⚡ electrical engineering

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

Questo articolo propone un modello SIR che incorpora la non conformità come contagio sociale, stabilisce l'esistenza di strategie di controllo ottimali per minimizzare i costi della malattia e del comportamento, e dimostra numericamente come le preferenze dei decisori politici influenzino le strategie di intervento ottimali utilizzando il metodo dell'Hamiltoniano quadratico sequenziale.

Autori originali: Chloe Ngo, Christian Parkinson, Weinan Wang

Pubblicato 2026-06-23

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Chloe Ngo, Christian Parkinson, Weinan Wang

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate una città che cerca di fermare un virus contagioso. Di solito, gli scienziati modellano questo scenario assumendo che tutti seguano le regole equamente: se il governo dice "indossate una mascherina", tutti la indossano. Ma nella realtà, alcuni ascoltano e altri no.

Questo articolo costruisce un nuovo tipo di modello che tratta il non rispettare le regole (la non conformità) come se fosse un virus stesso. Proprio come un raffreddore si diffonde da persona a persona, l' atteggiamento del "io non metto la mascherina" si diffonde tra la folla. Se frequenti persone che non seguono le regole di sicurezza, è più probabile che tu smetta di seguirle a tua volta.

Ecco una scomposizione di ciò che hanno fatto gli autori, utilizzando analogie semplici:

1. I due gruppi: i "Conformisti" e i "Ribelli"

Gli autori hanno diviso la popolazione in due squadre:

I Conformisti: Queste persone indossano la mascherina, restano a casa e si curano se si ammalano. Poiché seguono le regole, il virus si diffonde più lentamente tra di loro.
I Non Conformisti: Queste persone ignorano le regole. Il virus si diffonde più velocemente tra di loro.

Il colpo di scena: Gli autori si sono resi conto che l'atteggiamento "Ribelle" non è fisso. Si diffonde come un contagio sociale. Se un "Conformista" passa del tempo con dei "Ribelli", potrebbe iniziare a pensare: "Beh, se loro non indossano la mascherina, perché dovrei farlo io?". Questo lo trasforma in un Ribelle.

2. La cassetta degli attrezzi del Decisore Politico

L'articolo immagina un "Decisore Politico" (come un sindaco o un funzionario sanitario) che vuole fermare la malattia ma ha anche un budget limitato. Questa persona ha quattro leve che può azionare per controllare la situazione:

La leva delle NPI (Interventi Non Farmaceutici): Rendere più rigorose le mascherine e il distanziamento sociale. Questo abbassa la velocità del virus per il gruppo dei Conformisti.
La leva del Trattamento: Far guarire più velocemente i Conformisti malati.
La leva "Ferma il Contagio": Avviare campagne per impedire all'atteggiamento "Ribelle" di diffondersi (es. "Non lasciare che i tuoi amici ti convincano a non seguire le regole di sicurezza").
La leva del "Riabilitazione": Campagne educative per convincere i Ribelli a tornare a essere Conformisti.

3. L'equilibrio (Il problema dei costi)

Il Decisore Politico deve risolvere un puzzle matematico. Vuole:

Mantenere basso il numero di malati.
Mantenere bassi i Ribelli.
Ma vuole anche risparmiare denaro. Ogni volta che aziona una leva (come imporre le mascherine o fare pubblicità), questo costa denaro.

Gli autori si sono chiesti: Qual è la combinione perfetta di queste leve per ottenere il miglior risultato al minor costo?

4. Il metodo matematico "Magico"

Per trovare la risposta, gli autori hanno dovuto inventare un nuovo modo di fare i calcoli.

Il Problema: Gli strumenti matematici standard spesso assumono che, se vuoi un po' più di controllo, paghi un po' di più in modo fluido. Ma nella realtà, potresti decidere di puntare tutto su un lockdown rigoroso per una settimana e poi smettere completamente. Questo è un interruttore "bang-bang" (on/off), che è difficile da gestire per la matematica standard.
La Soluzione: Hanno utilizzato un metodo chiamato Sequential Quadratic Hamiltonian (SQH). Immaginatelo come un GPS molto intelligente e passo dopo passo per il Decisore Politico. Invece di indovinare l'intero percorso in una volta sola, compie piccoli passi, controlla se il costo sta diminuendo e regola la direzione. È dimostrato essere più affidabile dei vecchi metodi che a volte rimangono bloccati o danno risposte errate.

