Simulating nationwide coupled disease and fear spread in an agent-based model

Dit artikel presenteert een agent-gebaseerd model dat de gekoppelde verspreiding van een ziekte en angst simuleert, en toont aan dat de interactie tussen niet-lokale angstverspreiding via media en gedragsveranderingen kan leiden tot meerdere epidemische golven.

De kern

Het Grote Spel: Hoe Ziekte en Angst elkaars danspartner zijn

Stel je voor dat een ziekte (zoals het coronavirus) niet alleen een virus is dat door de lucht zweeft, maar ook een gast is die een feestje geeft. Maar er is een tweede gast: Angst.

Deze twee gasten, het virus en de angst, gedragen zich niet als onafhankelijke bezoekers. Ze dansen samen. Als het virus groeit, wordt de angst groter. En als de angst groter wordt, veranderen mensen hun gedrag: ze blijven thuis, dragen maskers of wassen hun handen. Dit gedrag remt het virus af. Maar als het virus stopt, verdwijnt de angst ook, en gaan mensen weer naar buiten... waarna het virus misschien weer toeslaat.

De auteurs van dit paper hebben een enorme digitale simulatie gemaakt om te kijken hoe deze dans verloopt op nationaal niveau in de VS. Ze noemen hun model EpiCast.

1. De Digitale Populatie: Een Spel van 322 Miljoen Poppetjes

In plaats van een simpele formule te gebruiken, hebben de onderzoekers een digitale tweeling van de hele Amerikaanse bevolking gemaakt. Denk aan een enorm bordspel met 322 miljoen poppetjes.

• Elk poppetje heeft een huis, een baan, een school en vrienden.
• Ze reizen elke dag naar hun werk of school.
• Ze hebben allemaal een eigen karakter: sommigen zijn voorzichtig, anderen roekeloos.

In dit spel kunnen twee dingen "besmetten":

1. Het virus: Via fysiek contact (een handdruk, een hoestje).
2. De angst: Via fysiek contact (je ziet iemand hoesten) OF via de media (nieuws, radio, tv).

2. De Twee Manieren waarop Angst zich verspreidt

Dit is het belangrijkste nieuwe idee in dit onderzoek. Angst kan zich op twee manieren verspreiden, net zoals een gerucht:

• De "Buren"-methode (Lokaal): Je ziet je buurman ziek worden, of je hoort het van je vriendin. De angst verspreidt zich langzaam, van persoon tot persoon, net als een rimpel in een vijver.
• De "Omroep"-methode (Niet-lokaal): Dit is de kracht van de media. Stel je een omroepster voor die op een toren staat. Als ze ziet dat het virus groeit, schreeuwt ze: "Pas op!" en verspreidt angst over de hele stad in één klap. Als ze ziet dat het rustig wordt, zegt ze: "Alles is veilig," en neemt de angst weer af.

3. Wat gebeurde er in de simulatie? (De Dans van de Golf)

De onderzoekers hebben verschillende scenario's gespeeld om te zien of ze meerdere golven van besmetting konden zien (zoals we tijdens de pandemie hebben gezien).

• Scenario A: Alleen de "Buren"-methode
  Als angst alleen via contact verspreidt, is het heel lastig om meerdere golven te krijgen. De angst verspreidt zich te langzaam en verdwijnt ook te langzaam. Het is alsof je probeert een vuurtje te maken met alleen een lucifer; het brandt even, maar pakt niet goed. Je krijgt meestal maar één grote golf.

• Scenario B: De "Omroep"-methode erbij
  Als je de media (de omroepers) toevoegt, verandert de dans volledig.

  1. De media ziet het virus en schreeuwt "Gevaar!". De angst schiet direct omhoog.
  2. Mensen gaan bang zijn en blijven thuis. Het virus stopt.
  3. Omdat het virus stopt, zien de media dat het "veilig" is en stoppen met waarschuwen. De angst zakt snel weg.
  4. Mensen denken: "Oh, het is voorbij!" en gaan weer naar buiten.
  5. BOEM: Het virus slaat weer toe, want er zijn weer genoeg mensen die niet meer bang zijn.

De conclusie: Om meerdere golven te krijgen, moet de angst sneller verspreiden en sneller verdwijnen dan het virus zelf. De media zorgt voor die snelle schommelingen. Zonder media is de angst te traag om die cyclus van "bang worden -> veilig voelen -> opnieuw bang worden" in gang te zetten.

4. De Verborgen Spelers: Onzichtbare Besmetting

De onderzoekers keken ook naar verschillende soorten besmetting:

• Zichtbaar ziek: Mensen met koorts en hoest.
• Onzichtbaar ziek: Mensen die het virus hebben maar geen klachten hebben (asymptomatisch) of nog geen klachten hebben (pre-symptomatisch).

