Optimal Control of an SIR Model with Noncompliance as a Social Contagion

Technische Samenvatting: Optimale Controle van een SIR-model met Noncompliance als een Sociale Besmetting

Probleemformulering
Het artikel behandelt de uitdaging om menselijke gedragsdynamiek te integreren in epidemiologische modellering, met een specifieke focus op de verspreiding van noncompliance (het niet naleven van regels) met betrekking tot niet-farmaceutische interventies (NPI's). De auteurs stellen een compartimentaal Susceptible-Infected-Recovered (SIR) model voor dat de populatie verdeelt in twee onderscheidende groepen: degenen die voldoen aan publieke gezondheidsmaatregelen (compliant) en degenen die dat niet doen (noncompliant).

In tegenstelling tot traditionele modellen waarbij gedrag wordt behandeld als een vaste parameter, behandelt dit model noncompliance als een "sociale besmetting" die parallel aan de ziekte verspreidt via een massactiemechanisme. De compliant populatie ($S, I, R$) ervaart een verminderde infectiviteit door NPI's, terwijl de noncompliant populatie ($S^*, I^*, R^*$) dat niet doet. Het model bevat vier controlevariabelen die de interventies van beleidsmakers vertegenwoordigen:

1. $\alpha(t)$: Vermindering van infectiviteit/menging voor de compliant populatie (handhaving van NPI's).
2. $\eta(t)$: Verhoging van het herstelpercentage voor compliant geïnfecteerden (behandelingsinspanningen).
3. $\mu(t)$: Vermindering van de verspreidingssnelheid van noncompliance (informatie-initiatieven vanuit de publieke gezondheid).
4. $\nu(t)$: De snelheid van "herstel" van noncompliance (educatiecampagnes).

Het doel is om een optimaal controleprobleem te formuleren waarbij een beleidsmaker een kostenfunctie minimaliseert die de kosten van infecties, de kosten van noncompliance en de economische kosten van het implementeren van controles tegen elkaar afweegt.

Methodologie
De auteurs maken gebruik van een rigoureus wiskundig kader dat dynamische systementheorie, optimale controletheorie en numerieke analyse combineert:

1. Modelanalyse: Ze leiden de basisreproductieratio ($R_0$) van het systeem af en analyseren de stabiliteit van de ziektevrije evenwichten (DFE). Ze stellen voorwaarden vast waaronder het systeem stabiel blijft of instabiel wordt op basis van de wisselwerking tussen ziekteoverdracht en gedragsoverdrachtsparameters.
2. Bestaan van Optimale Controles: Een belangrijke theoretische bijdrage is het bewijs van het bestaan van optimale controles. De auteurs vestigen dit voor een generiek scenario waarbij:
   • Controlevariabelen nietlineair voorkomen in de dynamiek.
   • Controlekosten niet vereist zijn om glad of sterk convex te zijn (wat $L^1$ controlekosten toestaat).
   • De toegestane controleverzameling discontinue controlekaarten bevat (specifiek, functies van begrensde variatie, $BV$).
     Het bewijs maakt gebruik van de directe methode in de calculus van variaties, leunend op de zwakke sluiting van de controle-naar-toestand operator en de lager-half-continuïteit van de kostenfunctie.
3. Numerieke Resolutie: Om het optimale controleprobleem op te lossen, gebruiken de auteurs de Sequential Quadratic Hamiltonian (SQH) methode. Ze beargumenteren dat SQH superieur is aan de standaard Forward-Backward Sweep Method (FBSM) omdat het een robuuste convergentietheorie bezit. Het algoritme werkt de controlekaarten iteratief bij met kwadratische perturbaties van de Hamiltonian, waardoor een voldoende daling van de kostenfunctie wordt gegarandeerd. De auteurs bewijzen de convergentie van de SQH-iteraties.

