの部分で構成されますが、「リスク評価」という用語は「リスク分析」と区別なく使用される場合もあります。一般的に、リスク評価は以下のステップに分けられます。[ 8 ]

  1. リスク分析を計画し、準備します。
  2. システムと分析の範囲を定義して制限します。
  3. 危険および潜在的な危険事象を特定します。
  4. それぞれの危険な事象の原因と頻度を特定します。
  5. それぞれの危険な事象によって引き起こされる可能性のある事故のシナリオ（つまり、一連の事故）を特定します。
  6. 関連性のある典型的な事故のシナリオを選択します。
    図3: リスク管理のボウタイ図
  7. 各事故シナリオの結果を判断します。
  8. 各事故シナリオの頻度を決定します。
  9. 不確実性を評価する。
  10. リスクの状況を確立して説明します。
  11. 分析結果を報告します。
  12. リスク受容基準に照らしてリスクを評価する
  13. 潜在的なリスク軽減策を提案し、評価します。

当然のことながら、必要なステップ数は評価ごとに異なります。これは分析の範囲と研究対象の複雑さに依存します。[ 9 ]リスク分析プロセスには常にさまざまなレベルの不確実性が含まれるため、通常、感度分析と不確実性分析を実施して不確実性のレベルを軽減し、全体的なリスク評価結果を改善します。

ネットワーク理論の主要構成要素

ネットワークとは、システムを抽象的な構造に簡略化した表現である。簡単に言えば、線で結ばれた点の集合である。各点は「頂点」（複数形は「頂点」）または「ノード」と呼ばれ、各線は「エッジ」または「リンク」と呼ばれる。[ 10 ] ネットワークのモデリングと研究は、コンピュータ科学、物理学、生物学、生態学、物流、社会科学など、多くの分野で既に応用されている。これらのモデルの研究を通じて、個々の構成要素（すなわち頂点）の性質、構成要素間の接続や相互作用（すなわちエッジ）、そして接続のパターン（すなわちネットワーク）についての洞察が得られる。

疑いなく、あらゆるネットワークの構造（またはパターン）の変化は、それが表すシステムの挙動に大きな影響を与える可能性があります。例えば、ソーシャルネットワークにおけるつながりは、人々のコミュニケーション、ニュースの交換、旅行、そしてそれほど明白ではないものの、病気の蔓延にも影響を与えます。これらのシステムの機能をより深く理解するためには、ネットワークの構造に関するある程度の知識が必要です。

基本用語

スモールワールド効果

スモールワールド効果は、ネットワーク現象の中でも最も注目すべきものの一つです。これは、多くの（おそらくほとんどの）ネットワークにおいて、頂点間の平均経路距離が驚くほど小さいという発見を表しています。[ 11 ]これは、ネットワーク研究の様々な分野に多くの示唆をもたらします。例えば、ソーシャルネットワークでは、噂（あるいは伝染病）がコミュニティ内でどれほど速く広がるかを考察することができます。数学的な観点から見ると、ネットワーク内の経路長は通常、log n（nはネットワークの頂点数）に比例するため、大規模で複雑なネットワークであっても、経路長が小さい値にとどまるのは当然のことです。
スモールワールド効果に伴うもう一つの考え方は、ファンネリングと呼ばれるものです。[ 12 ]これは、実験心理学者スタンレー・ミルグラムが1960年代に行った社会ネットワーク実験から派生したものです。この実験において、ミルグラムはスモールワールド効果現象と共に、どのような社会ネットワークにおいても、特に強いつながりを持つ人が少数存在するという結論に達しました。したがって、これらの少数の個人が、メンバーと残りの世界とのつながりを担っているのです。

学位、ハブ、パス

図4: 多重エッジと自己エッジの両方を持つ小規模ネットワーク
頂点の次数とは、その頂点に接続されている辺の数です。例えば、図4では、頂点3の次数は5です。ハブとは、ネットワーク内で比較的高い次数を持つ頂点のことです。ここでも、頂点3が良い例です。ソーシャルネットワークでは、ハブは多くの知人を持つ個人を意味します。リスク評価では、複数のトリガーを伴う危険なイベント（または蝶ネクタイ図の因果関係の部分）を意味します。ネットワークにおけるパスとは、ネットワーク上の頂点と頂点を結ぶ経路です。同じ図で、頂点1から頂点6へのパスの例は、1→5→3→6となります。
図5: 2つのコンポーネントを持つ切断された有向ネットワーク（網掛け部分）

