Dynamics of a nonlocal epidemic model with a new free boundary condition, part 1: Spreading-vanishing dichotomy

Sintesi Tecnica: Dinamiche di un modello epidemico non locale con una nuova condizione di confine libero, Parte 1

Enunciato del Problema
Questo articolo investiga la dinamica a lungo termine di un modello epidemico non locale che descrive l'interazione tra un patogeno (densità $u$) e esseri umani infetti (densità $v$) all'interno di una regione epidemica unidimensionale $[g(t), h(t)]$. La regione si espande o si contrae nel tempo, con $g(t)$ e $h(t)$ che rappresentano i confini liberi. Il sistema incorpora meccanismi di diffusione non locale, dove il movimento di entrambe le specie è governato da operatori integrali che coinvolgono funzioni kernel $J_1$ e $J_2$.

L'innovazione centrale di questo lavoro risiede nella formulazione di una nuova condizione di confine libero. A differenza dei modelli precedenti in cui il tasso di espansione del confine è determinato esclusivamente dal flusso uscente delle specie (analogo alla condizione di Stefan), o esclusivamente dalla popolazione totale pesata, questo modello propone una condizione in cui il tasso di espansione $h'(t)$ (e $g'(t)$) è proporzionale a una combinazione lineare di:

1. Il flusso uscente del patogeno $u$ attraverso il confine (rappresentando la dispersione ambientale, ad esempio tramite l'acqua).
2. La popolazione totale pesata di individui infetti $v$ all'interno della regione (rappresentando l'espansione guidata dagli esseri umani).

Matematicamente, le condizioni di confine libero sono date da:
$$h'(t) = \mu \int_{g(t)}^{h(t)} \left[ u(t, x)W_{J_1}(h(t)-x) + \rho v(t, x)W(h(t)-x) \right] dx$$
$$g'(t) = -\mu \int_{g(t)}^{h(t)} \left[ u(t, x)W_{J_1}(h(t)-x) + \rho v(t, x)W(h(t)-x) \right] dx$$
dove $W_{J_1}$ è l'integrale della coda del kernel del patogeno, e $W$ è una funzione di peso indipendente dal kernel di dispersione per gli esseri umani.

Metodologia
Gli autori impiegano un rigoroso quadro analitico che combina la teoria del punto fisso, i principi di confronto e l'analisi spettrale:

1. Ben determinazione (Well-posedness): L'esistenza e l'unicità di soluzioni globali sono stabilite utilizzando il Teorema della Contrazione di Banach. Gli autori definiscono uno spazio metrico completo appropriato per le funzioni di confine $(g, h)$ e costruiscono una mappatura basata sulla soluzione del sistema di reazione-diffusione associato con confini fissi.
2. Principi di Confronto: Una serie di lemmi di confronto viene sviluppata per limitare la soluzione $(u, v)$ e i confini $(g, h)$ utilizzando soluzioni superiori e inferiori. Questi principi sono cruciali per analizzare il comportamento asintotico e dimostrare i risultati di dicotomia.
3. Analisi Spettrale: Lo studio si basa fortemente sull'autovalore principale $\lambda_p$ di un problema di autovalore non locale correlato definito su un intervallo finito. Il segno di $\lambda_p$ determina la stabilità dell'equilibrio nullo e detta se la malattia si diffonde o scompare.
4. Analisi Asintotica: Il comportamento a lungo termine è analizzato distinguendo tra due scenari:
   • Scomparsa (Vanishing): I confini convergono a un intervallo finito e le densità decadono a zero.
   • Diffusione (Spreading): I confini si espandono all'infinito e le densità convergono a un unico stato stazionario positivo.

Contributi Chiave e Risultati

1. Esistenza Globale e Unicità (Teorema 1.1): L'articolo dimostra che il proposto sistema non locale con la nuova condizione di confine libero misto ammette un'unica soluzione globale per tutto $t > 0$, a condizione che i dati iniziali e le funzioni kernel soddisfino le standard condizioni di regolarità e positività.

