Resumen Técnico: Extensión de Matrices de Contacto Social con Factores Sociodemográficos

Enunciado del Problema

Los modelos epidemiológicos basados en compartimentos dependen de matrices de contacto social para definir las tasas de interacción entre grupos poblacionales. Si bien estos modelos estratifican comúnmente las poblaciones por edad, a menudo ignoran otros factores sociodemográficos (por ejemplo, etnia, privación, educación) que influyen significativamente en la dinámica de transmisión. Confiar únicamente en la estratificación por edad puede oscurecer heterogeneidades críticas, lo que conduce a estimaciones sesgadas del número básico de reproducción ($R_0$), del tamaño final de la epidemia y de las disparidades en salud.

Los métodos existentes para incorporar múltiples factores sociodemográficos son limitados. Suelen requerir encuestas exhaustivas de contacto social que capturen tasas de interacción por pares a través de todas las combinaciones de factores (por ejemplo, edad $\times$ etnia). Tales datos son costosos, requieren mucho tiempo para recopilarse y a menudo sufren de sesgos de percepción. Además, la estimación directa de estas matrices de alta dimensión es a menudo inviable, dejando a los modelos incapaces de capturar los efectos acumulativos de las identidades sociodemográficas que se intersectan.

Metodología

Los autores proponen un método matemático fundamentado para extender una matriz de contacto social basada en la edad existente ($C_{ij}$) incorporando un factor sociodemográfico adicional (denotado como $a$ y $b$ para grupos dentro del nuevo factor). Esto resulta en una matriz de contacto extendida $C_{ia,jb}$ que representa los contactos entre individuos en el grupo de edad $i$ y el grupo sociodemográfico $a$ con aquellos en el grupo de edad $j$ y el grupo sociodemográfico $b$.

El método construye esta matriz extendida utilizando únicamente tres tipos de entradas:

1. La matriz de contacto basada en la edad original ($C_{ij}$).
2. La estructura poblacional del nuevo factor sociodemográfico (tamaños de grupo $N_{ia}$).
3. Suposiciones sobre las tasas de contacto relativas ($F_a$) y la asortatividad ($\epsilon$).

Restricciones Principales

La matriz extendida debe satisfacer tres condiciones para garantizar la validez física y epidemiológica:

1. Consistencia de Agregación: La suma de contactos sobre los nuevos grupos sociodemográficos debe recuperar la matriz original basada en la edad ($C_{ij}$). Esto asegura que la extensión redistribuya los contactos existentes en lugar de crearlos o destruirlos.
2. Simetría: La matriz debe satisfacer la condición de reciprocidad ($N_{ia}C_{ia,jb} = N_{jb}C_{jb,ia}$), asegurando que si el grupo A contacta al grupo B, el grupo B contacta al grupo A.
3. Condición de Interacción Relativa: La relación de las tasas de contacto totales entre dos grupos sociodemográficos ($F_{a1}/F_{a2}$) debe ser consistente a través de todos los grupos de edad.

Escenarios de Mezcla

Los autores derivan soluciones para dos regímenes de mezcla y una combinación lineal de ambos:

• Mezcla Proporcional: Los contactos se distribuyen entre los grupos sociodemográficos en proporción a su tamaño poblacional y sus tasas de contacto relativas.
• Mezcla Segregada (Asortativa): Los contactos ocurren preferentemente dentro del mismo grupo sociodemográfico. Los autores proporcionan una formulación específica para la "mezcla segregada" donde las interacciones se dividen según la proporción del grupo sociodemográfico dentro de cada grupo de edad.
• Mezcla Asortativa: Una solución general se define como una combinación lineal de las matrices proporcional y segregada, controlada por una constante de asortatividad $\epsilon$ (donde $\epsilon=0$ es puramente proporcional y $\epsilon=1$ es puramente segregada).

El método permite la reindexación del arreglo de cuatro dimensiones en una matriz bidimensional, permitiendo teóricamente la extensión de matrices con números arbitrarios de factores sociodemográficos, aunque los autores señalan limitaciones prácticas relacionadas con la complejidad del modelo y la necesidad de suposiciones adicionales.

