Mobility-Informed Coupling of ABM, PDE, and ODE Models for Pandemic Simulation in Germany

Sintesi Tecnica: Accoppiamento della Mobilità tra Modelli ABM, PDE e ODE per la Simulazione Pandemica in Germania

Definizione del Problema
La simulazione accurata della dinamica delle malattie infettive in nazioni altamente interconnesse come la Germania richiede un equilibrio tra l'alta risoluzione spaziale e comportamentale e la scalabilità computazionale. I modelli puramente basati su agenti (ABM) offrono una rappresentazione dettagliata della mobilità e delle interazioni individuali, ma diventano computazionalmente proibitivi su scala nazionale. Al contrario, i modelli aggregati come le Equazioni Differenziali Ordinarie (ODE) e le Equazioni Differenziali alle Derivate Parziali (PDE) sono computazionalmente efficienti, ma mancano della risoluzione spaziale e stocastica necessaria per catturare l'eterogeneità locale e i complessi pattern di mobilità. La sfida consiste nello sviluppare un quadro unificato che integri questi distinti paradigmi di modellazione per simulare la diffusione epidemica a livello nazionale, preservando al contempo l'accuratezza locale dove è più necessaria.

Metodologia
Gli autori presentano un framework di modellazione ibrido che accoppia tre distinte classi di modelli — Modelli Basati su Agenti (ABM), Equazioni Differenziali alle Derivate Parziali (PDE) ed Equazioni Differenziali Ordinarie (ODE) — all'interno di un singolo ambiente di simulazione. Il framework si basa sull'implementazione in C++ dell'EpiSim ABM, utilizzando dati ad alta risoluzione provenienti dalla telefonia mobile per ricostruire le traiettorie individuali e le routine quotidiane.

• Componenti del Modello:

  • ABM: Rappresenta un campione del 25% della popolazione tedesca. Gli agenti si spostano tra diverse strutture (abitazioni, luoghi di lavoro, scuole) basandosi su traiettorie derivate dai dati della telefonia mobile. La trasmissione dell'infezione avviene solo quando agenti suscettibili e infetti co-localizzano all'interno della stessa categoria di struttura.
  • PDE: Utilizzato per le regioni in cui l'eterogeneità spaziale è rilevante, ma la simulazione completa a livello di agente è troppo onerosa. Il sistema PDE è derivato da un'approssimazione ABM basata sul movimento, utilizzando una funzione "paesaggio" $V(x)$ derivata dai dati della telefonia mobile per guidare i termini di diffusione e avvezione. Il termine di infezione è localizzato per tenere conto della griglia spaziale grossolana.
  • ODE: Utilizzato per le regioni assunte come omogeneamente mescolate. Si tratta di un'ulteriore riduzione del sistema PDE, che aggrega le densità in conteggi di compartimenti per l'intero stato federale.

• Meccanismo di Accoppiamento:
  Il framework impiega "processi di salto" guidati dai dati per trasferire individui tra i domini del modello ad ogni passo temporale.

  • Da ABM a Non-ABM: Gli agenti che lasciano un dominio ABM vengono aggiunti come conteggi discreti a un dominio ODE o convertiti in contributi di densità spaziale per un dominio PDE.
  • Da Non-ABM a ABM: Gli individui dai domini PDE/ODE vengono mappati nuovamente nell'ABM come nuovi agenti.
  • Da Non-ABM a Non-ABM: I trasferimenti tra domini PDE e ODE sono gestiti distribuendo gli individui secondo le frazioni di compartimento correnti, garantendo la conservazione della massa.
  • Logica di Mobilità: Per prevenire la trasmissione prematura dell'infezione nei modelli semplificati, gli agenti che viaggiano da uno stato ABM a uno stato non-ABM rimangono nel dominio ABM fino al raggiungimento della destinazione. Viceversa, gli agenti che entrano in un dominio ABM vengono convertiti in agenti il prima possibile.

• Interventi:
  Il modello incorpora riduzioni dell'attività (ad esempio, lockdown) rimuovendo gli eventi nell'ABM e scalando i tassi di infezione nei domini PDE/ODE. Simula inoltre la chiusura dei confini sopprimendo i trasferimenti interstatali e strategie di intervento complesse come "Zero-COVID" e "No-COVID", che attivano restrizioni basate su soglie di incidenza a 7 o 14 giorni.

