Joint economic and epidemiological modelling of alternative pandemic response strategies

Resumo Técnico: Modelagem Econômica e Epidemiológica Conjunta de Estratégias Alternativas de Resposta a Pandemias

Declaração do Problema
Pandemias emergentes apresentam aos formuladores de políticas decisões de alto risco sob condições de incerteza e dados limitados. Essas decisões exigem compensações entre os impactos na saúde da doença e os custos econômicos das medidas de controle. Embora os modelos matemáticos tenham se focado tradicionalmente em resultados diretos de saúde (por exemplo, picos de infecção, mortalidade), eles frequentemente negligenciam os custos econômicos das medidas de controle (Medidas de Saúde Pública e Sociais, ou PHSMs) e as respostas comportamentais da população. A literatura existente focou amplamente na otimização de estratégias de mitigação (atingindo a imunidade de rebanho) ou na minimização de infecções sujeitas a restrições, com comparatively pouca atenção dada à comparação dos custos agregados de estratégias de mitigação versus supressão e eliminação através de parâmetros epidemiológicos e econômicos variados.

Metodologia
Os autores propõem uma nova estrutura matemática que integra a dinâmica de transmissão epidemiológica com funções de custo econômico para comparar três estratégias de resposta distintas: mitigação, supressão e eliminação.

1. Modelo de Transmissão:
   O componente epidemiológico central é um modelo SIR baseado em compartimentos (Suscetível $S$, Infectado $I$) em uma população fechada e homogênea de tamanho $N$. A força de infecção é modulada por um nível de atividade $a(t) \in [0, 1]$, onde $a(t)=1$ representa a atividade de base. O modelo emprega "casamento quadrático", onde a força de infecção é proporcional a $a(t)^2$, refletindo o produto dos níveis de atividade de indivíduos suscetíveis e infectados.

2. Função de Custo:
   A estrutura define uma função de custo total compreendendo:

   • Custos de Infecção ($k$): Um custo per capita associado à infecção, abrangendo mortalidade, morbidade, custos de saúde e perda de renda.
   • Custos de Controle: O custo de reduzir a atividade, modelado como uma função convexa $c_1(1-a(t)) + c_2(1-a(t))^2$, representando o custo marginal crescente de restrições mais rigorosas.
   • Custos Específicos de Estratégia:
     • Controle de Fronteiras ($b$): Um custo diário fixo para manter controles de fronteira rigorosos em uma estratégia de eliminação.
     • Controle de Surtos: Custos associados à detecção e eliminação de surtos esporádicos relacionados a fronteiras usando medidas de Testar-Rastrear-Isolar (TTI) e restrições temporárias na comunidade.

3. Formulações de Estratégia:

   • Mitigação Centralizada: Um problema de controle ótimo onde um planejador central minimiza o custo agregado ao longo de um horizonte de tempo infinito. A solução exige que a população eventualmente atinja o limiar de imunidade de rebanho.
   • Mitigação Descentralizada: Uma abordagem teórica de jogos (equilíbrio de Nash) onde indivíduos auto-interessados minimizam seus próprios custos. Isso captura a resposta comportamental endógena (distanciamento social voluntário) na ausência de mandatos centrais.
   • Supressão: Uma estratégia mantendo o número de reprodução efetivo ($R_{eff}$) em ou abaixo de 1 através de controles comunitários sustentados e medidas TTI até que uma vacina/terapia se torne disponível no tempo $T$.
   • Eliminação: Uma estratégia confiando em controles de fronteira rigorosos para minimizar infecções importadas, com controles comunitários aplicados apenas para eliminar surtos relacionados a fronteiras detectados. O modelo assume que surtos ocorrem com frequência $r$ e são detectados após o tempo $t_{det}$.

4. Parametrização:
   A estrutura é ancorada usando dados da resposta da Nova Zelândia à pandemia de Covid-19 de 2020. Os parâmetros incluem custos estimados de PHSMs (derivados de dados do Tesouro da Nova Zelândia), custos de fechamento de fronteiras e custos de infecção (estimados via preferência revelada a partir de dados da Coreia do Sul e cálculos econômicos/saúde de baixo para cima). Simulações exploram uma faixa de números básicos de reprodução ($R_0$) e custos de infecção ($k$).