Contribuciones Clave

1. Un Método de Extensión Eficiente en Datos: El artículo introduce un método para estratificar matrices de contacto por factores sociodemográficos adicionales sin requerir datos de encuestas por pares granulares. En su lugar, se basa en datos de estructura poblacional y suposiciones agregadas de mezcla.
2. Formulación Matemática: Los autores proporcionan fórmulas explícitas para construir matrices extendidas bajo condiciones de mezcla proporcional, segregada y asortativa mixta, demostrando que estas construcciones satisfacen las restricciones necesarias de simetría y agregación.
3. Demostración de Heterogeneidad Oculta: A través de simulaciones numéricas, el estudio demuestra cómo ignorar los factores sociodemográficos puede enmascarar variaciones significativas en los resultados epidémicos, particularmente para grupos minoritarios.

Resultados

Los autores validaron el método utilizando dos enfoques: poblaciones hipotéticas y una proyección de la encuesta de contacto POLYMOD europea sobre la estructura de edad y etnia de Aotearoa Nueva Zelanda.

Simulaciones Hipotéticas

• Impacto de las Tasas de Contacto Relativas: Variar las tasas de contacto relativas entre grupos sociodemográficos alteró significativamente el número básico de reproducción ($R_0$) y las tasas de ataque. $R_0$ generalmente aumentó a medida que la tasa de contacto de un grupo se desviaba de la media, impulsado por el hecho de que los grupos de alto contacto impulsan la transmisión más de lo que los grupos de bajo contacto la reducen.
• Sensibilidad del Grupo Minoritario: Se encontró que los resultados epidémicos para los grupos minoritarios eran altamente sensibles a las variaciones en los parámetros del modelo (tasas de contacto y asortatividad).
• No Identificabilidad: El estudio encontró que diferentes combinaciones de asortatividad y tasas de contacto relativas podían producir tasas de ataque agregadas similares, lo que sugiere que estos parámetros pueden no ser identificables a partir de datos agregados únicamente.

Proyección para Aotearoa Nueva Zelanda

Utilizando la matriz POLYMOD proyectada sobre la estructura étnica de Nueva Zelanda (Māori, Pacífico, Asiático, Europeo/Otro):

• Cambio en la Dinámica: Incorporar la etnia y las tasas de contacto relativas aumentó la estimación de $R_0$, pero disminuyó el número total proyectado de infecciones en aproximadamente un 2% (aproximadamente 100,000 personas) en comparación con un modelo basado solo en la edad.
• Cambio en la Estructura de Edad: La inclusión de la etnia desplazó la estructura de edad de las infecciones. La tasa de ataque aumentó para las poblaciones mayores mientras disminuía para las poblaciones más jóvenes. Esto ocurrió porque los grupos étnicos más jóvenes (Māori y Pacífico) tenían tasas de contacto más altas, pero los grupos mayores (Europeo/Otro) tenían una distribución de edad diferente que alteró la dinámica de transmisión general.
• Implicaciones para la Política: Los resultados sugieren que los modelos basados solo en la edad pueden sobreestimar los casos totales mientras subestiman la carga en subgrupos específicos de edad y etnia, lo que potencialmente conduce a decisiones políticas subóptimas con respecto a la asignación de recursos y la orientación de intervenciones.

Significado y Afirmaciones

El artículo afirma que su método proporciona una "forma fundamentada" de construir matrices de contacto extendidas cuando faltan datos empíricos detallados. El significado principal radica en la capacidad de:

• Cuantificar Desigualdades: Permitir que los modelos cuenten explícitamente con las heterogeneidades sociodemográficas que impulsan las disparidades en salud.
• Mejorar la Relevancia Política: Proporcionar estimaciones más precisas de $R_0$ y del tamaño de la epidemia para subgrupos específicos, lo cual es crítico para diseñar intervenciones que minimicen las desigualdades.
• Revelar Variación Oscurecida: Demostrar que los modelos agregados pueden oscurecer variaciones críticas en los resultados de la enfermedad, particularmente para grupos minoritarios, que a menudo son los más afectados durante las epidemias.

Los autores permanecen modestos respecto a las limitaciones del método, reconociendo que impone una estructura específica en la matriz de contacto y asume asortatividad uniforme y tasas de contacto relativas a través de los grupos de edad. Señalan que el método puede producir elementos de matriz negativos en escenarios de parámetros extremos, requiriendo la verificación de la no negatividad antes de su aplicación. Además, el método hereda limitaciones generales de los modelos compartimentales, como la suposición de mezcla homogénea dentro de los compartimentos y la falta de resolución espacial.