#78「パンデミックと情報はどう伝染するのか――数理モデルとネットワーク科学の接点」
デデデータ!!〜“あきない”データの話〜第41回「パンデミックに打ち勝った数理モデルの話 - 伝染病の流行プロセスの数理モデル-の台本・書き起こしをベースに、テキストのみで楽しめるようにnote用に再構成したものです。
パンデミックと聞くと、まず新型コロナウイルス（COVID-19）の大流行を思い浮かべる人が多いだろう。世界各地で数百万人もの感染者が出て、生活や経済活動はかつてない停滞を強いられた。この状況下で、感染症対策の要として注目されたのが「数理モデル」と「ネットワーク科学」だ。実はウイルスの拡散とSNSでの“バズ”現象は、かなり似た仕組みで説明できる。私はこの番組や記事を通じて、感染症を理解するための数理モデルを紹介し、さらにそれらが情報拡散やマーケティング戦略にも応用できることを議論してきた。ここでは、その総まとめとしてパンデミックを中心に「伝染」という現象を俯瞰してみたい。
群集心理の実験からわかる“伝染”のはじまり
人間は社会的な動物だ。多くの個人が集まると、心理的に同調したり影響されるケースが増える。スタンレー・ミルグラムが1970年代に行った「群集行動実験」や、ソロモン・アッシュの「同調実験」は特に有名だ。
ミルグラムの「空を見上げる」実験
ニューヨークの路上で役者を配置し、みんなで一斉に空を見上げさせる実験をしたところ、通りすがりの人々が次々と足を止めて空を見上げた。空を見上げるのには大した理由がなかったはずなのに、「大勢が見上げている」という光景を目撃した人々は、自分も見上げたくなってしまう。多数派からはみ出したくない、人の行動には理由があるのだろう、といった集団心理が働いた結果だと考えられる。
アッシュの同調実験
一方、ソロモン・アッシュは視覚課題を使い、グループ全員がわざと誤った回答をする状況で被験者がどう反応するかを調べた。結果は、「明らかに間違っている」と感じていても、多くの人がグループの答えに合わせて誤答してしまう。こういったバンドワゴン効果は、SNSや日常生活のあちこちで見られる。みんなが「いいね！」と言っている投稿を、内容をよく読まずにシェアしてしまうのも似たような心理だ。
伝染するのはウイルスだけではない
感染症が人から人へ広がるように、ファッションや幸福感、さらには肥満までもがネットワークを介して“伝染”するという研究報告がある。
ファッションの拡散
都心部で流行した洋服や髪型が、SNSや有名人の発信などを通じて地方へ伝わっていく。都市と農村の交流が少なかった時代には時間差が大きかったが、インスタグラムなどのSNSが普及してからは拡散スピードが飛躍的に早まった。幸せが伝わる？
友人や家族が幸福感を持っていると、自分自身もプラスの影響を受ける「幸福の波及効果」があるという。周囲にポジティブな人間が多ければ、自分もそれに引きずられる形で幸福度が上がるのだ。肥満の伝染
肥満の人が増える地域やコミュニティでは、自分も肥満になるリスクが高まる。似た食生活を共有するだけでなく、周囲に合わせてたくさん食べてしまう心理もあるのだろう。公衆衛生上の介入では「どのネットワーク内に働きかけるか」が極めて重要になる。
感染症を理解するためのSIRモデル
ここで一気に感染症の数理モデルに話題を移す。1927年にスコットランドで提唱された「SIRモデル」は、伝染病の流行プロセスを三つの集団で捉える発想だ。
S (Susceptible)：感受性を持ち、感染しうる人々
I (Infectious)：現在感染しており、他者にうつす可能性を持つ人々
R (Recovered or Removed)：回復して免疫を獲得したか、あるいは亡くなって感染源から除外された人々
感染症が流行するとき、このS→I→Rという推移で人口が移動する。最初は感受性を持つSが多いほど、感染が急激に増える。それがある程度を過ぎると、Iも増えるが同時にRも増加し、免疫を得た層が増えるためやがて流行は収束に向かう。
