Epidemics in a Synthetic Urban Population with Multiple Levels of Mixing

Resumen Técnico: Epidemias en una Población Urbana Sintética con Múltiples Niveles de Mezcla

Enunciado del Problema
La predicción y el control de enfermedades infecciosas requieren modelos que vayan más allá de los esquemas compartimentales simples (por ejemplo, SIR) que asumen poblaciones totalmente mezcladas. Aunque los modelos basados en individuos recientes incorporan patrones de contacto heterogéneos, sigue existiendo la necesidad de comprender cómo características socio-demográficas y geográficas específicas de una población huésped impactan la difusión epidémica. Específicamente, la interacción entre relaciones sociales estables (hogares, conocidos) y interacciones raras y fortuitas (por ejemplo, en tránsito o espacios públicos) dentro de un entorno urbano realista no está completamente caracterizada. El artículo aborda la cuestión de cómo diferentes niveles de mezcla, dependientes de la edad y la distancia, influyen en la velocidad, la pervasividad y la predecibilidad de los brotes en un entorno urbano de tamaño medio.

Metodología
Los autores construyen un modelo Susceptible-Infectado-Recuperado (SIR) basado en agentes e informado por datos, aplicado a una población sintética de aproximadamente 60.000 agentes que representan el municipio de Viterbo, Italia.

• Población Sintética: Los agentes están geo-referenciados y estratificados por edad en cuatro grupos (niños, jóvenes, adultos, ancianos) utilizando estimaciones de densidad de WorldPop y datos del censo provincial. El territorio se divide en una cuadrícula de baldosas cuadradas de 500 m.
• Construcción de la Red: La red social urbana (USN) es un grafo no dirigido y no ponderado $G = (V, E)$ formado por la unión de dos sub-grafos:
  1. Grafo de Hogares ($G_H$): Un conjunto de clínicas inferidas a partir de datos censales, que representan contactos diarios.
  2. Grafo de Conocidos ($G_A$): Las aristas que representan contactos frecuentes (amigos, compañeros de trabajo) se añaden probabilísticamente basándose en matrices de mezcla social basadas en la edad (de datos SOCRATES), la distancia geográfica ($d^{-1}$) y un parámetro intrínseco de "aptitud social".
• Simulación Epidémica: El modelo simula la propagación de la enfermedad donde los individuos infectados transmiten la enfermedad a contactos susceptibles con probabilidad $\beta$ y se recuperan con una tasa $\mu$. El modelo se calibra con parámetros de Enfermedad Similar a la Influenza (ILI) ($R_0 \approx 1.3$, tiempo de recuperación de 3 días).
• Configuraciones Experimentales: Se comparan seis configuraciones de mezcla distintas para aislar los efectos de los patrones de contacto:
  1. Mezcla Homogénea (HM): Grafo aleatorio de Erdős-Rényi (línea base).
  2. Red Estática (SN): Solo relaciones estables de hogares y conocidos; sin contactos fortuitos.
  3. Ruido Homogéneo (HN): Relaciones estables más contactos fortuitos aleatorios.
  4. Ruido Basado en Edad (AN): Los contactos fortuitos dependen de la mezcla social basada en la edad.
  5. Ruido Basado en Distancia (DN): Los contactos fortuitos dependen de la distancia geográfica.
  6. Ruido Basado en Edad y Distancia (ADN): Los contactos fortuitos dependen tanto de la edad como de la distancia.

Resultados Clave

• Impacto de la Estructura de Edad: La introducción de patrones de contacto estructurados por edad (SN, AN, ADN) resulta en brotes significativamente más rápidos y más pervasivos en comparación con la mezcla homogénea. Estas configuraciones producen distribuciones de grado con colas derechas más largas, lo que conduce a picos epidémicos más tempranos y tasas de ataque más altas.
• Papel de la Distancia: Asumir que la frecuencia de interacción decae con la distancia ($d^{-1}$) tiene un efecto negligible en los patrones de difusión de alto nivel (velocidad y tasa total de ataque) en comparación con la mezcla estructurada por edad. Sin embargo, la distancia sí influye en la frecuencia de infecciones entre baldosas, afectando la incidencia local.
• Umbral Epidémico y Número de Reproducción: El umbral epidémico ($\beta_c$) es más bajo (haciendo al sistema más vulnerable) en configuraciones con contactos heterogéneos impulsados por la edad. El número básico de reproducción ($R_0$) es generalmente más alto en configuraciones basadas en datos. La aparición de un brote está fuertemente asociada con que el caso índice sea un individuo socialmente activo.
• Dispersión Geográfica y Densidad: El estudio identifica dos regímenes distintos basados en la densidad de población de las baldosas:
  • Baja Densidad (< ~100 habitantes): Tiempo hasta el pico sub-logarítmico y tasas de ataque constantes.
  • Alta Densidad: Tiempo hasta el pico y tasas de ataque que aumentan aproximadamente de forma logarítmica.
  • La infección alcanza las baldosas densamente pobladas en 10–15 días independientemente de la configuración, pero el momento para las áreas de baja densidad varía significativamente según el modelo de contacto.
• Predecibilidad: La epidemia es geográficamente heterogénea (entropía < 1), con algunas baldosas siendo consistentemente más peligrosas. Sin embargo, la predecibilidad del sistema es baja al inicio de la epidemia y solo se vuelve alta cerca del pico epidémico, cuando la infección ya está generalizada. No se identificó una "columna vertebral" dominante ni vías epidémicas preferidas; la amplia gama de rutas alternativas impide la formación de una trayectoria predecible única.

Significado y Afirmaciones
El artículo afirma proporcionar un marco para comprender la difusión epidémica en poblaciones urbanas realistas sin requerir datos de movilidad o transporte de alta resolución, confiando en su lugar en datos censales y de encuestas para construir la red de contactos.

• Difusión Jerárquica: La evidencia preliminar sugiere la existencia de patrones de difusión espacial jerárquica en áreas urbanas, caracterizados por dos regímenes de propagación epidémica en regiones de baja y alta densidad. Esto resuena con hallazgos observados a escala país/ciudad.
• Compensaciones de Modelado: El estudio demuestra que, aunque la mezcla dependiente de la distancia está empíricamente fundamentada, su impacto en los resultados epidémicos a macroescala es mínimo en comparación con el impacto estructural de la mezcla social estratificada por edad.
• Limitaciones y Trabajo Futuro: Los autores notan la ausencia de vías epidémicas dominantes en su modelo urbano, en contraste con los modelos de metapoblación (por ejemplo, redes de aerolíneas) donde los flujos de tráfico crean conexiones dominantes. Sugieren que el trabajo futuro debería investigar si esta ausencia es inherente a la escala urbana o si la incorporación de datos adicionales (movilidad, llamadas telefónicas, transporte) revelaría dichas estructuras.

El trabajo subraya que el modelado epidémico preciso requiere ir más allá de las suposiciones de campo medio para tener en cuenta la estructura topológica específica de las redes sociales, particularmente el papel de los contactos estructurados por edad en la dinámica de los brotes.