Riepilogo Tecnico: Estensione delle Matrici di Contatto Sociale con Fattori Socio-Demografici

Enunciato del Problema

I modelli epidemici basati su compartimenti si affidano a matrici di contatto sociale per definire i tassi di interazione tra gruppi di popolazione. Sebbene questi modelli stratifichino comunemente le popolazioni per età, ignorano frequentemente altri fattori socio-demografici (ad esempio, etnia, deprivazione, istruzione) che influenzano significativamente la dinamica di trasmissione. Fare affidamento esclusivamente sulla stratificazione per età può oscurare eterogeneità critiche, portando a stime distorte del numero di riproduzione di base ($R_0$), della dimensione finale dell'epidemia e delle disparità sanitarie.

I metodi esistenti per incorporare molteplici fattori socio-demografici sono limitati. Richiedono tipicamente indagini complete sui contatti sociali che catturino i tassi di interazione pairwise attraverso tutte le combinazioni di fattori (ad esempio, età $\times$ etnia). Tali dati sono costosi, richiedono tempo per essere raccolti e spesso soffrono di bias percettivi. Inoltre, la stima diretta di queste matrici ad alta dimensionalità è spesso non fattibile, lasciando i modelli incapaci di catturare gli effetti cumulativi delle identità socio-demografiche intersecanti.

Metodologia

Gli autori propongono un metodo matematico fondato per estendere una matrice di contatto sociale basata sull'età esistente ($C_{ij}$) incorporando un ulteriore fattore socio-demografico (denotato come $a$ e $b$ per i gruppi all'interno del nuovo fattore). Ciò risulta in una matrice di contatto estesa $C_{ia,jb}$ che rappresenta i contatti tra individui nel gruppo di età $i$ e nel gruppo socio-demografico $a$ con quelli nel gruppo di età $j$ e nel gruppo socio-demografico $b$.

Il metodo costruisce questa matrice estesa utilizzando solo tre tipi di input:

1. La matrice di contatto basata sull'età originale ($C_{ij}$).
2. La struttura della popolazione del nuovo fattore socio-demografico (dimensioni dei gruppi $N_{ia}$).
3. Assunzioni riguardanti i tassi di contatto relativi ($F_a$) e l'assortatività ($\epsilon$).

Vincoli Fondamentali

La matrice estesa deve soddisfare tre condizioni per garantire validità fisica ed epidemiologica:

1. Coerenza di Aggregazione: La somma dei contatti sui nuovi gruppi socio-demografici deve recuperare la matrice originale basata sull'età ($C_{ij}$). Ciò garantisce che l'estensione ridistribuisca i contatti esistenti piuttosto che crearne o distruggerne di nuovi.
2. Simmetria: La matrice deve soddisfare la condizione di reciprocità ($N_{ia}C_{ia,jb} = N_{jb}C_{jb,ia}$), garantendo che se il gruppo A contatta il gruppo B, anche il gruppo B contatti il gruppo A.
3. Condizione di Interazione Relativa: Il rapporto dei tassi di contatto totali tra due gruppi socio-demografici ($F_{a1}/F_{a2}$) deve essere coerente attraverso tutti i gruppi di età.

Scenari di Miscelazione

Gli autori derivano soluzioni per due regimi di miscelazione e una combinazione lineare di entrambi:

• Miscelazione Proporzionale: I contatti sono distribuiti tra i gruppi socio-demografici in proporzione alla loro dimensione di popolazione e ai tassi di contatto relativi.
• Miscelazione Segregata (Assortativa): I contatti avvengono preferenzialmente all'interno dello stesso gruppo socio-demografico. Gli autori forniscono una formulazione specifica per la "miscelazione segregata" dove le interazioni sono divise in base alla proporzione del gruppo socio-demografico all'interno di ciascun gruppo di età.
• Miscelazione Assortativa: Una soluzione generale è definita come una combinazione lineare delle matrici proporzionale e segregata, controllata da una costante di assortatività $\epsilon$ (dove $\epsilon=0$ è puramente proporzionale e $\epsilon=1$ è puramente segregata).

Il metodo consente la re-indicizzazione dell'array quadridimensionale in una matrice bidimensionale, permettendo teoricamente l'estensione di matrici con numeri arbitrari di fattori socio-demografici, sebbene gli autori notino limitazioni pratiche riguardanti la complessità del modello e la necessità di assunzioni aggiuntive.