このモデルでは「一度回復すると二度と感染しない」という前提を置いているが、実世界のウイルスは再感染するケースもあるので、その場合はSISモデルなどへ拡張する。COVID-19では再感染が見られたため、こうした拡張モデルが応用された。
バズの拡散も感染症モデルで説明できる
SNSや噂話が拡散するプロセスも、このSIRモデルと非常によく似たメカニズムを持つ。紙飛行機の折り方をクラス中に教える実験などを想定すればわかりやすい。
まだ知らない生徒（S）
知っていて他人に広めようとする生徒（I）
もう飽きたor広める気がない生徒（R）
という三者が存在し、最初の感染者（情報の起点）が登場するとクラス全体に広がっていき、やがて収束する…という展開が描かれる。TwitterやInstagramで急にバズって話題になり、一気にしぼんで誰も語らなくなる現象は、まさしくSIRモデルそのものだ。
スケールフリーネットワークが拡散を加速させる
ただし、SIRモデルのパラメータ（感染率・回復率・接触率など）だけでは、“誰を経由するか”という要素を十分に捉えられない。そこで注目されるのが「スケールフリーネットワーク」だ。ハンガリーの物理学者アルベルト・バーラバシらが1999年に提唱した概念で、「ごく少数の“ハブ”が圧倒的な数のリンクを持ち、多くのノードはリンクが少ない」という特徴を持つネットワークを指す。
インターネットやSNSでは、このハブが存在するために、ある個人（インフルエンサー）が何かを発信すると瞬く間に拡散が広がる。感染症でも、特定の「スーパースプレッダー」が空港やイベント会場を媒介して多数にうつすケースがこれに相当する。
スケールフリーネットワークの興味深い点は、ランダムにノードを潰してもネットワーク全体の機能はあまり落ちないが、ハブに相当するノードを一つ潰すと全体が脆弱化するというロバスト性と脆弱性の両面を持つことだ。感染症対策でも同じで、ハブに当たる人物や場所の移動を制限すれば、拡散を抑えられる可能性が高い。
ロックダウンと数理モデル――各国の事例
2020年、新型コロナが世界的に拡大するなか、イタリアやニュージーランドなどは比較的早期にロックダウンを決定した。SIRモデルによる予測で医療崩壊のリスクが見えたからだ。感染者数がまだ数百～数千という段階で強力な措置に踏み切り、結果的に早い収束と経済再開に成功した例もある。
一方で日本やアメリカは、マスク着用率や政治的背景によって対応に差が出た。日本人はマスクに対する抵抗感が少なく、結果的に感染率を抑えた時期もあったが、一方でデータ収集や数理モデルの活用が出遅れたとも言われる。アメリカではマスクが政治論争の具となってしまい、地域差が極端に開いた。こうした違いも、感染症の予測モデルとネットワーク科学を組み合わせれば相当に説明できる。
3次ルールで見る拡散の要注意ゾーン
ネットワーク科学には「3次以内」で物事が広がりやすいというルールがある。友達（1次）→友達の友達（2次）→そのまた友達（3次）まで繋がれば、一気に波及するのが人間の社会ネットワークだ。だからこそ、感染症のクラスター対策では感染者の周囲3次までを追跡するし、誤情報の拡散でも3次を超えると手に負えなくなることが多い。
コロナでは、最初の1人とその家族（2次）が外出を控えるだけでなく、さらにその友人（3次）も状況を把握して行動を制限するなどの対策が有効だった。
SNSで炎上が起きたときにも、どれほどの範囲に情報が波及しているかを3次以内のトポロジーで把握することで、初期消火を狙う。
ティッピングポイントとクリティカルマス
数理モデルの話では「ティッピングポイント」「クリティカルマス理論」も外せない。これはある閾値を超えると、一気に集団行動が変わるという考え方だ。マルコム・グラッドウェルの著書『ティッピング・ポイント』で一般的に知られるようになった。
クリティカルマス
ある製品や技術が広がるには“早期採用者”が一定数集まる必要がある。その閾値を超えると、技術や製品が市場全体に急速に波及するのだ。集団免疫（ワクチン接種率）
COVID-19のワクチン接種も、人口の70%前後が接種すると感染が急減した。イスラエルなどが好例であり、それも一種のクリティカルマスを超えたから起きた現象だ。
