A Tripartite Evolutionary Game Model for Ebola Vaccination and Coordinated Public Health Intervention

Sintesi Tecnica: Un Modello di Gioco Evolutivo Tripartito per la Vaccinazione contro Ebola e l'Intervento di Sanità Pubblica Coordinato

Definizione del Problema
Il controllo della malattia da virus Ebola (EVD) si basa pesantemente sulla vaccinazione volontaria, tuttavia la razionalità individuale porta spesso a tassi di vaccinazione che restano al di sotto della soglia di immunità di gregge. Ricerche precedenti, in particolare Brettin et al. [11], hanno stabilito che la sola vaccinazione volontaria crea un divario strutturale tra il tasso di vaccinazione dell'equilibrio di Nash e il livello necessario per l'eliminazione dell'epidemia. Inoltre, i modelli esistenti spesso trattano la vaccinazione come una decisione individuale isolata, trascurando i ruoli critici dell'intervento governativo e dell'implementazione sanitaria/comunitaria. Nella realtà, l'adesione alla vaccinazione è un processo di governance della sanità pubblica strategica, influenzato da sussidi, comunicazione del rischio, accessibilità ai servizi e attuazione istituzionale. Questo studio affronta il divario nella comprensione di come le interazioni strategiche tra il pubblico, le autorità governative e le istituzioni di implementazione possano essere modellate per colmare la distanza tra la volontà volontaria e l'efficace controllo dell'epidemia.

Metodologia
Gli autori sviluppano un modello di gioco evolutivo tripartito accoppiato con un modello compartimentale di trasmissione di Ebola.

1. Framework del Gioco Evolutivo:

   • Stakeholder: Il modello coinvolge tre giocatori con razionalità limitata: il Pubblico (che sceglie tra partecipazione attiva o passiva), le Autorità di Sanità Pubblica Governative (che scelgono tra intervento forte o debole) e le Istituzioni Sanitarie/Comunitarie (che scelgono tra implementazione attiva o passiva).
   • Strategie: Ogni giocatore adatta la propria strategia nel tempo in base ai payoff percepiti, all'apprendimento e all'imitazione, descritti da equazioni di dinamica del replicatore.
   • Matrice dei Payoff: Viene costruita una matrice dei payoff completa che incorpora benefici (es. protezione della salute, benefici di governance), costi (es. costi della vaccinazione, spese di intervento) e penalità/ricompense (es. sussidi, rischi di esposizione, perdite di reputazione).
   • Analisi di Stabilità: Lo studio deriva i punti di equilibrio (incluso l'equilibrio coordinato ideale $E_8 = (1,1,1)$) e analizza la stabilità asintotica locale utilizzando matrici Jacobiane e il primo metodo di Lyapunov.

2. Accoppiamento Comportamentale-Epidemiologico:

   • Le variabili del gioco — probabilità di partecipazione del pubblico $x(t)$, probabilità di intervento governativo $y(t)$ e probabilità di implementazione istituzionale $z(t)$ — sono endogenizzate nel modello di trasmissione.
   • Queste strategie influenzano dinamicamente tre parametri epidemiologici chiave:
     • Adesione alla vaccinazione $\phi(t)$: aumenta con le strategie attive.
     • Intensità del rischio culturale $\xi(t)$: diminuisce con una comunicazione governativa forte e un'implementazione istituzionale attiva.
     • Tasso di sepoltura sicura $\delta(t)$: aumenta con un intervento forte e un'implementazione attiva.
   • Questi parametri alimentano un modello compartimentale ($S, V, E, I, R, D$) per calcolare il numero di riproduzione di base tempo-variante $R_0(t)$.

3. Simulazione Numerica:

   • Le simulazioni utilizzano impostazioni di parametri derivate da modelli di Ebola stabiliti (Brettin et al. [11]) e condizioni iniziali derivate dai dati ufficiali dell'epidemia di virus Bundibugyo del 2026 (rapporti CDC/WHO).
   • Lo studio confronta quattro scenari: solo Volontaria, guidata dal Governo, supportata dalle Istituzioni e Intervento Coordinato Tripartito.
   • L'analisi di sensibilità identifica i driver chiave del carico epidemico e della stabilità della coordinazione.