Principais Contribuições

• Estrutura Unificada: O artigo introduz uma estrutura comparativa que calcula explicitamente os custos econômicos e de saúde agregados de mitigação, supressão e eliminação, permitindo uma análise direta de compensações.
• Resposta Comportamental Endógena: O modelo quantifica explicitamente a resposta "descentralizada", demonstrando como o comportamento individual racional (sem mandatos centrais) difere da solução centralizada "socialmente ótima".
• Análise de Limiar: O estudo identifica limiares específicos no espaço de parâmetros (especificamente $R_0$ e $k$) que determinam a estratégia mais custo-efetiva.
• Dependência do Horizonte Temporal: A estrutura destaca que a estratégia ótima é contingente ao horizonte temporal ($T$) até que uma vacina ou terapia efetiva se torne disponível.

Resultados
As simulações, visualizadas em vários cenários de transmissibilidade ($R_0$) e severidade/custo de infecção ($k$), produzem as seguintes descobertas:

• Baixa Severidade/Baixo Custo ($k$): A mitigação é geralmente a estratégia mais custo-efetiva. Quando o custo por infecção é baixo, o ônus econômico de controles rigorosos supera os benefícios de saúde. Em casos extremos (baixo $k$, alto $R_0$), nem a mitigação centralizada nem a descentralizada resultam em qualquer redução de atividade.
• Alta Severidade/Alto Custo ($k$):
  • Baixo $R_0$: A supressão é mais custo-efetiva. Uma redução modesta na atividade combinada com medidas TTI pode manter $R_{eff} \leq 1$ a um custo menor do que a eliminação.
  • Alto $R_0$: A eliminação torna-se mais custo-efetiva do que a supressão. Quando $R_0$ é alto, o custo de manter a supressão comunitária para manter $R_{eff} \leq 1$ excede o custo de controles de fronteira e gestão de surtos esporádicos.
• Descentralizada vs. Centralizada: A resposta descentralizada (equilíbrio de Nash) resulta consistentemente em custos agregados mais altos e menor redução de atividade do que a solução ótima centralizada, pois os indivíduos não contabilizam as externalidades de seu comportamento na dinâmica da epidemia.
• Estudo de Caso da Nova Zelândia: Usando estimativas de parâmetros para o SARS-CoV-2 na Nova Zelândia (2020), o modelo situa o cenário próximo ou acima do limiar onde a eliminação é prevista como mais custo-efetiva do que a mitigação. Isso alinha-se com a observação histórica de que a estratégia de eliminação da Nova Zelândia minimizou os impactos na saúde enquanto permitia períodos mais curtos de lockdown rigoroso em comparação com outras jurisdições.
• Sensibilidade: A custo-efetividade da eliminação é altamente sensível à frequência de surtos relacionados a fronteiras ($r$), ao tempo até a detecção ($t_{det}$) e à eficácia das medidas TTI ($\alpha$). Melhoria na vigilância e controle de fronteiras reduzem o custo da eliminação.

Significância e Alegações
Os autores posicionam esta estrutura como uma ferramenta de apoio à decisão em vez de um preditor definitivo de política ótima. O artigo alega a seguinte significância:

• Adaptabilidade: O modelo usa um número relativamente pequeno de parâmetros que podem ser estimados rapidamente para patógenos novos, tornando-o adequado para planejamento de pandemias em estágios iniciais.
• Racionalidade Nuanceada: Ao quantificar o benefício líquido marginal da intervenção contra um benchmark de não-intervenção (contabilizando o comportamento endógeno), a estrutura fornece uma racionalidade mais nuanceada para a implementação de PHSMs.
• Orientação Estratégica: Ilustra como a escolha da estratégia depende da interação entre transmissibilidade da doença, severidade, custos econômicos e o tempo esperado para contramedidas médicas.
• Limitações e Trabalho Futuro: Os autores modestamente reconhecem que o modelo simplifica realidades complexas, como heterogeneidade populacional, dinâmica estocástica de surtos e os impactos sociais/psicológicos de restrições prolongadas. Eles notam que o modelo assume uma população homogênea e não contabiliza o controle global de patógenos ou a evolução de variantes. Propõe-se trabalho futuro para incorporar estratificação populacional e dinâmicas comportamentais mais detalhadas.

Em conclusão, o artigo argumenta que, embora nenhuma estratégia única seja universalmente ótima, esta estrutura oferece um método estruturado para avaliar as compensações entre resultados de saúde e econômicos, ajudando os formuladores de políticas a navegar o cenário complexo das estratégias de resposta a pandemias.