Optimal Control of an SIR Model with Noncompliance as a Social Contagion

Resumen Técnico: Control Óptimo de un Modelo SIR con Incumplimiento como un Contagio Social

Formulación del Problema
El artículo aborda el desafío de incorporar la dinámica del comportamiento humano en la modelización epidemiológica, centrándose específicamente en la propagación del incumplimiento de las intervenciones no farmacológicas (INF). Los autores proponen un modelo compartimental Susceptible-Infectado-Recuperado (SIR) que divide a la población en dos grupos distintos: aquellos que cumplen con las medidas de salud pública (cumplidores) y aquellos que no lo hacen (incumplidores).

A diferencia de los modelos tradicionales donde el comportamiento se trata como un parámetro fijo, este modelo trata el incumplimiento como un "contagio social" que se propaga en paralelo a la enfermedad mediante un mecanismo de acción de masas. La población cumplidora ($S, I, R$) experimenta una infectividad reducida debido a las INF, mientras que la población incumplidora ($S^*, I^*, R^*$) no lo hace. El modelo incluye cuatro variables de control que representan las intervenciones del responsable de las políticas:

1. $\alpha(t)$: Reducción de la infectividad/mezcla para la población cumplidora (aplicación de las INF).
2. $\eta(t)$: Aumento de la tasa de recuperación para los individuos infectados cumplidores (esfuerzos de tratamiento).
3. $\mu(t)$: Reducción de la tasa de propagación del incumplimiento (iniciativas de información de salud pública).
4. $\nu(t)$: Tasa de "recuperación" del incumplimiento (campañas educativas).

El objetivo es formular un problema de control óptimo donde un responsable de políticas minimice un funcional de costo que equilibre los costos de las infecciones, los costos del incumplimiento y los costos económicos de implementar los controles.

Metodología
Los autores emplean un marco matemático riguroso que combina la teoría de sistemas dinámicos, la teoría de control óptimo y el análisis numérico:

1. Análisis del Modelo: Derivan el radio reproductivo básico ($R_0$) del sistema y analizan la estabilidad de los equilibrios libres de enfermedad (DFE). Establecen las condiciones bajo las cuales el sistema permanece estable o se vuelve inestable basándose en la interacción entre la transmisión de la enfermedad y los parámetros de transmisión del comportamiento.
2. Existencia de Controles Óptimos: Una contribución teórica significativa es la prueba de la existencia de controles óptimos. Los autores establecen esto para un escenario genérico donde:
   • Las variables de control aparecen de forma no lineal en la dinámica.
   • Los costos de control no requieren ser suaves o fuertemente convexos (permitiendo costos de control $L^1$).
   • El conjunto de control admisible incluye mapas de control discontinuos (específicamente, funciones de variación acotada, $BV$).
     La prueba utiliza el método directo en el cálculo de variaciones, apoyándose en la clausura débil del operador de control-estado y la semicontinuidad inferior del funcional de costo.
3. Resolución Numérica: Para resolver el problema de control óptimo, los autores utilizan el método de Hamilton Secuencial Cuadrático (SQH). Argumentan que el SQH es superior al método estándar de Barrido Hacia Adelante y Hacia Atrás (FBSM) porque posee una teoría de convergencia robusta. El algoritmo actualiza iterativamente los mapas de control utilizando perturbaciones cuadráticas al Hamiltoniano, asegurando una disminución suficiente del funcional de costo en cada paso. Los autores demuestran la convergencia de las iteraciones del SQH.

Resultos Clave
El artículo presenta simulaciones numéricas a través de tres escenarios distintos para demostrar cómo las estrategias óptimas dependen de los regímenes de parámetros y las preferencias del responsable de las políticas (codificadas en los pesos de costo):

• Escenario 1 (Línea Base): Con tasas de infección moderadas y una población inicial cumplidora, la estrategia óptima depende fuertemente de las prioridades del responsable de las políticas.