Het bleek dat als je rekening houdt met deze "onzichtbare" spelers, het spel anders verloopt. Het virus verspreidt zich dan vaak langzamer, maar kan langer sluimeren. Het is alsof je een brand bestrijdt waarbij sommige vlammen onder de grond branden; je ziet ze niet, maar ze houden het vuur in leven.

5. Waarom is dit belangrijk?

Dit onderzoek laat zien dat we niet alleen naar het virus moeten kijken, maar ook naar hoe mensen reageren.

• Als we alleen wachten op overheidsmaatregelen (lockdowns), missen we het feit dat mensen al eerder beginnen met voorzichtig zijn als ze bang zijn.
• De manier waarop informatie (of angst) zich verspreidt, is cruciaal. Als nieuwsberichten te snel overgaan van "gevaar" naar "veilig", kunnen we een tweede golf uitlokken.

Kortom:
Het virus en de angst zijn twee danspartners die elkaar in de hand houden. Als de angst (vooral via de media) te snel op en neer gaat, dan dansen we een dans met meerdere golven. Om de dans te beheersen, moeten we begrijpen dat mensen niet alleen reageren op het virus, maar ook op wat ze horen en zien.

De boodschap is duidelijk: We moeten de publieke opinie en de angst van mensen serieus nemen als een krachtige factor in het bestrijden van ziektes, net zo belangrijk als medicijnen en vaccins.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Simulating nationwide coupled disease and fear spread in an agent-based model" in het Nederlands.

Probleemstelling

Tijdens uitbraken van besmettelijke ziekten, zoals COVID-19, evolueren ziektedynamiek en menselijk gedrag (specifiek angst) gezamenlijk en beïnvloeden ze elkaar in een complexe feedbacklus. Bestaande modellen hebben moeite om deze interactie accuraat te simuleren:

• Exogene modellen: Gebruiken externe data (zoals mobiliteitsdata) om gedrag als input te forceren. Dit mist de twee-way feedback tussen ziekteverspreiding en gedragsverandering.
• Compartmentele modellen (ODE): Kunnen endogeen gedrag modelleren, maar middelen de heterogeniteit van de bevolking weg en missen individuele interacties.
• Agent-gebaseerde modellen (ABM): Kunnen individuele heterogeniteit vastleggen, maar bevatten zelden endogeen gedrag en zijn vaak beperkt tot kleine populaties (maximaal ~1 miljoen agenten), wat ze ongeschikt maakt voor nationaal beleidsonderzoek.

Er is een behoefte aan een schaalbaar, agent-gebaseerd model dat de gekoppelde verspreiding van een ziekte en de angst ervoor simuleert op nationaal niveau, inclusief realistische demografische en gedragsdynamiek.

Methodologie

De auteurs hebben een gekoppeld contagie-model ontwikkeld en geïmplementeerd in EpiCast, een high-performance computing (HPC) ABM dat de volledige Amerikaanse bevolking (ca. 322 miljoen agenten) simuleert.

1. Modelontwikkeling en Validatie (ODE):
Voordat het model in EpiCast werd geïmplementeerd, werd een reeks van Ordinary Differential Equation (ODE) modellen ontworpen om de impact van extra ziektestatussen te valideren:

• Basis: Een SIR-model (Susceptible, Infectious, Recovered) gekoppeld aan een angstmodel (Neutral vs. Fearful).
• Extensies: Incrementele toevoeging van asymptomatische, blootgestelde (Exposed) en pre-symptomatische statussen (SEPIsIaRsRa).
• Doel: Zorgen dat de toevoeging van deze complexere statussen de dynamiek van meerdere epidemische golven (zoals gezien in de basismodellen) niet verstoort.

2. Implementatie in EpiCast (Agent-gebaseerd):
Het model werd vertaald naar een individueel niveau met twee mechanismen voor angstverspreiding:

• Lokale verspreiding: Angst verspreidt zich via fysiek contact, vergelijkbaar met de ziekte, maar met specifieke transmissiekansen. Symptomatische en angstige agenten verspreiden angst; herstelde agenten (die weten dat ze veilig zijn) kunnen angst tegengaan.
• Non-lokale verspreiding (Broadcasters): Media-uitzendingen (kranten, radio, TV) worden gemodelleerd als "broadcasters". Deze nemen een positie in (angst verspreiden, angst tegengaan, of neutraal) gebaseerd op de angst van hun werknemers en de lokale infectiegraad. Ze beïnvloeden agenten in hun bereik onafhankelijk van fysiek contact.

3. Gedragsrespons:
Angstige agenten passen hun gedrag aan op twee manieren:

• Beschermende maatregelen: Verminderde vatbaarheid voor infectie (bijv. maskers dragen, handen wassen) zonder het dagelijkse ritme te veranderen.
• Terugtrekking: Volledige isolatie (thuisblijven, geen reizen), wat de contactfrequentie drastisch verlaagt.