日本における数理モデルの課題
日本は海外に比べて新興感染症の経験が少なく、数理モデルの活用が本格的に注目されたのはCOVID-19が初めてと言っていい。データ収集・整理やパンデミック想定での訓練が不十分だったため、専門家によるモデル予測と現実の乖離が批判されたこともある。モデルは限界を持つし、政治的判断や国民の意識、そしてデータインフラの有無で結果は変わってくる。けれども、パンデミック対応で培った経験は、公衆衛生や災害対策、企業のリスク管理まで広く応用できるはずだ。
まとめ――「伝染」を制する者がDXを制す
感染症や噂、SNSのバズ、ファッション・幸福度など、あらゆるものはネットワーク上で伝染する。SIRモデルやスケールフリーネットワークといった数理モデルは、その伝染のメカニズムを解き明かす強力な道具だ。パンデミックの制御に役立っただけでなく、企業や行政のDX推進にも欠かせない視点になっている。
「伝染」はウイルスにとどまらない。情報も感情も、人と人とのつながりであれば何でも拡散する。だからこそ、どのように“広がる”のかを理解しておくことが現代社会を読み解くうえで必須になった。
SNSマーケティングの成功例は、スケールフリーネットワークのハブを巧みに活用している。
オフィス改革や人材育成でも、組織内部のネットワークを把握し、どのノードがハブなのかを見極めるのが大きなカギだ。
数理モデルを活用することは決して難解な数式に没頭するだけではない。ネットワーク上の“ハブ”を特定し、3次ルールに基づいて対策を打ち、クリティカルマスやティッピングポイントの閾値を意識して戦略を組み立てるといった形で、現場に即した応用ができる。今後、こうした知見がさらに洗練され、人々の生活やビジネスに深く浸透していくだろう。
追加解説
1. 群集心理と同調現象
1-1. スタンレー・ミルグラムの「空を見上げる」実験
実験概要
ミルグラムは1970年代にニューヨークの路上で役者を複数人配置し、一斉に空を見上げさせるという実験を行いました。通行人たちは、「何があるのか？」と疑問に思い、立ち止まって空を見上げる人が続出しました。心理的解釈
「大勢が見上げているなら、何か理由があるに違いない」「多数派の行動からはみ出したくない」という“集団心理”や“同調圧力”が働いたと考えられます。これはバンドワゴン効果（周囲の支持が高まるほど、その対象への支持がさらに集まりやすくなる現象）の一例といえます。
1-2. ソロモン・アッシュの同調実験
実験概要
アッシュが1950年代に行った実験では、被験者は明らかに異なる長さの線分を比較する課題を与えられます。しかし、周りのサクラ（役者）が全員わざと誤った答えを言うと、被験者の多くが自分が“明らかに間違い”だと感じていても周囲に合わせてしまう傾向があることがわかりました。心理的解釈
これは、集団内で浮きたくないという恐れや、「皆が言うなら自分が間違っているのかもしれない」という情報的影響力が原因とされています。SNSで「いいね！」がついている投稿を無批判にシェアしてしまう心理も、こうした同調傾向の一種と考えられます。
2. 「伝染する」のはウイルスだけじゃない
2-1. ファッションや幸福感、肥満の“伝染”
人間の行動や心理状態は、感染症と同じように人から人へと波及していくとされます。
ファッションの拡散
都市部で流行したファッションやヘアスタイルが、SNSや有名人などを媒介として地方に伝わります。SNS普及以前は地域間の交流が少なく、広がりには時間がかかりましたが、インスタグラムなどの登場で拡散スピードが飛躍的に速くなりました。幸福感の波及
ポジティブな感情は周囲に伝播しやすく、「友人が幸福感を持っていると自分も幸せになりやすい」という研究報告があります。これは幸福の波及効果と呼ばれ、周囲の雰囲気や態度が自分の感情に大きな影響を与える例でもあります。肥満の“伝染”
肥満体型の人が多いコミュニティでは、自分も肥満になるリスクが高まる傾向があります。食生活が似るほか、「みんながそれだけ食べているなら、自分も食べよう」という同調心理が影響していると考えられます。公衆衛生対策では、どのコミュニティ内で介入すれば効果的かを検討する必要があり、ここでもネットワーク構造の把握が重要となります。