中心性

中心性は、ネットワークにおいて特定の頂点がどれだけ重要（または中心的）であるかを示す指標です。中心性は、その頂点に接続されている辺の数（つまり次数）を数えることで測定できます。したがって、次数が最も高い頂点は、次数中心性も高くなります。
次数中心性は様々な意味合いを持つ可能性があります。ソーシャルネットワークでは、次数中心性が高い人は、つながりの少ない人よりも、他者への影響力、情報へのアクセス、機会の多さが大きくなる可能性があります。引用ネットワークでは、次数中心性が高い論文は、より影響力があり、それぞれの研究分野に大きな影響を与えていることを示唆する可能性があります。 [ 13 ]
図6: 2つのコンポーネントを持つ接続された有向ネットワーク（網掛け部分）
固有ベクトル中心性は次数中心性の概念を拡張したもので、多くのネットワークにおいてすべての頂点の重みや重要度が同じではないという事実に基づいています。ネットワークにおける頂点の重要性は、重要な頂点との接続が多いほど高まります。したがって、固有ベクトル中心性は、1つの頂点だけでなく、隣接する頂点も対象とする中心性スコアリングシステムと見なすことができます。

コンポーネント

非接続ネットワークにおける頂点のサブグループ、または部分集合。非接続ネットワークとは、ネットワーク内に少なくとも1組の頂点が存在し、それらの頂点間を接続するパスが全く存在しないことを意味します。逆に、接続ネットワークはネットワーク内のすべての頂点が少なくとも1つのパスで接続されていることを意味します。したがって、接続ネットワークは1つの要素のみを持つと言えます。

有向ネットワーク

図 7. CDC による疫学における非循環有向ネットワークの例。
各辺が頂点から頂点へと方向を持つネットワーク。そのため、これらの辺は有向辺と呼ばれます。このようなネットワークの例として、このページの参照セクションから別のセクションへのリンクがありますが、そのリンクは別のセクションへのリンクではなく、別のセクションへのリンクとなります。食物網では、捕食者が獲物を食べることが別の例です。
有向ネットワークは、巡回型と非巡回型があります。巡回型の有向ネットワークは、辺が閉じたループを持つネットワークです。非巡回型の有向ネットワークには、そのようなループは含まれません。自己辺（頂点を自身に接続する辺）は巡回型とみなされるため、非巡回型ネットワークには存在しません。
ベイジアンネットワークは、非巡回有向ネットワークの例です。

加重ネットワーク

現実には、すべてのエッジが同じ重要性や重みを持っているわけではありません（例えば、ソーシャルネットワークにおける接続や食物網におけるキーストーン種など）。重み付きネットワークは、接続にそのような要素を追加します。これは、ゲノム生物学やシステム生物学の応用で広く利用されています。

木々

閉ループを持たない無向ネットワーク。ツリーはネットワークの一部でありながら、独立した構成要素として分離されている場合があります。ネットワークのすべての部分がツリーである場合、そのようなネットワークはフォレストと呼ばれます。行政機関はフォレストと見なすことができる場合もあります。

ネットワーク理論の応用例

ソーシャルネットワーク

初期の社会ネットワーク研究は19世紀末にまで遡ります。しかしながら、この分野の確固たる研究と基盤は、一般的にジェイコブ・モレノという精神科医に帰せられます。彼は1934年に『 Who Whall Survive?』と題する著書を出版し、社会測定学（後に社会ネットワーク分析として知られる）の基礎を築きました。