Contributi Chiave
Il documento apporta tre contributi teorici e metodologici primari:

1. Estensione della Teoria del Gioco sulla Vaccinazione: Estende i modelli di vaccinazione volontaria a livello individuale in un gioco evolutivo tripartito, modellando esplicitamente l'interdipendenza strategica tra pubblico, governo e istituzioni di implementazione.
2. Accoppiamento Comportamentale-Epidemiologico: Stabilisce un meccanismo in cui le strategie degli stakeholder rimodellano direttamente i parametri di trasmissione ($\phi, \xi, \delta$), collegando l'evoluzione comportamentale al numero di riproduzione dinamico $R_0(t)$ e alla soglia di immunità di gregge.
3. Framework Politico: Fornisce un framework basato su simulazioni per valutare le condizioni in cui la governance coordinata può guidare il sistema verso un equilibrio stabile caratterizzato da un'alta partecipazione alla vaccinazione, un intervento forte e un'implementazione attiva, restringendo così il divario tra l'equilibrio di Nash e l'eliminazione dell'epidemia.

Risultati

• Convergenza: Le simulazioni numeriche confermano che il sistema converge all'equilibrio coordinato $E_8 = (1,1,1)$, dove tutti gli stakeholder adottano strategie attive.
• Efficienza del Controllo Epidemico: Rispetto alla sola vaccinazione volontaria, lo scenario coordinato tripartito accelera significativamente il controllo dell'epidemia:
  • Tempo per $R_0(t) < 1$: Ridotto da 60 giorni (solo volontaria) a 14 giorni (coordinata).
  • Picco di Infezione: Ridotto a 78,59 (una riduzione del 33,75% rispetto alla sola volontaria).
  • Carico Cumulativo: I proxy di infezione e morte cumulativi sono stati ridotti rispettivamente del 33,44% e del 31,59%.
• Confronto tra Scenari: Sebbene le strategie guidate dal governo e supportate dalle istituzioni superino l'approccio puramente volontario, nessuna raggiunge la piena riduzione del carico epidemico o la velocità di controllo osservata nello scenario coordinato tripartito.
• Analisi di Sensibilità: I driver chiave del carico epidemico includono l'intensità del rischio culturale ($\xi_0$) e il tasso di contatto efficace ($\beta$). I driver chiave della stabilità della coordinazione includono i benefici della coordinazione di emergenza ($B_e$), il supporto istituzionale ($W_m$), i sussidi per la vaccinazione ($S_v$) e l'intensità delle penalità ($\theta$).

Significato e Rivendicazioni
Il documento sostiene che la governance della vaccinazione contro Ebola debba essere progettata come un sistema di coordinamento integrato piuttosto che come un programma volontario isolato. I risultati suggeriscono che:

• La Sinergia è Essenziale: La via più rapida per raggiungere $R_0(t) < 1$ non è un singolo attore dominante, ma l'allineamento della volontà pubblica, della politica governativa e dell'esecuzione istituzionale.
• I Fattori Culturali e Istituzionali sono Soglie: La sepoltura sicura e la riduzione del rischio culturale non sono semplici misure ausiliarie, ma meccanismi che determinano la soglia, potendo decidere se $R_0(t)$ scenda sotto l'unità.
• La Governance come Leva: Il modello dimostra che la governance coordinata può colmare il divario strutturale tra la razionalità individuale (equilibrio di Nash) e l'eliminazione collettiva della malattia (immunità di gregge) inserendo le decisioni vaccinali all'interno di un ecosistema di sanità pubblica di supporto.

Lo studio riconosce i limiti, inclusa l'uso di scenari di vaccinazione controfattuali per l'epidemia di Bundibugyo del 2026 (a causa della mancanza di un vaccino licenziato per questo ceppo) e l'uso di dinamiche deterministiche, suggerendo che il lavoro futuro potrebbe incorporare elementi stocastici e spaziali. Tuttavia, posiziona il modello come un quadro pratico di supporto alle decisioni per una governance adattiva delle epidemie.