3. 感染症の数理モデル：SIRモデル
3-1. SIRモデルの基本
1927年に、スコットランドの研究者カーマックとマッケンドリックによって提唱された伝染病流行のモデルです。以下の3つの区分で人口を分けます。
S (Susceptible)：まだ感染しておらず、感染の可能性を持っている集団
I (Infectious)：現在感染しており、他者に感染させる可能性を持っている集団
R (Recovered or Removed)：回復して免疫を獲得したか、死亡などで感染経路から外れた集団
プロセス
時間とともに、SからI、IからRへと人数が推移していきます。
はじめはSが多ければ、感染が急速に広がりやすい。
Iが増加すると同時にRも増え、免疫を獲得した人が増えることで最終的に感染は収束へ向かいます。
拡張モデル（SISモデルなど）
一度感染から回復しても再感染する可能性がある場合はSISモデルなどが用いられます。COVID-19の流行では再感染例が報告されていることから、SIRモデルを単純に当てはめるだけでなく、拡張モデルが使われる場面もありました。
3-2. バズや情報拡散への類推
SNSや噂の拡散もSIRモデルと類似したプロセスで説明されます。
まだ情報を知らない人：S
情報を知っており、積極的に他者へ伝える人：I
情報を知っているが、すでに興味を失った／広めない人：R
一定期間が過ぎると、全員が知っている（広める人がいなくなる）か、興味を失う人が増えて“流行”は収束していきます。SNSでのバズが一気に話題となり、急速にしぼむ現象はまさにこの構造です。
4. ネットワーク構造：スケールフリーネットワーク
4-1. スケールフリーネットワークとは
ハンガリーの物理学者アルベルト・バーラバシらが1999年に提唱したネットワークの概念で、「ごく少数のノード（ハブ）が圧倒的に多くのリンクを持ち、多くのノードはリンクが少ない」という特徴を持ちます。インターネットやSNSでよく見られる構造です。
4-2. 拡散への影響
ハブ（インフルエンサー）の存在
フォロワー数や友人が非常に多いハブが一度情報を発信すれば、多数へ一挙に伝播しやすくなる。感染症でいえば空港やイベント会場で多数に接触する「スーパースプレッダー」が該当します。ランダム攻撃へのロバスト性／ハブ消失への脆弱性
スケールフリーネットワークは、ランダムにノードを1つ潰しても全体への影響は小さい一方、ハブとなるノードを潰すとネットワーク全体が急激に機能不全に陥る特徴を持ちます。感染症対策では、ハブとなる人や場所への移動制限が有効であることを示唆します。
5. ロックダウンと数理モデル――各国の対応
5-1. 早期ロックダウンの事例
イタリアやニュージーランドなど
感染者数がまだ数百～数千の段階で、数理モデルの予測から医療崩壊リスクが高いと見て早期ロックダウンを実施。その結果、感染拡大のピークを早めに抑えられ、医療現場への負荷を軽減させ、比較的早い段階で経済活動の再開に成功した例も報告されています。
5-2. 日本やアメリカの例
日本
マスク着用への心理的ハードルが低かったことや、ある程度の行動変容が自発的に行われたことで感染拡大を抑えた時期もありました。一方、データ収集や数理モデルの活用、専門家提言をどのように政策に反映するかなどが模索段階でした。アメリカ
マスク着用が政治問題化し、地域によって大きな差が生じました。数理モデルから見れば、マスクやソーシャルディスタンスなどの感染対策を徹底できれば拡大抑制に有効ですが、社会・政治的背景がその実行を難しくしていた面があります。
6. 3次ルールとクラスター対策
6-1. 3次以内の波及が要注意
ネットワーク科学の知見では、人とのつながりは「友達（1次）→友達の友達（2次）→さらにその友達（3次）」まで広がると、一気に拡散する傾向があります。感染症のクラスター対策でも、感染者本人だけでなく「その接触者（2次）、さらにその接触者（3次）」まで把握し行動を制限することで、大規模流行を抑制できる可能性が高まります。
