Kinetic models of opinion-driven epidemic dynamics modulated by graphons

Titel: Kinetische modellen voor door meningen gedreven epidemische dynamiek gemoduleerd door grafonen

Auteurs: Andrea Bondesan, Jacopo Borsotti, en Mattia Fontana.

1. Probleemstelling

Traditionele epidemiologische modellen (zoals SIR-modellen) beschrijven de verspreiding van ziekten vaak puur biologisch, gebaseerd op Ordinary Differential Equations (ODE's). Echter, tijdens pandemieën zoals COVID-19 bleek dat menselijk gedrag en meningen een cruciale rol spelen bij de verspreiding. Mensen met een voorkeur voor beschermend gedrag (bijv. maskers dragen) verspreiden de ziekte minder, terwijl polarisatie in meningen (bijv. complottheorieën) de epidemie kan verergeren.

De uitdaging ligt in het modelleren van de interactie tussen:

1. De epidemische dynamiek (infectie, herstel).
2. De evolutie van meningen binnen een bevolking.
3. De structuur van het sociale netwerk waarop deze meningen worden uitgewisseld.

Bestaande modellen behandelen deze aspecten vaak gescheiden of vereenvoudigen het sociale netwerk te sterk. Dit artikel introduceert een geavanceerd kader dat deze elementen koppelt via kinetische vergelijkingen en grafonen (continuïteitsuitbreidingen van dichte grafen) om complexe sociale netwerken en de aanwezigheid van "meningsleiders" (opinion leaders) nauwkeurig te simuleren.

2. Methodologie

De auteurs hanteren een multi-schaal aanpak die microscopische interacties koppelt aan macroscopische dynamiek:

• Kinetische SIR-model:

  • De populatie is onderverdeeld in compartimenten: Susceptibel (S), Infectieus (I), en Hersteld (R).
  • Elk individu wordt gekenmerkt door een mening $w \in [-1, 1]$ (waarbij $-1$ afwijzing van bescherming en $+1$ volledige steun betekent) en een positie $x$ op een grafon $\Omega = [0,1]$.
  • De evolutie wordt beschreven door een vector van distributiefuncties $f_J(t, x, w)$ voor elk compartiment $J$.
  • De vergelijking combineert een epidemiologische operator $E$ (infectie/herstel) en een kinetische operator $Q$ (meningsvorming).

• Mijningsdynamiek op Grafonen:

  • Meningsuitwisseling wordt gemodelleerd via binair interactieproces (compromis en zelfdenken).
  • De interactiesterkte wordt bepaald door een grafon $B(x,y)$ (connectiviteit) en een interactiefunctie $P(x,y)$ (invloed).
  • In de quasi-invariante limiet (kleine wijzigingen in mening, frequente interacties) wordt het proces afgeleid als een Fokker-Planck-vergelijking.

• Vereenvoudiging en "Propensiteit tot Interactie":

  • Om expliciete evenwichten te vinden, introduceren de auteurs een nieuwe grootheid: de propensiteit tot interactie $p(x)$. Deze combineert de effecten van de grafon en de interactiefunctie.
  • Dit stelt hen in staat om een vereenvoudigd model af te leiden dat expliciete evenwichtsoplossingen toelaat.

• Model voor Perceptie van Gevaar:

  • Een tweede Fokker-Planck-model wordt gekoppeld om de "populariteit" van producten (nieuws, video's) te meten die gerelateerd zijn aan de gevaarlijkheid van de ziekte. Dit model hangt af van de meningsdistributie maar beïnvloedt de epidemie niet direct.

• Numerieke Methode:

  • Er wordt een structuurbehoudend schema (structure-preserving scheme) ontwikkeld, gebaseerd op de Chang-Cooper-discretisatie voor de Fokker-Planck-deel en Runge-Kutta voor de epidemiologische deel.
  • Dit schema garandeert behoud van massa, positiviteit van oplossingen en correcte lange-termijngedrag.