Contributi Chiave

1. Framework Ibrido Unificato: Il documento sviluppa una nuova strategia di accoppiamento che unifica i modelli ABM, PDE e ODE, consentendo di simulare diversi stati federati tedeschi con diversi livelli di risoluzione all'interno di un'unica esecuzione.
2. Integrazione della Mobilità Guidata dai Dati: Il framework integra dati reali della telefonia mobile per guidare sia le traiettorie degli agenti nell'ABM sia le funzioni paesaggio nei modelli PDE, garantendo che la mobilità interregionale sia fondata su dati empirici piuttosto che su assunzioni teoriche.
3. Simulazione Nazionale Scalabile: Simulando un campione del 25% della popolazione e assegnando i tipi di modello in base ai vincoli computazionali e alla dimensione della popolazione, gli autori dimostrano la fattibilità di eseguire simulazioni su scala nazionale che mantengono il dettaglio locale (ad esempio, a Berlino) utilizzando al contempo modelli aggregati per altre regioni.
4. Strumento di Valutazione delle Politiche: Il framework è applicato per valutare specifiche interventi di sanità pubblica, inclusi i completi blocchi dei confini e l'efficacia comparativa delle strategie Zero-COVID rispetto a No-COVID.

Risultati

• Accuratezza vs. Efficienza: In esperimenti in cui Berlino è stata modellata come ABM, PDE o ODE, la rappresentazione ABM ha prodotto l'errore più basso rispetto ai dati reali di infezione (dati RKI), seguita da ODE e poi da PDE. Tuttavia, la configurazione ABM è stata la più lenta, mentre la configurazione ODE è stata la più veloce. L'approccio ibrido offre un compromesso, riducendo significativamente il tempo di esecuzione rispetto a una simulazione ABM completa, mantenendo al contempo una migliore accuratezza rispetto a un modello puramente aggregato.
• Chiusure dei Confini: Simulare la chiusura completa dei confini per Berlino ha ridotto i casi sintomatici a Berlino ma ha prodotto effetti non lineari su altri stati; alcuni stati (ad esempio, Meclemburgo-Pomerania Anteriore, Sassonia) hanno visto un aumento dei casi, evidenziando che le restrizioni alla mobilità possono produrre esiti controintuitivi a seconda dei pattern di pendolarismo.
• Strategie di Intervento: La strategia Zero-COVID (restrizioni innescate da un'incidenza a 7 giorni > 1) è risultata essere sostanzialmente più efficace nel ridurre i casi sintomatici rispetto alla strategia No-COVID (innescata da casi misteriosi su 14 giorni) ed è stata più efficace della chiusura totale dei confini. Tuttavia, lo studio nota che la strategia No-COVID ha performato peggio rispetto alla chiusura totale dei confini quando la Renania Settentrionale-Vestfalia è stata esclusa dalle metriche aggregate.
• Performance Computazionale: Gli autori stimano che una simulazione di un anno intero della Germania utilizzando solo ABM richiederebbe circa 497 giorni (senza parallelizzazione), mentre il modello ibrido riduce questo tempo a circa 72 giorni per un numero sufficiente di esecuzioni per raggiungere l'accuratezza statistica.

Significatività e Rivendicazioni
Il documento sostiene che questo framework ibrido fornisce uno strumento pratico per la valutazione basata sull'evidenza di interventi di sanità pubblica su scala nazionale. Dimostra che l'accoppiamento di diversi livelli di risoluzione della modellazione consente ai ricercatori di analizzare l'interazione tra mobilità, accoppiamento regionale e misure di contenimento senza incorrere nei costi computazionali proibitivi di una simulazione puramente basata su agenti. Gli autori sottolineano che, sebbene il framework consenta una simulazione efficiente e accurata della dinamica delle infezioni attraverso regioni densamente connesse, i risultati sono una prova di concetto. Notano che le attuali scelte di parametrizzazione sono sufficienti per dimostrare l'utilità del framework, ma un'ulteriore ottimizzazione potrebbe ridurre gli errori. Lo studio conclude che tali modelli ibridi sono essenziali per esplorare la dinamica delle epidemie in regioni eterogenee dove la mobilità interregionale e gli interventi politici giocano ruoli critici, offrendo un'alternativa scalabile agli approcci puramente stocastici o puramente deterministici.