6-2. SNSの炎上対策
SNSの炎上であっても、初期段階で「3次以内の広がり」をチェックし、広まる前に誤情報を正す・投稿を削除するといった対処が効果的であるとされています。
7. ティッピングポイントとクリティカルマス
7-1. ティッピングポイントとは
マルコム・グラッドウェルの著書『ティッピング・ポイント』で広まった概念で、ある現象が一部で起こっていても、小さな変化の積み重ねがある“閾値”を超えた瞬間に、一気に大きな流行や変化が起こるという理論です。
7-2. クリティカルマス理論
早期採用者の役割
新しい技術やサービスが市場全体に普及するには、一定数の“アーリーアダプター”の支持が必要とされます。その数が閾値を超えると、世の中全体に急速に波及していきます。集団免疫もクリティカルマスの一例
COVID-19のワクチン接種で、人口の70％前後の接種率を超えると感染が急減した国（イスラエルなど）があり、これも集団免疫がティッピングポイントを迎えた例として説明できます。
8. 日本における数理モデル活用の課題
経験とデータインフラの不備
日本は近年のパンデミック経験が少なかったため、緊急時のデータ収集やシミュレーション体制が十分ではありませんでした。COVID-19を機に、自治体や国レベルでオープンデータの整備や専門家チームによるモデル活用が進められたものの、欧米のような先行事例と比べると課題が残っています。モデルの限界と現実の乖離
数理モデルは、正確なパラメータと前提条件があってこそ有効に機能します。政治判断や国民の行動様式が変化すれば、予測が大きく変わるのは当然です。「なぜ予測が外れたのか？」ではなく、「どのようにモデルを更新し、次に活かすか」という視点が今後重要です。応用可能性
今回のコロナ禍で培った知見は、感染症対策だけでなく、災害対応や企業のサプライチェーン管理、社会インフラへの投資判断など、さまざまなリスク評価・危機管理に応用できます。
資料1：バイラルを生み出す方法
1. スーパースプレッダー（ハブ）の特定と対策
スーパースプレッダー（ハブ）を把握する
スケールフリーネットワークの考え方から、拡散に大きく寄与するのは「リンク（つながり）が圧倒的に多いノード（ハブ）」です。SNSでいえばフォロワー数が多いインフルエンサーや、コミュニティ内で信頼度の高いリーダー的存在がこれにあたります。製品を広めたい場合 → インフルエンサーに適切に情報提供する
ネガティブ情報を抑えたい場合 → 拡散の起点となりうる人々にいち早くアプローチする
ハブを“潰す”のか、それとも“活かす”のか
ネットワーク理論で示唆されるのは、「ハブの役割は両刃の剣」ということです。拡散を促進したいならハブを活用し、逆に炎上・デマ拡散を抑えたい場合はハブに正確な情報を届けたり、誤情報を拡散させないよう協力を得ることが効果的です。
2. 初動対応と「3次ルール」
拡散初期（1次～2次）で食い止める
ネットワークがウイルスのように拡大するとき、特に重要なのが「最初の数ステップ」です。感染症対策でもクラスター周囲の3次接触者くらいまで追跡すると広がりを抑えやすい、というのは情報拡散でも同じ。炎上しそうな投稿があったら → 早期に対処、投稿者（1次）とその友人（2次）へ個別に説明・訂正
バイラルを狙う場合 → まずは小規模コミュニティで確実に話題化→その友人へと自然拡散を誘導
誤情報への「初期消火」
いったん3次（友達の友達の友達）を超えると雪だるま式に広がりがちです。大きな混乱を起こす前に、初動でエビデンスを示しながら誤情報を訂正する仕組みを用意しておくことが重要です（公式サイトでFAQをまとめる、SNS担当者がすぐ対応できる体制を整える、など）。
3. ティッピングポイントと“閾値”の活用
ある一定数（クリティカルマス）が集まると一気に広がる
マルコム・グラッドウェルの『ティッピング・ポイント』でも述べられるように、初期段階での“一定数の支持”が重要です。もし商品・サービスを一気にバズらせたいなら、まずは“早期採用者”を戦略的に集めて臨界点を狙います。逆にネガティブな噂を沈静化させるには