社会ネットワーク分析の初期発展に貢献したもう一人の著名な人物は、実験心理学者のスタンレー・ミルグラムです。彼の「スモールワールド」実験は、六次の隔たりや、つながりの深い知人（「社会測定学のスーパースター」とも呼ばれる）といった概念を生み出しました。この実験は最近、ドッズらによって電子メールを用いて再現され、基本的な結果はミルグラムの結果と似ていました。この実験における真の平均経路長（つまり、電子メールメッセージが特定の個人から異なる国の対象者に至るまでに通過するエッジの数）の推定値は約5～7で、当初の六次の隔たりからそれほど逸脱していません。[ 14 ]

食物網

図8. イーストリバーバレーの栄養網

食物網（または食物連鎖）は、特定の生態系における被捕食者と被捕食者の関係を表す有向ネットワークの一例です。この種のネットワークでは、頂点は種を表し、辺は被捕食者と被捕食者の関係を表します。種の集合は、その集合内のすべての個体が同じ生物を捕食し、また同じ生物に捕食される場合、単一の頂点で表されます。食物網は、成体が幼体を捕食したり、寄生したりするなどの例外を除いて、多くの場合非循環的です。[ 15 ]

注：食物網のメイン記事では、食物網は循環的であると説明されていました。これは、特定の生態系における炭素源とエネルギー源の流れに基づいています。ここで説明する食物網は、被食者と捕食者の役割​​のみに基づいています。炭素循環と窒素循環に関与する生物（分解者や固定者など）は、この説明では考慮されていません。

疫学

図9. ホテルMの宿泊客間の感染経路（香港、2003年）

疫学はソーシャルネットワークと密接に関連しています。感染症は、職場、交通機関、親密な身体接触、水道といった接続ネットワークを通じて広がる可能性があります（図7および9参照）。インターネットネットワーク上で拡散するコンピュータウイルスは、仮想的な存在ではあるものの、物理的なものとほとんど変わりません。したがって、これらのネットワークパターンを一つ一つ理解することは、疫病の結果をより正確に予測し、より優れた疾病予防プロトコルを策定する上で間違いなく役立つでしょう。

感染の最も単純なモデルはSI（感受性-感染）モデルとして提示されます。しかし、ほとんどの疾患はこのように単純な挙動をしません。そのため、このモデルには多くの改良が加えられ、SIR（感受性-感染-回復）、SIS（2番目のSは再感染を表す）、SIRSモデルなどが開発されました。潜伏期の概念はSEIR（Eは曝露を表す）などのモデルで考慮されています。SIRモデルはリード・フロストモデルとしても知られています。[ 16 ]

これらをアウトブレイクネットワークモデルに組み込むには、ネットワークの巨大な構成要素における頂点の次数分布を考慮する必要がある（小さな構成要素におけるアウトブレイクは孤立しており、すぐに消滅するため、アウトブレイクが流行に発展することはない）。理論的には、重み付けネットワークは頂点の曝露確率に関するより正確な情報を提供できるが、さらなる証明が必要である。Pastor-Satorrasらはこの分野で多くの先駆的な研究を行っており、最も単純な形式（SIモデル）から始まり、構成モデルから抽出されたネットワークに適用した。[ 17 ]

感染が個体に病気を引き起こす仕組みを生物学で解明することは複雑であり、専門家が関心を持つ別のタイプの疾患パターンです（病因として知られるプロセスで、宿主の免疫学と病原体の毒性因子が関係します）。