5. Cosa hanno scoperto (I Risultati)

Gli autori hanno eseguito delle simulazioni con diverse "personalità" di Decisori Politici per vedere come avrebbero agito:

Il Leader "Equilibrato": Questo leader tiene conto sia della salute che del denaro. La sua strategia? Utilizza le leve "Ferma il Contagio" e "Riabilitazione" precocemente per mantenere basso l'atteggiamento Ribelle. Una volta che la popolazione è per lo più Conformista, usa le leve "NPI" e "Trattamento" per schiacciare il virus. Permette che avvenga un piccolo focolaio perché è più economico che cercare di fermarlo al 100%.
Il Leader "Salute-Prima-di-Tutto": Questo leader si preoccupa solo di fermare il virus, indipendentemente dal costo. Agisce duramente su tutte le leve immediatamente. Forza la popolazione a essere Conformista e mantiene il tasso di virus così basso che la malattia scompare rapidamente.
Il Leader "Economia-Prima-di-Tutto": Se il virus si diffonde troppo velocemente o se troppe persone sono già Ribelli, questo leader potrebbe decidere che è troppo costoso combatterlo. Potrebbe semplicemente lasciare che la malattia faccia il suo corso perché il costo del tentativo di fermarla è superiore al costo della malattia stessa.

Intuizione Chiave: L'articolo dimostra che non puoi solo combattere il virus, devi combattere l'atteggiamento di non rispettare le regole. Se ignori il fatto che il "comportamento ribelle" si diffonde, i tuoi piani per fermare il virus falliranno.

Riassunto

Questo articolo crea un modello in cui il cattivo comportamento si diffonde come un virus. Utilizza una matematica avanzata per capire come un leader debba spendere i suoi soldi per fermare sia la malattia che il cattivo comportamento. Hanno scoperto che la migliore strategia dipende interamente da quanto un leader dà importanza al denaro rispetto alla salute, e che ignorare la diffusione della "ribelliosità" rende impossibile controllare il virus in modo efficace.

Sintesi Tecnica: Controllo Ottimale di un Modello SIR con la Non-compliance come Contagio Sociale

Formulazione del Problema
Il documento affronta la sfida di incorporare la dinamica del comportamento umano nella modellazione epidemiologica, concentrandosi specificamente sulla diffusione della non-compliance (mancata osservanza) delle misure non farmacologiche (NPI). Gli autori propongono un modello compartimentale Susceptible-Infected-Recovered (SIR) che divide la popolazione in due gruppi distinti: coloro che rispettano le misure di sanità pubblica (compliant) e coloro che non le rispettano (non-compliant).

A differenza dei modelli tradizionali in cui il comportamento è trattato come un parametro fisso, questo modello tratta la non-compliance come un "contagio sociale" che si diffonde parallelamente alla malattia tramite un meccanismo di azione di massa. La popolazione compliant ( $S, I, R$ ) sperimenta un'infettività ridotta a causa delle NPI, mentre la popolazione non-compliant ( $S^*, I^*, R^*$ ) no. Il modello include quattro variabili di controllo che rappresentano gli interventi del decisore politico:

$\alpha(t)$ : Riduzione dell'infettività/mescolanza per la popolazione compliant (applicazione delle NPI).
$\eta(t)$ : Aumento del tasso di guarigione per gli individui infetti compliant (sforzi di trattamento).
$\mu(t)$ : Riduzione del tasso di diffusione della non-compliance (iniziative di informazione sulla salute pubblica).
$\nu(t)$ : Tasso di "guarigione" dalla non-compliance (campagne educative).

L'obiettivo è formulare un problema di controllo ottimale in cui un decisore politico minimizza un funzionale di costo che bilancia i costi delle infezioni, i costi della non-compliance e i costi economici dell'implementazione dei controlli.

Metodologia
Gli autori impiegano un rigoroso framework matematico che combina la teoria dei sistemi dinamici, la teoria del controllo ottimale e l'analisi numerica:

Analisi del Modello: Derivano il rapporto di riproduzione di base ( $R_0$ ) per il sistema e analizzano la stabilità degli equilibri privi di malattia (DFE). Stabiliscono le condizioni sotto le quali il sistema rimane stabile o diventa instabile in base all'interazione tra trasmissione della malattia e parametri di trasmissione comportamentale.
Esistenza dei Controlli Ottimali: Un contributo teorico significativo è la dimostrazione dell'esistenza dei controlli ottimali. Gli autori stabiliscono questo per uno scenario generico in cui:
- Le variabili di controllo compaiono in modo non lineare nelle dinamiche.
- I costi di controllo non richiedono di essere regolari o fortemente convessi (permettendo costi di controllo $L^1$ ).
- L'insieme dei controlli ammissibili include mappe di controllo discontinue (specificamente, funzioni a variazione limitata, $BV$).
  La dimostrazione utilizza il metodo diretto nel calcolo delle variazioni, basandosi sulla chiusura debole dell'operatore controllo-stato e sulla semi-continuità inferiore del funzionale di costo.
Risoluzione Numerica: Per risolvere il problema del controllo ottimale, gli autori utilizzano il metodo Sequenziale Quadratico Hamiltoniano (SQH). Sostengono che l'SQH sia superiore al comune Metodo di Forward-Backward Sweep (FBSM) perché possiede una teoria di convergenza più robusta. L'algoritmo aggiorna iterativamente le mappe di controllo utilizzando perturbazioni quadratiche all'Hamiltoniano, garantendo una diminuzione sufficiente del funzionale di costo. Gli autori dimostrano la convergenza delle iterazioni SQH.