クリティカルマスを超えてしまうと、沈静化がとても難しくなります。拡散初期に「誤情報の拡散者を黙らせる」のではなく、「正確な情報を十分に行き渡らせる」ことで誤情報が臨界点に達するのを防ぐのが効果的です。
4. SIRモデル的視点で「感染率」と「回復率」を調整する
“感染率”を高めたいとき
SIRモデルでいう感染率は「情報がどれだけ伝播しやすいか」。たとえばSNSでシェアしやすいようキャンペーンを設計したり、バズを生みやすいインパクトのあるコンテンツ作りを行うなど、“ひと目で拡散したくなる仕掛け”を用意します。“回復率”を高める対策
回復率＝「情報を持っていても拡散しなくなる率」と考えると、炎上の場合は“鎮火”に相当します。悪い噂を見聞きしても拡散せず、自然に興味を失う状態をいかに早く作るか。
正確な情報への導線を示す、状況が変わって話題が陳腐化する、といった方法で“離脱”を促すことができます。
5. データドリブンなモニタリングと柔軟な対応
リアルタイムのデータ収集と可視化
感染症でもSNSでも、拡散の現状を定量的に把握することが重要です。SNSの分析ツールやモニタリングシステムを導入し、どのくらいの人に届いているか、どのコミュニティで増幅しているかを随時チェックします。モデリングの限界を理解しつつ応用
SIRやSISなど数理モデルは、現実を単純化して仮定を置いたシミュレーションに過ぎません。現実には政治的背景や文化的要素など、モデル外の変数も多い。それでも「どうなったら一気に広がるか」「どのルートで広がりやすいか」を仮説として示すツールとしては非常に有用。
モデルの予測と現場のデータをつき合わせ、PDCAを回す運用が鍵になります。
6. ポジティブな“伝染”の活かし方
幸福感やポジティブな情報を広げる
伝染はネガティブなものだけに限りません。ファッションや幸福感のように、周囲にポジティブなインパクトを与える事例は、企業のブランディングやコミュニティ醸成にも役立ちます。「ポジティブな体験談」を広める仕掛けを用意する
コミュニティ内で称賛が拡散するようなイベント設計
肥満やストレスなど“悪い伝染”を防ぐ
逆にマイナスに作用する要素は早期から意識的に介入することで緩和できます。健康増進の取り組みやメンタルヘルス支援をコミュニティの“ハブ”に重点的に展開するのも有効です。
7. まとめ：ネットワークの“仕組み”を理解して戦略を立てる
感染症も情報拡散もメカニズムは似ている
感染症であれば「人との接触を制限」するように、情報拡散でも「ハブや初期拡散を制御」すれば全体の広がりが大きく変わります。初動が勝負
ロックダウンが早ければ流行が抑えられるように、SNSでも初期段階での対応が拡散速度を左右します。「3次ルール」を目安にして、1～2次の段階で正確な情報を提供すると被害が拡大しにくい。ポジティブにもネガティブにも作用する
一気に広まる仕組みを利用すれば、キャンペーンや製品、ポジティブなメッセージを高速に拡散できます。ただしネガティブ情報も同じように広がる点を忘れずに、事前のモニタリング体制や対処フローを明確にしておくことが欠かせません。
資料2：新型コロナウイルス（COVID-19）の世界的拡大に対して各国が行った主な対策
2019年
12月
中国・武漢で原因不明の肺炎患者が相次いで報告
後にCOVID-19であることが確認される。
2020年
1月
中国
1月23日：武漢市を事実上封鎖（ロックダウン）。大規模な移動制限を開始。
各国
WHOが「緊急事態宣言」を検討・発出（1月30日：国際的に懸念される公衆衛生上の緊急事態＝PHEICを宣言）。
2月
イタリア
北部ロンバルディア州などで急速に感染が拡大。局所的な都市封鎖（レッドゾーン設定）を開始。
韓国
大邱市の宗教施設でクラスターが発生し、感染者が急増。PCR検査を大規模に実施し、ドライブスルー検査が注目される。
3月
イタリア
3月9日：全国規模のロックダウンを実施。外出制限や学校閉鎖を徹底。
早期に強力な制限を敷いた事例として有名になる。
スペイン・フランス・ドイツなどヨーロッパ各国