  • Un responsable de políticas "equilibrado" (que pondera los costos de infección y de incumplimiento) emplea una estrategia sinérgica: utilizar $\mu$ y $\nu$ para suprimir el incumplimiento tempranamente, permitiendo que $\alpha$ y $\eta$ reduzcan efectivamente el $R_0$ sin llevarlo por debajo de 1 inmediatamente, aceptando así un pequeño brote para minimizar el costo total.
  • Un responsable de políticas "orientado a la salud pública" (alto costo de infección, cero costo de incumplimiento) utiliza agresivamente todos los controles para llevar el $R_0 < 1$ y erradicar la enfermedad, aprovechando la estabilidad del DFE totalmente cumplidor.
  • Sensibilidad: Eliminar el tratamiento ($\eta=0$) reduce la eficacia de los esfuerzos de control en aproximadamente un tercio. Eliminar los controles de comportamiento ($\mu=\nu=0$) hace que los controles de la enfermedad sean mayormente ineficaces, ya que la población se desplaza hacia el incumplimiento, reduciendo la reducción de costos a ~10%.
  • Costos L1: El método maneja con éxito los costos de control $L^1$ (donde $d_2=0$), resultando en controles de tipo "bang-bang" para $\eta, \mu, \nu$ (tomando solo valores de 0 o máximos), mientras que $\alpha$ permanece suave debido a la naturaleza cuadrática de la dinámica en $\alpha$.

• Escenario 2 (Alta Propagación): Cuando la tasa de infección de la enfermedad y la tasa de propagación del incumplimiento son altas, y una parte significativa de los nuevos nacimientos son incumplidores, los controles se vuelven menos efectivos. Solo un responsable de políticas con pesos de costo de infección muy altos ($c_1 \ge 6$) encuentra óptimo suprimir totalmente la enfermedad; de lo contrario, la estrategia óptima es dejar que la enfermedad siga su curso debido al costo prohibitivo del control.

• Escenario 3 (Proclividad de Línea Base): El aumento de la proporción base de nuevos nacimientos incumplidores ($\xi$) revela un umbral crítico. Cuando $\xi < 0.5$, es óptimo suprimir el incumplimiento. Sin embargo, cuando $\xi \ge 0.5$, los controles de comportamiento ($\mu$) se vuelven ineficaces (cayendo a cero) y el sistema no puede ser guiado hacia un equilibrio libre de enfermedad.

Significancia y Reivindicaciones
El artículo reivindica tres contribuciones principales:

1. Sociológica/Modelización: Proporciona un marco mecanístico donde la adherencia a las INF es una cantidad epidemiológica dinámica en lugar de un parámetro fijo. Demuestra que las estrategias de control óptimo son altamente sensibles a las preferencias del responsable de las políticas y que ignorar la dinámica del incumplimiento conduce a estrategias subóptimas o ineficaces. Destaca que las intervenciones dirigidas al incumplimiento están justificadas por sus efectos descendentes en la transmisión de la enfermedad, incluso si el incumplimiento en sí mismo no conlleva un costo directo.
2. Matemática (Existencia): Proporciona un marco de existencia general para controles óptimos en modelos biológicos que permite dinámicas no lineales, costos no suaves/no convexos (específicamente $L^1$) y controles discontinuos. Esto relaja los supuestos comunes (como los sistemas afines al control y los costos $L^2$) que a menudo se utilizan para la conveniencia analítica pero que son físicamente poco realistas para ciertas intervenciones de política.
3. Numérica: Aboga por el uso del método SQH en epidemiología, argumentando que ofrece mejores propiedades de convergencia que el ampliamente utilizado FBSM, manteniendo la capacidad de implementación. Los autores demuestran que el SQH puede resolver eficazmente problemas complejos de control óptimo que involucran costos $L^1$ y soluciones discontinuas.

Los autores concluyen que, aunque el estudio es cualitativo, subraya la necesidad de integrar la dinámica del comportamiento en los modelos epidemiológicos y sugiere que trabajos futuros podrían incorporar estocasticidad, estructuras de red, teoría de juegos evolutivos y variables de control más granulares (por ejemplo, vacunación, control de medios).