Risultati Chiave
Il documento presenta simulazioni numeriche attraverso tre scenari distinti per dimostrare come le strategie ottimali dipendano dai regimi parametrici e dalle preferenze del decisore politico (codificate nei pesi dei costi):

Scenario 1 (Baseline): Con tassi di infezione moderati e una popolazione inizialmente compliant, la strategia ottimale dipende fortemente dalle priorità del decisore politico.
- Un decisore politico "bilanciato" (che pesa i costi di infezione e di non-compliance) impiega una strategia sinergica: utilizza $\mu$ e $\nu$ per sopprimere la non-compliance precocemente, permettendo ad $\alpha$ e $\eta$ di ridurre efficacemente $R_0$ senza portarlo immediatamente sotto 1, accettando così un piccolo focolaio per minimizzare il costo totale.
- Un decisore politico "orientato alla salute pubblica" (alto costo dell'infezione, costo della non-compliance nullo) utilizza aggressivamente tutti i controlli per guidare $R_0 < 1$ ed eradicare la malattia, sfruttando la stabilità del DFE completamente compliant.
- Sensibilità: Rimuovere il trattamento ( $\eta=0$ ) riduce l'efficacia degli sforzi di controllo di circa un terzo. Rimuovere i controlli comportamentali ( $\mu=\nu=0$ ) rende i controlli della malattia in gran parte inefficaci, poiché la popolazione vira verso la non-compliance, riducendo la riduzione dei costi a circa il 10%.
- Costi $L^1$ : Il metodo gestisce con successo i costi di controllo $L^1$ (dove $d_2=0$ ), risultando in controlli di tipo "bang-bang" per $\eta, \mu, \nu$ (che assumono solo i valori 0 o massimi), mentre $\alpha$ rimane regolare a causa della natura quadratica delle dinamiche.
Scenario 2 (Alta Diffusione): Quando il tasso di infezione della malattia e il tasso di diffusione della non-compliance sono elevati, e una parte significativa delle nuove nascite è non-compliant, i controlli diventano meno efficaci. Solo un decisore politico con pesi di costo dell'infezione molto elevati ( $c_1 \ge 6$ ) trova ottimale sopprimere completamente la malattia; altrimenti, la strategia ottimale è lasciare che la malattia segua il suo corso a causa del costo proibitivo del controllo.
Scenario 3 (Proclività Baseline): L'aumento della proporzione di base delle nuove nascite non-compliant ( $\xi$ ) rivela una soglia critica. Quando $\xi < 0.5$ , è ottimale sopprimere la non-compliance. Tuttavia, quando $\xi \ge 0.5$ , i controlli comportamentali ( $\mu$ ) diventano inefficaci (scendendo a zero) e il sistema non può essere guidato verso un equilibrio privo di malattia.

Significatività e Rivendicazioni
Il documento rivendica tre contributi primari:

Sociologico/Modellazione: Fornisce un framework meccanicistico in cui l'adesione alle NPI è una quantità epidemiologica dinamica piuttosto che un parametro fisso. Dimostra che le strategie di controllo ottimale sono altamente sensibili alle preferenze del decisore politico e che ignorare le dinamiche della non-compliance porta a strategie subottimali o inefficaci. Evidenzia che le interviste mirate alla non-compliance sono giustificate dai loro effetti a valle sulla trasmissione della malattia, anche se la non-compliance stessa non comporta un costo diretto.
Matematico (Esistenza): Fornisce un framework di esistenza generale per i controlli ottimali in modelli biologici che consente dinamiche non lineari, costi non regolari/non convessi (specificamente $L^1$ ) e controlli discontinui. Ciò rilassa le assunzioni comuni (come i sistemi control-affine e i costi $L^2$ ) spesso adottate per comodità analitica ma che sono fisicamente irrealistiche per certi interventi politici.
Numerico: Propone l'uso del metodo SQH in epidemiologia, sostenendo che offra proprietà di convergenza migliori rispetto al ampiamente utilizzato FBSM pur rimanendo implementabile. Gli autori dimostrano che l'SQH può risolvere efficacemente complessi problemi di controllo ottimale che coinvolgono costi $L^1$ e soluzioni discontinue.

Gli autori concludono che, sebbene lo studio sia qualitativo, esso sottolinea la necessità di integrare le dinamiche comportamentali nei modelli epidemiologici e suggerisce che i lavori futuri possano incorporare la stocasticità, le strutture di rete, la teoria dei giochi evolutiva e variabili di controllo più granulari (ad esempio, vaccinazione, controllo dei media).