A Mathematical Model of Swine Flu (H1N1) Transmission with Imperfect Behavioral Vaccination Dynamics: A Case Study of Japan

Resumen Técnico: Un Modelo Matemático de la Transmisión de la Gripe Porcina (H1N1) con Dinámicas de Vacunación Conductual Imperfectas

Planteamiento del Problema
La Influenza A (H1N1), o gripe porcina, sigue siendo un desafío crítico para la salud pública debido a su rápida transmisión y su potencial para brotes generalizados. Aunque numerosos modelos matemáticos han abordado la dinámica de la H1N1, la literatura existente a menudo trata la vacunación como una tasa de intervención constante. Este enfoque pasa por alto el mecanismo de retroalimentación crítica entre la prevalencia de la infección y la toma de decisiones individual sobre la vacunación. Específicamente, los modelos previos frecuentemente no logran contabilizar cómo el costo percibido de la infección en relación con el costo percibido de la vacunación impulsa cambios dinámicos en la aceptación de la vacunación, ni integran consistentemente la vacunación imperfecta (donde los individuos vacunados aún pueden infectarse, aunque a una tasa menor) junto con las dinámicas conductuales. Este estudio aborda estas brechas proponiendo un modelo que acopla la transmisión epidemiológica con respuestas de vacunación conductuales dependientes del tiempo.

Metodología
Los autores desarrollaron un modelo compartimental determinista que divide la población humana total en ocho compartimentos epidemiológicos: Susceptibles ($S$), Vacunados ($V$), Expuestos ($E$), Infectados Sintomáticos ($I_s$), Infectados Asintomáticos ($I_a$), En Cuarentena ($Q$), Recuperados ($R$) y una variable conductual ($X$).

La innovación central es la inclusión de una ecuación diferencial conductual para $X(t)$, que representa la proporción de individuos dispuestos a recibir la vacunación:
$$\frac{dX}{dt} = mX(1 - X)(C(I_s + I_a) - kC_v)$$
Aquí, $m$ es la tasa de imitación, $C$ es el costo percibido de la infección, $C_v$ es el costo percibido de la vacunación y $k$ es un parámetro de ponderación. Esta ecuación modela el comportamiento de vacunación como un análisis de costo-beneficio donde los individuos son más propensos a vacunarse a medida que aumenta la prevalencia de la infección (y, por ende, el costo percibido de la infección).

El modelo incorpora:

• Vacunación Imperfecta: Los individuos vacunados ($V$) tienen una tasa de transmisión ($\beta_1$) menor que los individuos susceptibles ($\beta$), donde $\beta > \beta_1$.
• Infecciones Asintomáticas y Sintomáticas: Compartimentos distintos para $I_s$ e $I_a$ con diferentes tasas de progresión y de cuarentena.
• Cuarentena: Modelado explícito del aislamiento de casos tanto sintomáticos como asintomáticos.

Análisis Matemático
El estudio analizó rigurosamente las propiedades cualitativas del modelo:

1. Número Básico de Reproducción ($R_0$): Derivado mediante el enfoque de la matriz de la siguiente generación. Se calcularon dos valores distintos de $R_0$ correspondientes a diferentes equilibrios conductuales: $R_0^{(1)}$ para el estado de no vacunación ($X=0$) y $R_0^{(2)}$ para el estado de vacunación completa ($X=1$).
2. Puntos de Equilibrio: Se estableció la existencia de equilibrios de enfermedad libre (DFE) y equilibrios endémicos (EE).
   • El DFE es localmente asintóticamente estable (LAS) si $R_0 < 1$.
   • El EE existe y es LAS si $R_0 > 1$, sujeto a las condiciones de estabilidad de Routh-Hurwitz.
3. Análisis de Sensibilidad: Se computaron índices de sensibilidad directa normalizados para identificar los parámetros que más influyen en $R_0$. Las tasas de transmisión ($\beta, \beta_1$) mostraron la mayor sensibilidad positiva, mientras que las tasas de cuarentena ($\gamma_s, \gamma_a$) y de vacunación ($\nu$) mostraron una sensibilidad negativa significativa.
4. Simulaciones Numéricas: El sistema se resolvió utilizando el método Runge-Kutta de cuarto-quinto orden (RK45). El estudio empleó análisis de Coeficiente de Correlación Parcial de Rango (PRCC), diagramas de contorno, mapas de calor y simulaciones de series temporales para explorar las interacciones de los parámetros.

Resultados Clave

• Dinámicas Conductuales: Las simulaciones demuestran que el comportamiento de vacunación ($X$) no es estático; aumenta a medida que aumenta el costo percibido de la infección (impulsado por un mayor $I_s + I_a$) y disminuye si el costo percibido de la vacunación es alto.
• Impacto de la Vacunación Imperfecta: El modelo confirma que las infecciones de escape (regidas por $\beta_1$) y el debilitamiento de la inmunidad ($\phi$) aumentan significativamente el número de reproducción efectivo ($R_{0,eff}$) y el tamaño del pico de infección, incluso en presencia de vacunación.
• Estrategias de Control: El análisis de sensibilidad y los diagramas de contorno indican que reducir las tasas de transmisión, minimizar el debilitamiento de la inmunidad y limitar las infecciones de escape son esenciales. Sin embargo, el estudio destaca que los parámetros conductuales son igualmente críticos; reducir el costo percibido de la vacunación ($C_v$) o aumentar el costo percibido de la infección ($C$) mejora significativamente la aceptación de la vacunación y suprime los brotes.
• Validación del Modelo: El modelo fue validado contra los casos semanales confirmados de influenza en Japón del 1 de julio de 2025 al 30 de mayo de 2026. Los datos simulados mostraron una concordancia satisfactoria con los datos observados, obteniendo:
  • Error Cuadrático Medio (RMSE): 109.4976
  • Error Absoluto Medio (MAE): 75.1195
  • Coeficiente de Determinación ($R^2$): 0.7247
  • El análisis de residuos indicó que no hubo un sesgo sistemático, lo que sugiere que el modelo captura el perfil epidémico general, incluyendo las fases de pico y declive.

Significancia y Reivindicaciones
El artículo sostiene que su contribución principal es la integración de las dinámicas de vacunación conductual dependientes del tiempo con la vacunación imperfecta y la cuarentena dentro de un marco matemático unificado. Al ir más allá de las tasas de vacunación constantes, el modelo ofrece una representación más realista de cómo la percepción pública y el análisis de costo-beneficio influyen en las trayectorias epidémicas.

Los autores afirman que el modelo proporciona un marco útil para comprender la transmisión de la gripe porcina, sugiriendo que las estrategias de mitigación efectivas deben ir más allá de las intervenciones biológicas. Específicamente, concluyen que mejorar la cobertura de vacunación, fortalecer la cuarentena y reducir las tasas de transmisión deben ir acompañados de estrategias que reduzcan el costo percibido de la vacunación en relación con el costo de la infección para promover respuestas conductuales positivas.

El estudio reconoce modestamente las limitaciones, señalando que el modelo asume una mezcla poblacional homogénea y no incorpora explícitamente la heterogeneidad espacial, la estructura de edad, los efectos estocásticos, la influencia de los medios de comunicación o las diferencias psicológicas individuales. Se propone como trabajo futuro extender el marco para incluir estos factores para una comprensión más completa del comportamiento de vacunación.