4. Experimenteel Opzet:

• Sensitiviteitsanalyse: Variatie van twee sleutelparameters: $p_{fear}$ (kans op terugtrekking puur door angst) en $\sigma_f$ (schaalfactor voor verminderde vatbaarheid).
• Scenario's: Vergelijking van verschillende combinaties van terugtrekking (gehospitaliseerd, ziek, puur angst) en angstverspreiding (lokaal vs. met broadcasters).
• Data: Simulaties uitgevoerd op de 48 opeenvolgende staten van de VS, met startwaarden gebaseerd op COVID-19 data van maart 2020.

Belangrijkste Bijdragen

1. Schaal en Complexiteit: Dit is het eerste werk dat gekoppelde dynamiek van ziekte en angst simuleert in een agent-gebaseerd model op de schaal van een hele natie (322 miljoen agenten).
2. Koppeling van Mechanismen: Integreert zowel lokale (contactgebaseerde) als non-lokale (media-gebaseerde) angstverspreiding binnen één simulatieframework.
3. Validatie van Ziektestatussen: Demonstreert dat het toevoegen van realistische statussen (asymptomatisch, pre-symptomatisch) aan gekoppelde contagie-modellen de fundamentele dynamiek (zoals het ontstaan van meerdere golven) behoudt, maar de tijdschaal en pieken beïnvloedt.
4. Openbare Data: Publicatie van alle simulatie-uitvoer en scripts voor ODE-analyse, hoewel de broncode van EpiCast zelf beperkt beschikbaar is vanwege licentievoorwaarden.

Resultaten

• Impact van ODE-uitbreidingen:

  • Het toevoegen van asymptomatische statussen vertraagt de uitbraak, verlaagt de totale aanvalssnelheid (attack rate) en vertraagt het verval van angst.
  • Het toevoegen van pre-symptomatische statussen versnelt de verspreiding en verhoogt de aanvalssnelheid.
  • De parameter $\rho_f$ (kans dat herstelden opnieuw angstig worden) en $\sigma_f$ (reductie vatbaarheid) zijn cruciaal voor het ontstaan van een tweede golf.

• Dynamiek in EpiCast (ABM):

  • Meerdere golven: Meerdere epidemische golven worden voornamelijk waargenomen wanneer non-lokale angstverspreiding (broadcasters) wordt gebruikt in combinatie met sterke gedragsresponsen.
  • Lokale verspreiding alleen: Zonder broadcasters is het ontstaan van meerdere golven zeer zeldzaam en treedt alleen op binnen een zeer smal parameterbereik. Angst verspreidt en verdwijnt hier te traag om een tweede golf te genereren.
  • Mechanisme voor golven: Een tweede golf ontstaat wanneer angst eerst snel verspreidt (hoge initiële angst, sterke gedragsverandering), waardoor de eerste golf wordt onderdrukt. Vervolgens daalt de angst snel (vaak door media die de situatie normaliseren of omdat de infectiegraad daalt), waardoor de vatbare populatie weer blootgesteld wordt aan de ziekte.
  • Geografische variatie: Met broadcasters vertonen staten zeer verschillende trajecten (bijv. sommige staten hebben een vroege piek en een tweede piek, anderen een omgekeerd patroon), terwijl zonder broadcasters de patronen meer uniform zijn.

• Sensitiviteit:

  • De totale aanvalssnelheid is het laagst wanneer zowel de kans op terugtrekking ($p_{fear}$) als de reductie in vatbaarheid ($\sigma_f$) hoog zijn.
  • De aanwezigheid van broadcasters leidt over het algemeen tot gematigdere aanvalssnelheden in vergelijking met scenario's zonder broadcasters bij extreme parameterwaarden.

Significantie

De studie benadrukt dat bottom-up gedragsdynamiek (individuele angst en reactie) de uitkomst van epidemieën fundamenteel kan veranderen, zelfs zonder top-down overheidsmaatregelen (zoals lockdowns).

• Beleidsondersteuning: Het model toont aan dat de structuur van informatieverspreiding (lokaal vs. via media) cruciaal is voor het voorspellen van uitbraakpatronen. Beleidmakers moeten rekening houden met hoe snel angst verspreidt en verdwijnt via media, aangezien dit de timing en omvang van tweede golven bepaalt.
• Realisme: Door endogeen gedrag te koppelen aan een realistische bevolkingsstructuur, biedt dit model een krachtigere tool voor het evalueren van interventies dan traditionele ODE-modellen of kleine ABM's.
• Toekomstige richtingen: De auteurs wijzen erop dat kalibratie van de angstcomponenten lastig is vanwege gebrek aan gedetailleerde data over specifieke gedragsmotivaties, maar dat het model een solide basis biedt voor toekomstig onderzoek naar de interactie tussen informatie, angst en ziekte.