感染拡大に伴い、相次いで外出制限や学校閉鎖、飲食店営業規制などを実施。
アメリカ
3月13日：トランプ大統領が国家非常事態を宣言。
各州レベルで対応が分かれ、ニューヨーク州など一部地域は都市封鎖に近い強い措置を取るが、州によって温度差が大きい。
4月
日本
4月7日：緊急事態宣言を東京など7都府県に発出。後に全国へ拡大。
法的拘束力は弱いが、外出自粛や休業要請などが行われる。
ニュージーランド
早期に国境封鎖と厳格なロックダウンを実施し、感染者数を大幅に抑制。「ゼロコロナ戦略」の代表例となる。
5月
ヨーロッパ各国
新規感染が一旦減少。制限を段階的に緩和する国が増える。
イタリアやスペインでも段階的な経済再開へ。
アメリカ
地域によりロックダウン解除の動きが進むが、州間で感染状況に大きな差が出る。
6〜8月（北半球の夏）
ヨーロッパ
観光業回復を狙い、EU域内での移動を緩和。ただし一部国で再び感染が増加し始める（後の“第二波”への伏線）。
日本
緊急事態宣言解除後、「Go To キャンペーン」など経済活性策を開始。感染は抑えられた地域と拡大する地域が混在する。
9〜11月（第二波・第三波の兆候）
ヨーロッパ
夏場の制限緩和後に感染者が急増。フランスやドイツなどで再び外出制限や営業規制を強化。
アメリカ
大統領選挙（11月）に向け、マスク着用や経済再開の是非が政治的争点になる。秋から感染者が再び増加。
日本
地域ごとのクラスター発生が見られるが、他国ほど強いロックダウンは行わず“自粛要請”ベースの対策が続く。
12月（ワクチン登場）
イギリス
世界で初めてファイザー製ワクチンの正式承認を行い、接種を開始。
アメリカ
FDAがファイザー製ワクチンを緊急使用許可。12月中旬から接種開始。
EU
各国で12月下旬に接種開始準備。
同時期に変異株（アルファ株）が報告され、再度警戒が高まる。
2021年
1〜3月（ワクチン接種の広がり）
イスラエル
国民の大半が短期間に接種。集団免疫に近い状態を達成し、感染者数が急減。
ワクチンの有効性を示す先行事例となる。
アメリカ・ヨーロッパ
医療従事者や高齢者など優先度の高い人から接種開始。
接種ペースは国や地域で大きな差が生じる。
日本
2月より医療従事者、3月から高齢者への接種が始まるが、当初はワクチン供給が不安定でペースが遅れる。
4〜6月（各国で接種拡大／変異株の影響）
インド
変異株（デルタ株）が猛威を振るい、感染者数が世界最多ペースで増加。医療体制が深刻化し国際支援が集まる。
ヨーロッパ・アメリカ
接種率が上がり始めた国ではマスク着用義務を一時的に緩和する動きも。ただしデルタ株の台頭で再び対策強化に転じる地域も増える。
7〜9月（デルタ株の世界的流行）
アメリカ
ワクチン接種を拒否する層も一定数おり、地域差が拡大。感染者数の再増加が顕著となり、マスク義務化を復活させる州が出る。
日本
東京五輪（7〜8月）開催。緊急事態宣言下の開催で賛否が分かれる。デルタ株の流行で一時期感染者が急増するが、秋に向けて急減。
10〜12月（ブースター接種・オミクロン株出現）
ヨーロッパ
秋冬にかけて感染者数が再増加。ブースター接種（3回目接種）を急速に進める国が増える。
南アフリカでオミクロン株が初報告
各国が渡航制限を強化。
アメリカ・日本
オミクロン株の流入を防ぐため水際対策を再度厳格化する。
12月末〜年明けにかけて急拡大の傾向が見られる。
2022年
1〜3月（オミクロン株の急拡大・ピークと緩和）
各国共通
オミクロン株が感染力の高さで急速に拡大。医療の負荷増大が続くが、重症化率は従来株より低いとの報告が相次ぐ。
イギリス・デンマークなど
高い接種率とブースター接種の普及を背景に、制限を大幅に緩和。マスクや行動制限の撤廃へ舵を切る国も出始める。
4〜6月（各国の緩和政策と感染再拡大）
ヨーロッパ
観光産業回復を狙って入国制限緩和。BA.2などの亜系統が流行し局所的な再拡大も。
アメリカ
多くの州でマスク義務を撤廃し、経済活動がほぼ通常化に近づく。
日本
水際対策や行動制限を段階的に緩和。ワクチン3回目接種の推進も行われる。
