Chemotaxis-inspired PDE models of airborne infectious disease transmission: epidemiologically-motivated mathematical and numerical analyses

Resumen Técnico: Modelos de EDP inspirados en la quimiotaxis para la transmisión de enfermedades infecciosas de transmisión aérea

Planteamiento del problema
El modelado matemático de enfermedades infecciosas se ha basado tradicionalmente en modelos compartimentales de ecuaciones diferenciales ordinarias (EDO) (por ejemplo, SIR), los cuales carecen de una dinámica espacial explícita. Aunque se han propuesto modelos de ecuaciones diferenciales parciales (EDP) para abordar la propagación espacial, estos suelen tratar la propagación de la enfermedad como un proceso de difusión fickeana. En este marco estándar, la infección se propaga desde regiones de alta densidad de infección hacia regiones de baja densidad de infección. Sin embargo, los autores argumentan que este supuesto es insuficiente para las enfermedades de transmisión aérea en poblaciones humanas. Los datos empíricos, particularmente de la pandemia de COVID-19, sugieren que la transmisión se correlaciona fuertemente con la densidad de población, moviéndose a menudo desde áreas de menor densidad de susceptibles hacia áreas de mayor densidad de susceptibles (por ejemplo, hacia centros urbanos). Los modelos de difusión pura no logran capturar este movimiento "en contra del gradiente" y la consecuente formación de focos de infección en centros de población densos. Además, los enfoques de EDP existentes a menudo tienen dificultades para proporcionar cantidades epidemiológicamente interpretables, como un número básico de reproducción ($R_0$) espacialmente consciente, que son cruciales para la toma de decisiones en salud pública.

Metodología
El artículo amplía un modelo de EDP previamente introducido e inspirado en la quimiotaxis [42] para enfermedades infecciosas de transmisión aérea. El modelo utiliza un sistema de ecuaciones de reacción-difusión con la adición de un término de quimiotaxis para describir la dinámica de las poblaciones susceptible ($s$), infectada ($i$) y recuperada ($r$).

• Formulación matemática: La innovación central reside en el término de flujo $j$ para la población infectada. Mientras que un término de difusión estándar ($-\nu_i \nabla i$) da cuenta del movimiento aleatorio, el modelo introduce un término de quimiotaxia ($\mu_i \chi(i) \nabla s$). Este término postula que la enfermedad se propaga a lo largo del gradiente positivo de la densidad de la población susceptible, moviéndose efectivamente hacia áreas con mayores concentraciones de individuos susceptibles. La función $\chi(i)$ actúa como un término de capacidad de saturación para evitar un crecimiento ilimitado.
• Análisis matemático: Los autores realizan un análisis matemático riguroso del sistema, estableciendo la existencia y unicidad de soluciones débiles. Un enfoque principal es la derivación de un número básico de reproducción dependiente del espacio. Al analizar la estabilidad de la población infectada en la norma $L^2$, los autores derivan un $R_0$ modificado que incorpora el Laplaciano de la población susceptible ($\Delta s$). Esta formulación sugiere que la concavidad de la densidad de población local (específicamente, los máximos locales donde $\Delta s < 0$) influye significativamente en las tasas de transmisión.
• Solución numérica: El artículo aborda los desafíos computacionales de resolver este sistema, particularmente la potencial inestabilidad numérica debido a la dinámica de tipo convectivo introducida por el término de quimiotaxia. Los autores emplean un Método de Elementos Finitos (FEM) para la discretización espacial y una Fórmula de Diferenciación hacia Atrás de segundo orden (BDF2) para la discretación temporal. Para asegurar la estabilidad y la conservación de la masa, utilizan un esquema de paso de tiempo totalmente implícito e introducen una técnica de estabilización de difusión de línea de corriente para manejar gradientes pronunciados.

Contribuciones clave

1. Análisis epidemiológicamente interpretable: El artículo deriva un número básico de reproducción ($R_0$) espacialmente consciente que tiene en cuenta la heterogeneidad espacial en la densidad de la población. A diferencia del $R_0$ de las EDO estándar, esta métrica depende del Laplaciano local de la población susceptible, proporcionando una base teórica de por qué se forman focos de infección en áreas urbanas densas.
2. Estabilización numérica: Los autores introducen y discuten un esquema de estabilización (difusión de línea de corriente) necesario para resolver el sistema de EDP impulsado por la quimiotaxia, abordando la mayor complejidad computacional en comparación con los modelos de difusión pura.
3. Estudios de simulación comparativos: El modelo se prueba en dos regiones geográficas distintas: Lombardía, Italia, y el estado de Georgia, EE. UU. Las simulaciones comparan el modelo de quimiotaxia frente a modelos de reacción-difusión pura utilizando parámetros independientes del tiempo.

Resultados
Los estudios de simulación demuestran que el modelo de quimiotaxia captura las dinámicas espaciotemporales observadas en los datos reales de vigilancia del COVID-19 con mayor precisión que los modelos de difusión pura, incluso sin utilizar parámetros variables en el tiempo.

• Lombardía, Italia: Los modelos de difusión pura no lograron replicar la rápida propagación de la epidemia hacia los principales centros urbanos como Milán, Bérgamo y Brescia, manteniendo la infección artificialmente concentrada en las zonas de brote inicial (Lodi y Cremona). En contraste, el modelo de quimiotaxia simuló con éxito la migración del frente de infección hacia los centros de población de alta densidad, reproduciendo los "focos" observados en Bérgamo y Milán. El modelo identificó correctamente que las áreas con valores de Laplaciano negativos altos en la población susceptible (máximos locales de densidad) eran particularmente vulnerables.
• Georgia, EE. UU.: En una simulación a nivel estatal, los modelos de difusión pura tuvieron dificultades para generar transmisión en los principales centros de población fuera del área metropolitana de Atlanta (por ejemplo, los condados de Chatham, Richmond y Bibb), mientras que sobreestimaron la transmisión en áreas suburbanas de menor densidad (por ejemplo, Forsyth, Cherokee). El modelo de quimiotaxia corrigió estas discrepancias, aumentando significativamente la transmisión en los centros de población subestimados y reduciéndola en las áreas de baja densidad sobreestimadas, alineándose más estrechamente con las tendencias de mortalidad observadas.

Significancia y afirmaciones
El artículo afirma proporcionar una "prueba de concepto" de que los modelos de EDP inspirados en la quimiotaxis ofrecen un marco superior para describir la transmisión de enfermedades infecciosas de transmisión aérea en poblaciones humanas en comparación con los modelos de difusión estándar. Los autores enfatizan que su trabajo cierra la breancia entre el modelado matemático complejo y la aplicación epidemiológica práctica al derivar cantidades interpretables (el $R_0$ espacial) que vinculan el comportamiento del modelo con los patrones de densidad de población.

La significancia del trabajo radica en su capacidad para explicar y predecir la formación de focos de infección impulsados por gradientes de población espacial sin requerir un ajuste de parámetros complejo y dependiente del tiempo. Los autores señalan modestamente que el estudio actual es cualitativo; el modelo no pretende ser una herramienta predictiva definitiva para el COVID-19 sin incorporar otras complejidades como la estructura de edad, la vacunación y las políticas de movilidad. Sin embargo, los resultados sugieren que incorporar la deriva quimiotáctica es un paso necesario para modelar con precisión la propagación espacial de las enfermedades de transmisión aérea en poblaciones humanas heterogéneas. Se propone como trabajo futuro extender estos modelos a estructuras compartimentales más complejas y desarrollar esquemas de estabilización de orden superior.