2. Dicotomia Diffusione-Scomparsa (Teorema 1.2): La dinamica a lungo termine è caratterizzata da una netta dicotomia. A seconda dei parametri, il sistema:

   • Scompare: La regione epidemica rimane limitata ($g_\infty, h_\infty$ sono finiti) e le densità del patogeno e della popolazione infetta convergono uniformemente a $(0, 0)$.
   • Si Diffonde: La regione epidemica si espande su tutta la retta reale ($g_\infty = -\infty, h_\infty = +\infty$) e le densità convergono localmente uniformemente a un unico stato stazionario positivo $(u^*, v^*)$.

3. Criteri Precisi per Diffusione e Scomparsa (Teorema 1.3): Gli autori derivano condizioni precise che determinano quale esito si verifichi:

   • Se il numero di riproduzione di base $R_0 < 1$, la scomparsa avviene sempre.
   • Se $R_0 \geq (1 + d_1/a)(1 + d_2/b)$, la diffusione avviene sempre.
   • Nel regime intermedio ($1 < R_0 < (1 + d_1/a)(1 + d_2/b)$), l'esito dipende dalla dimensione iniziale del dominio $h_0$ e dal coefficiente di espansione $\mu$:
     • Se $h_0$ è sufficientemente grande ($h_0 \geq L^*$), avviene la diffusione.
     • Se $h_0$ è piccolo, esiste una soglia critica $\mu^*$ (dipendente dai dati iniziali), tale che la scomparsa avviene per $\mu \leq \mu^*$ e la diffusione per $\mu > \mu^*$.
     • Allo stesso modo, per piccoli domini fissi, esiste una soglia per l'entità della popolazione iniziale $\sigma$.

4. Soglia del Tasso di Diffusione (Teorema 1.4): L'articolo stabilisce una soglia netta per il tasso di diffusione. Scalando i coefficienti di diffusione come $(d_1, d_2) = s(d_1^0, d_2^0)$, gli autori identificano un valore critico $d^*$ tale che:

   • Se $s \leq d^*$ (diffusione lenta), la diffusione avviene sempre (assumendo $R_0 > 1$).
   • Se $s > d^*$ (diffusione veloce), l'esito dipende dal coefficiente di espansione $\mu$, mostrando una dicotomia simile al caso dei dati iniziali.
   • Questo risultato integra il lavoro precedente di Nguyen e Vo [30] risolvendo il caso in cui i tassi di diffusione sono uguali e fornendo una soglia per il caso generale.

5. Caso Critico $R_0 = 1$: L'articolo mostra che se $R_0 = 1$, la scomparsa avviene generalmente (le densità tendono a zero), sebbene dimostrare la finitezza dell'intervallo finale richieda condizioni aggiuntive sulla funzione di peso $W$ o sulla funzione di tasso di infezione $G$.

Significato e Rivendicazioni
L'articolo sostiene di fornire una solida base teorica per una nuova classe di modelli epidemici che integrano la dispersione non locale con una condizione di confine libero ibrida e biologicamente motivata. Il significato risiede in:

• Unificazione: Colma il divario tra i modelli guidati puramente dal flusso (Cao et al. [4]) e quelli guidati puramente dal peso della popolazione (Long et al. [27]), offrendo un quadro più flessibile per modellare malattie con trasmissione sia ambientale che mediata dall'uomo.
• Soglie Precise: La derivazione di soglie nette per la dimensione iniziale del dominio, il coefficiente di espansione e il tasso di diffusione fornisce criteri precisi per prevedere gli esiti epidemici, il che è vitale per le strategie di controllo.
• Rigore Matematico: Il lavoro estende la teoria dei problemi di confine libero non locali, affrontando specificamente la ben determinazione e la dinamica asintotica sotto le nuove condizioni di confine, colmando le lacune nella letteratura esistente riguardo all'interazione tra diffusione non locale e driver di confine misti.

Questo lavoro è presentato come la Parte 1 di una serie in due parti, dove la Parte 2 sarà dedicata alla determinazione delle velocità precise di diffusione e dei tassi di diffusione accelerata quando la diffusione avviene.