注記

  1. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、p.2
  2. ^全米研究会議（NRC）.レッドブックパラダイム. 連邦政府におけるリスクアセスメント：プロセスの理解. ワシントンD.C.：全米科学アカデミー出版局, 1983年.
  3. ^ Pielke Jr., Roger A.「政策、政治、そして展望」 Nature 416 (2002): 367-68.
  4. ^スロヴィック、ポール.リスクの認識.サイエンス236 (1987): 280-85.
  5. ^全米研究会議（NRC）「オレンジブックパラダイム」『リスクの理解：民主社会における意思決定のための情報提供』ワシントンD.C.：全米科学アカデミー出版、1996年。
  6. ^ラウサンド、マーヴィン.リスクアセスメント：理論、方法、および応用. ホーボーケン、ニュージャージー：ジョン・ワイリー・アンド・サンズ、2011年、p.295.
  7. ^ラウサンド、マーヴィン.リスクアセスメント：理論、方法、および応用. ホーボーケン、ニュージャージー州：ジョン・ワイリー・アンド・サンズ、2011年、p.266-302.
  8. ^ラウサンド、マーヴィン. 「第5章 リスクマネジメント」. 『リスクアセスメント：理論、方法、そして応用』 . ホーボーケン、ニュージャージー州: ジョン・ワイリー・アンド・サンズ、2011年. p.117-36.
  9. ^ラウサンド、マーヴィン.リスクアセスメント：理論、方法、および応用. ホーボーケン、ニュージャージー州：ジョン・ワイリー・アンド・サンズ、2011年、p.124.
  10. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、p.1
  11. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、241頁
  12. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、243頁
  13. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、168頁
  14. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、p.54-58
  15. ^ニューマン、マーク・EJ「第5.3章 生態学的ネットワーク」『 ネットワーク入門』オックスフォード大学出版局、2010年、99-104頁
  16. ^ 「疫病モデルにおける臨界性」（PDF） 。2006年9月14日時点のオリジナル（PDF）からアーカイブ。
  17. ^ニューマン、マーク・EJ『ネットワーク入門』オックスフォード：オックスフォード大学出版局、2010年、657-664頁

参考文献

  • ドルゴアルシニフ、レジーナ. 「疫病モデルにおける臨界性」. コロンビア大学、ニューヨーク.疫病モデルにおける臨界性.ウェイバックマシンに2012年4月15日アーカイブ
  • ルグラン、アマウリー、トム・アウワーズ著。「プリンシパル・エージェント・モデルとネットワーク理論による行政手続きの枠組み：ベルギーの社会保障」 EGPA会議「プレッシャーにさらされる公務員：政治、専門職、そして市民社会の間」（2006年）：1-40
  • マルティネス、ネオ、ダン、ジェニファー。「Foodwebs.org」。パシフィック・エコインフォマティクス・アンド・コンピューテーショナル・エコロジー・ラボ、2011年。foodwebs.orgウェイバックマシンで2011年9月17日にアーカイブ
  • マイヤーズ、ローレン・A、MEJ・ニューマン、ステファニー・シュラグ著『ネットワーク理論の疫病への応用：マイコプラズマ肺炎アウトブレイクの制御対策』新興感染症9.2（2003年）：204-10
  • 全米研究会議（NRC）.連邦政府におけるリスクアセスメント：そのプロセスの理解. ワシントンD.C.：全米科学アカデミー出版局, 1983年.
  • 全米研究会議（NRC）. 『リスクを理解する：民主社会における意思決定のための情報提供』ワシントンD.C.：全米科学アカデミー出版局、1996年。
  • ニューマン、マーク・EJ 『ネットワーク入門』オックスフォード大学出版局、2010年、ISBN 978-0199206650。
  • Pielke Jr., Roger A. 「政策、政治、そして展望」Nature 416 (2002): 367-68.
  • ラウサンド、マーヴィン著『リスクアセスメント：理論、方法、そして応用』、ニュージャージー州ホーボーケン：ジョン・ワイリー・アンド・サンズ、2011年。
  • ロスマン、ケネス・J.、サンダー・グリーンランド、ティモシー・L. ラッシュ著『現代疫学』第3版、フィラデルフィア：ウォルターズ・クルーワー・ヘルス／リッピンコット・ウィリアムズ＆ウィルキンス、2008年。
  • ローランド、トッド、ワイスタイン、エリック・W.「因果ネットワーク」。MathWorld — Wolfram Webリソースより。因果ネットワークは2017年2月26日にWayback Machineにアーカイブされています。
  • スロヴィック、ポール.リスクの認識. サイエンス236 (1987): 280-85.
  • タレブ、ナシム・N. 「エラー、ロバストネス、そして第4象限」国際予測ジャーナル25.4（2009年）：744-59
  • ウルフラム、スティーブン. 『新しい科学』 イリノイ州シャンペーン：ウルフラムメディア、2002年。
「 https://en.wikipedia.org/w/index.php?title=Network_theory_in_risk_assessment&oldid=1321800951」より取得