7〜12月（ウィズコロナへ移行の動き）
中国
「ゼロコロナ政策」を堅持していたが、上海の大規模ロックダウンなどで国民経済に影響。年末に方針転換へ。
日本
秋以降「全国旅行支援」を開始。入国制限も緩和され、経済活動を重視する「ウィズコロナ」方針へ。
ヨーロッパ・アメリカ
多くの国でマスク義務が事実上撤廃される。行動制限も大幅に解除し、ワクチン追加接種（4回目以降）は重症化リスクの高い層を中心に進む。
2023年
1〜3月（多くの国で「緊急事態」終了宣言）
アメリカ
バイデン政権が5月をもって「コロナ緊急事態宣言」を解除すると発表。
ヨーロッパ各国
COVID-19を季節性インフルエンザに近い扱いとする方向性が強まる。保健システムの常設的な監視体制へ移行。
日本
5月8日から感染症法上の位置づけを5類（季節性インフルエンザ相当）に変更。マスク着用の個人判断化など、従来の規制から大きく転換。
4〜12月（アフターコロナの体制整備）
各国共通
医療体制・公衆衛生の強化：新たな感染症に備えたサーベイランス（監視）システムの整備が進む。
ワクチンの継続接種：ハイリスク者を中心に、ブースターの定期接種が続く。
「ウィズ／アフターコロナ」での経済回復策、観光促進が本格化。
国別の主な特徴・評価
イタリア
早期に大規模ロックダウンを決断したが、北部を中心に感染爆発。医療崩壊寸前の状態を経験。
その後の強い制限措置とワクチンパスの導入で比較的早期に抑制に成功。
ニュージーランド
国境封鎖と厳格なロックダウンを最初期から実施し、長期にわたり感染を極めて低水準に保つ（ゼロコロナ政策）。
ただし、オミクロン株以降は長期的な封鎖の影響もあり、段階的な規制緩和を余儀なくされる。
アメリカ
州ごとの対応に大きな差。マスク着用やロックダウンの要否が政治的争点化。
ワクチン開発のスピードは早く、接種開始も先行したが、接種率に地域差が残る。
日本
強制力のあるロックダウンは行わず、主に「緊急事態宣言」や「まん延防止等重点措置」などの自粛要請で対応。
マスクの着用率は高かったが、ワクチン確保・接種開始の遅れやデータインフラの不備が課題となった。
中国
「ゼロコロナ政策」を長期間続け、局所的ロックダウンや大規模PCR検査で抑え込む手法をとる。
経済・社会的コストが大きくなり、2022年末から方針転換に踏み切る。
イスラエル
早期にファイザー製ワクチンを大規模契約し、接種率を上げたことにより、世界に先んじて集団免疫に近い状態を一時的に達成。
データを製薬企業などと共有することで、ワクチンの有効性に関する世界的な統計・分析に貢献。
ポイント
ロックダウン（移動制限）のタイミング
イタリアやニュージーランドなど、感染者数が比較的少ない段階で厳格な措置を取った国では早期収束につながった事例も多い。
ただし政治的・社会的コストが大きく、長期化には限界がある。
マスク着用やソーシャルディスタンスの実施度
日本や東アジア諸国のようにマスクへの抵抗感が少ない国は、感染拡大を抑える時期があった。
アメリカなど政治対立が激しい国では、マスクの有無が政策論争の象徴となり感染拡大要因の一つに。
ワクチン接種率とその影響
ワクチンが承認された2020年末以降の感染抑制に大きく寄与。接種率が上昇した国・地域は重症化率や死亡率の低減に成功。
反ワクチン運動や供給問題で地域格差が顕在化。
変異株（デルタ・オミクロン）の影響
変異株の登場によって予想外の再流行が繰り返され、各国の制限・解除サイクルが短期間で変化。
ワクチンによる感染予防効果が低下しても、重症化防止には一定の効果があることが確認されている。
ゼロコロナ政策からウィズコロナ・アフターコロナへ
中国やニュージーランドなど徹底封鎖を選んだ国でも、オミクロン以降は方針転換。経済活動と感染対策の両立へシフト。
数理モデル・ネットワーク科学の活用
イタリアやニュージーランドが早期ロックダウンを決断した背景にはSIRモデルなどによる医療崩壊リスク予測がある。
日本では数理モデルが政策決定に十分活かされにくかったと指摘される一方、都道府県レベルでの行動制限と緊急事態宣言で一定の効果はあった。