Contributi Chiave

1. Un Metodo di Estensione Efficiente in Termini di Dati: Il documento introduce un metodo per stratificare le matrici di contatto per fattori socio-demografici aggiuntivi senza richiedere dati di sondaggio pairwise granulari. Si basa invece su dati sulla struttura della popolazione e su assunzioni aggregate di miscelazione.
2. Formulazione Matematica: Gli autori forniscono formule esplicite per la costruzione di matrici estese in condizioni di miscelazione proporzionale, segregata e assortativa mista, dimostrando che queste costruzioni soddisfano i vincoli di simmetria e aggregazione necessari.
3. Dimostrazione di Eterogeneità Nascosta: Attraverso simulazioni numeriche, lo studio dimostra come ignorare i fattori socio-demografici possa mascherare variazioni significative negli esiti epidemici, in particolare per i gruppi minoritari.

Risultati

Gli autori hanno validato il metodo utilizzando due approcci: popolazioni ipotetiche e una proiezione dell'indagine sui contatti POLYMOD europea sulla struttura età-etnica della Nuova Zelanda (Aotearoa).

Simulazioni Ipotetiche

• Impatto dei Tassi di Contatto Relativi: Variare i tassi di contatto relativi tra i gruppi socio-demografici ha alterato significativamente il numero di riproduzione di base ($R_0$) e i tassi di attacco. $R_0$ è generalmente aumentato man mano che il tasso di contatto di un gruppo si discostava dalla media, guidato dal fatto che i gruppi ad alto contatto guidano la trasmissione più di quanto i gruppi a basso contatto la riducano.
• Sensibilità dei Gruppi Minoritari: Gli esiti epidemici per i gruppi minoritari sono risultati altamente sensibili alle variazioni dei parametri del modello (tassi di contatto e assortatività).
• Non Identificabilità: Lo studio ha rilevato che diverse combinazioni di assortatività e tassi di contatto relativi possono produrre tassi di attacco aggregati simili, suggerendo che questi parametri potrebbero non essere identificabili dai soli dati aggregati.

Proiezione per l'Aotearoa Nuova Zelanda

Utilizzando la matrice POLYMOD proiettata sulla struttura etnica della Nuova Zelanda (Māori, Pacifici, Asiatici, Europei/Altri):

• Cambiamento nella Dinamica: L'incorporazione dell'etnia e dei tassi di contatto relativi ha aumentato la stima di $R_0$ ma ha diminuito il numero totale proiettato di infezioni di circa il 2% (circa 100.000 persone) rispetto a un modello basato solo sull'età.
• Cambiamento nella Struttura per Età: L'inclusione dell'etnia ha spostato la struttura per età delle infezioni. Il tasso di attacco è aumentato per le popolazioni più anziane mentre è diminuito per le popolazioni più giovani. Ciò è avvenuto perché i gruppi etnici più giovani (Māori e Pacifici) avevano tassi di contatto più elevati, ma i gruppi più anziani (Europei/Altri) avevano una distribuzione per età diversa che ha alterato la dinamica di trasmissione complessiva.
• Implicazioni Politiche: I risultati suggeriscono che i modelli basati solo sull'età potrebbero sovrastimare i casi totali sottostimando al contempo il carico su specifici sottogruppi età-etnici, portando potenzialmente a decisioni politiche subottimali riguardanti l'allocazione delle risorse e il targeting degli interventi.

Significato e Affermazioni

Il documento afferma che il suo metodo fornisce un modo "fondato" per costruire matrici di contatto estese quando mancano dati empirici dettagliati. Il significato principale risiede nella capacità di:

• Quantificare le Iniquità: Consentire ai modelli di tenere esplicitamente conto delle eterogeneità socio-demografiche che guidano le disparità sanitarie.
• Migliorare la Rilevanza Politica: Fornire stime più accurate di $R_0$ e della dimensione epidemica per specifici sottogruppi, il che è critico per progettare interventi che minimizzino le disuguaglianze.
• Rivelare Variazioni Oscurate: Dimostrare che i modelli aggregati possono oscurare variazioni critiche negli esiti delle malattie, in particolare per i gruppi minoritari, che sono spesso i più colpiti durante le epidemie.

Gli autori rimangono modesti riguardo alle limitazioni del metodo, riconoscendo che impone una struttura specifica sulla matrice di contatto e assume un'uniformità di assortatività e tassi di contatto relativi tra i gruppi di età. Notano che il metodo può produrre elementi di matrice negativi in scenari di parametri estremi, richiedendo una verifica della non-negatività prima dell'applicazione. Inoltre, il metodo eredita le limitazioni generali dei modelli compartimentali, come l'assunzione di miscelazione omogenea all'interno dei compartimenti e la mancanza di risoluzione spaziale.