3. Belangrijkste Bijdragen

1. Unificatie van Leiders en Burgers:

   • Het model kan zowel "normale" burgers als meningsleiders (hoge connectiviteit, lage beïnvloedbaarheid) beschrijven binnen één enkel wiskundig kader, zonder ze als aparte klassen te hoeven behandelen. Dit wordt bereikt door specifieke keuzes voor de grafon en interactiefunctie.

2. Analytische Convergentiebewijzen:

   • $L^1$-convergentie: Bewezen dat oplossingen van het kinetische SIR-model convergeren naar evenwicht in de sterke $L^1$-norm, met behulp van relatieve entropie-methoden.
   • Sobolev-convergentie: Bewezen convergentie voor het populariteitsmodel in homogene Sobolev-ruimtes $\dot{H}^{-s}$ met $s \in (1/2, 1)$, gebruikmakend van Fourier-technieken.

3. Nieuwe Effectieve Reproductiegetal:

   • Introductie van een tijdsafhankelijke effectieve reproductiegetal ($R_{eff}$) dat afhangt van de gemiddelde meningen van de populatie.
   • Het model toont aan dat $R_{eff}$ kan oscilleren, wat leidt tot epidemische golven zonder dat er externe forcing (zoals seizoensinvloeden of beleidsmaatregelen) nodig is.

4. Openbare Code:

   • De MATLAB-implementatie van de algoritmen is openbaar beschikbaar gesteld.

4. Resultaten

• Evenwicht en Polarizatie:

  • De analyse toont aan dat individuen met een hoge neiging tot interactie (sociaal actieve) eerder neigen naar consensusvorming.
  • Individuen met een lage neiging tot interactie (sociaal passief of geïsoleerd) zijn vatbaarder voor meningspolarisatie (extreme meningen).
  • Dit bevestigt dat sociale interactie essentieel is om extreme meningen te voorkomen.

• Invloed van Leiders:

  • Simulaties tonen aan dat de aanwezigheid van meningsleiders die beschermend gedrag steunen, de verspreiding van de ziekte aanzienlijk beperkt en de piek van infecties verlaagt.
  • Zonder leiders, of als leiders een negatieve houding hebben, kan de populatie naar een wereldwijd consensus van "anti-bescherming" bewegen, wat leidt tot ernstigere epidemieën.

• Oscillaties en Golven:

  • Door de koppeling tussen meningspolarisatie en infectie, ontstaan er natuurlijke oscillaties in het effectieve reproductiegetal. Dit resulteert in meerdere golven van infectie, veroorzaakt door de competitie tussen groepen met tegenstrijdige meningen binnen het netwerk.

• Populariteit van Informatie:

  • Het model voor populariteit toont aan dat de verspreiding van informatie over het gevaar van de ziekte afhangt van zowel de mening als de interactiebereidheid van de individuen. De evenwichtsverdeling volgt een inverse gamma-verdeling met een zware staart (Pareto-tail), wat overeenkomt met empirische data over de populariteit van content.

5. Betekenis en Conclusie

Dit werk biedt een fundamentele bijdrage aan de wiskundige epidemiologie door de complexe wisselwerking tussen sociale dynamiek en ziekteverspreiding kwantitatief te modelleren.

• Theoretisch: Het levert rigoureuze bewijzen voor convergentie naar evenwicht in complexe, niet-lineaire systemen met grafon-gemoduleerde interacties.
• Praktisch: Het onderstreept het belang van het identificeren en betrekken van meningsleiders in beleidsvorming. Het model suggereert dat het beïnvloeden van deze sleutelfiguren effectiever kan zijn dan het proberen de hele populatie gelijkmatig te bereiken, vooral om polarisatie te voorkomen en beschermend gedrag te stimuleren.
• Innovatie: Het vermogen om epidemische golven te genereren puur uit interne sociale dynamiek (zonder externe factoren) biedt een nieuw perspectief op het begrijpen van terugkerende pieken in epidemieën.

De auteurs concluderen dat hun kinetische aanpak een krachtig hulpmiddel is om de impact van menselijk gedrag op de volksgezondheid te simuleren en dat toekomstig werk zich kan richten op langzamere tijdschalen en SIRS-modellen (herinfectie).