Belangrijkste Resultaten
Het artikel presenteert numerieke simulaties over drie verschillende scenario's om aan te tonen hoe optimale strategieën afhangen van parameterrégimes en de voorkeuren van de beleidsmaker (gecodeerd in de kostengewichten):

• Scenario 1 (Baseline): Bij matige infectiegroei en een compliant initiële populatie hangt de optimale strategie sterk af van de prioriteiten van de beleidsmaker:

  • Een "gebalanceerde" beleidsmaker (die zowel infectie- als noncompliancekosten meeweegt) hanteert een synergetische strategie: het gebruik van $\mu$ en $\nu$ om noncompliance vroegtijdig te onderdrukken, waardoor $\alpha$ en $\eta$ effectief $R_0$ kunnen verlagen zonder het direct onder de 1 te brengen, waarmee een kleine uitbraak wordt geaccepteerd om de totale kosten te minimaliseren.
  • Een "publieke gezondheid-georiënteerde" beleidsmaker (hoge infectiekosten, nul kosten voor noncompliance) zet agressief alle controles in om $R_0 < 1$ te drijven en de ziekte uit te roeien, waarbij gebruik wordt gemaakt van de stabiliteit van de volledig compliant DFE.
  • Gevoeligheid: Het verwijderen van behandeling ($\eta=0$) vermindert de effectiviteit van de controle-inspanningen met ongeveer een derde. Het verwijderen van gedragscontroles ($\mu=\nu=0$) maakt ziektecontroles grotendeels ineffectief, aangezien de populatie verschuift naar noncompliance, wat de kostenreductie beperkt tot ~10%.
  • $L^1$ Kosten: De methode handelt $L^1$ controlekosten succesvol af (waarbij $d_2=0$), wat resulteert in "bang-bang" type controles voor $\eta, \mu, \nu$ (die slechts 0 of maximale waarden aannemen), terwijl $\alpha$ glad blijft vanwege de kwadratische aard van de dynamiek.

• Scenario 2 (Hoge Verspreiding): Wanneer de infectiegraad van de ziekte en de verspreidingssnelheid van noncompliance hoog zijn, en een aanzienlijk deel van de nieuwe geboorten noncompliant is, worden controles minder effectief. Alleen een beleidsmaker met zeer hoge infectiekosten ($c_1 \ge 6$) vindt het optimaal om de ziekte volledig te onderdrukken; anders is de optimale strategie om de ziekte zijn gang te laten gaan vanwege de prohibitieve kosten van de controle.

• Scenario 3 (Baseline Proclivity): Het verhogen van het basispercentage van noncompliant nieuwe geboorten ($\xi$) onthult een kritische drempel. Wanneer $\xi < 0.5$, is het optimaal om noncompliance te onderdrukken. Echter, wanneer $\xi \ge 0.5$, worden gedragscontroles ($\mu$) ineffectief (dalen naar nul) en kan het systeem niet naar een ziektevrij evenwicht worden geleid.

Betekenis en Claims
Het artikel claimt drie primaire bijdragen:

1. Sociologisch/Modellerend: Het biedt een mechanisch kader waarbij naleving van NPI's een dynamische epidemiologische grootheid is in plaats van een vaste parameter. Het toont aan dat optimale controlestrategieën zeer gevoelig zijn voor de voorkeuren van de beleidsmaker en dat het negeren van de dynamiek van noncompliance leidt tot suboptimale of ineffectieve strategieën. Het benadrukt dat interventies gericht op noncompliance gerechtvaardigd zijn door hun downstream effecten op ziekteoverdracht, zelfs als noncompliance zelf geen directe kosten met zich meebrengt.
2. Wiskundig (Bestaan): Het biedt een algemeen bestaanskader voor optimale controles in biologische modellen die niet-lineaire dynamiek, niet-gladde/niet-convexe kosten (specifiek $L^1$) en discontinue controles toestaat. Dit versoepelt de gangbare aannames (zoals controle-affiene systemen en $L^2$ kosten) die vaak voor analytisch gemak worden gebruikt, maar die voor bepaalde beleidsinterventies fysiek onrealistisch zijn.
3. Numeriek: Het pleit voor het gebruik van de SQH-methode in de epidemiologie, waarbij wordt gesteld dat het betere convergentie-eigenschappen biedt dan de veelgebruikte FBSM, terwijl het wel implementeerbaar blijft. De auteurs demonstreren dat SQH effectief complexe optimale controleproblemen kan oplossen die te maken hebben met $L^1$ kosten en discontinue oplossingen.

De auteurs concluderen dat hoewel de studie kwalitatief is, het de noodzaak onderstreept om gedragsdynamiek in epidemiologische modellen te integreren en suggereert dat toekomstig werk stochastiek, netwerkstructuren, evolutionaire speltheorie en meer granulaire controlevariabelen (bijv. vaccinatie, mediacontrole) kan opnemen.