Chemotaxis-inspired PDE models of airborne infectious disease transmission: epidemiologically-motivated mathematical and numerical analyses

Resumo Técnico: Modelos de EDP Inspirados em Quimiotaxia para Transmissão de Doenças Infecciosas Aéreas

Definição do Problema
A modelagem matemática de doenças infecciosas tem se baseado tradicionalmente em modelos compartimentais de Equações Diferenciais Ordinárias (EDOs) (ex: SIR), que carecem de dinâmica espacial explícita. Embora modelos de Equações Diferenciais Parciais (EDPs) tenham sido propostos para abordar a propagação espacial, eles tipicamente tratam a disseminação da doença como um processo de difusão ficksiana. Nesse framework padrão, a infecção propaga-se de regiões de alta densidade de infecção para regiões de baixa densidade de infecção. O modelo assume que a difusão ocorre de áreas de maior concentração para áreas de menor concentração. No entanto, os autores argumentam que essa suposição é insuficiente para doenças de transmissão aérea em populações humanas. Dados empíricos, particularmente da pandemia de COVID-19, sugerem que a transmissão correlaciona-se fortemente com a densidade populacional, movendo-se frequentemente de áreas de menor densidade de suscetíveis para áreas de maior densidade de suscetíveis (ex: em direção a centros urbanos). Modelos de difusão pura falham em capturar esse movimento "contra o gradiente" e a consequente formação de focos de infecção (hotspots) em centros populacionais densos. Além disso, as abordagens de EDP existentes frequentemente têm dificuldade em fornecer quantidades epidemiologicamente interpretáveis, como um número básico de reprodução ($R_0$) espacialmente consciente, que são cruciais para a tomada de decisão em saúde pública.

Metodologia
O artigo estende um modelo de EDP inspirado em quimiotaxia [42] previamente introduzido para doenças infecciosas aéreas. O modelo utiliza um sistema de equações de reação-difusão com a adição de um termo de quimiotaxia para descrever a dinâmica das populações suscetíveis ($s$), infectadas ($i$) e recuperadas ($r$).

• Formulação Matemática: A inovação central reside no termo de fluxo $j$ para a população infectada. Enquanto um termo de difusão padrão ($-\nu_i \nabla i$) contabiliza o movimento aleatório, o modelo introduz um termo de quimiotaxia ($\mu_i \chi(i) \nabla s$). Este termo postula que a doença se propaga ao longo do gradiente positivo da densidade da população suscetível, efetivamente movendo-se em direção a áreas com maiores concentrações de indivíduos suscetíveis. A função $\chi(i)$ atua como um termo de capacidade de saturação para evitar o crescimento ilimitado.
• Análise Matemática: Os autores realizam uma análise matemática rigorosa do sistema, estabelecendo a existência e unicidade de soluções fracas. Um foco principal é a derivação de um número básico de reprodução dependente do espaço. Ao analisar a estabilidade da população de infecção na norma $L^2$, os autores derivam um $R_0$ modificado que incorpora o Laplaciano da população suscetível ($\Delta s$). Esta formulação sugere que a concavidade da densidade populacional local (especificamente, máximos locais onde $\Delta s < 0$) influencia significativamente as taxas de transmissão.
• Solução Numérica: O artigo aborda os desafios computacionais de resolver este sistema, particularmente o potencial de instabilidade numérica devido às dinâmicas de convecção introduzidas pelo termo de quimiotaxia. Os autores empregam o Método de Elementos Finitos (FEM) para a discretização espacial e a Fórmula de Diferenciação para Trás de Segunda Ordem (BDF2) para a discretização temporal. Para garantir a estabilidade e a conservação de massa, utilizam um esquema de passo de tempo totalmente implícito e introduzem uma técnica de estabilização de difusão de linha de corrente (streamline-diffusion) para lidar com gradientes acentuados.

Principais Contribuições

1. Análise Epidemiologicamente Interpretável: O artigo deriva um número básico de reprodução ($R_0$) espacialmente consciente que considera a heterogeneidade espacial na densidade populacional. Diferente do $R_0$ de EDO padrão, esta métrica depende do Laplaciano local da população suscetível, fornecendo uma base teórica para o porquê de focos de infecção se formarem em áreas urbanas densas.
2. Estabilização Numérica: Os autores introduzem e discutem um esquema de estabilização (difusão de linha de corrente) necessário para resolver o sistema de EDP impulsionado pela quimiotaxia, abordando a maior complexidade computacional em comparação com modelos de difusão pura.
3. Estudos de Simulação Comparativa: O modelo é testado em duas regiões geográficas distintas: Lombardia, Itália, e o estado da Geórgia, EUA. As simulações comparam o modelo de quimiotaxia contra modelos de reação-difusão pura utilizando parâmetros independentes do tempo.

Resultados
Os estudos de simulação demonstram que o modelo de quimiotaxia captura a dinâmica espaço-temporal observada nos dados de vigilância do mundo real da COVID-19 de forma mais precisa do que os modelos de difusão pura, mesmo sem parâmetros variantes no tempo.

• Lombardia, Itália: Os modelos de difusão pura falharam em replicar a rápida disseminação da epidemia para grandes centros urbanos como Milão, Bergamo e Brescia, mantendo a infecção artificialmente concentrada nas zonas iniciais do surto (Lodi e Cremona). Em contraste, o modelo de quimiotaxia simulou com sucesso a migração da frente de infecção em direção aos centros populacionais de alta densidade, reproduzindo os "hotspots" observados em Bergamo e Milão. O modelo identificou corretamente que áreas com altos valores negativos do Laplaciano na população suscetível (máximos locais de densidade) eram particularmente vulneráveis.
• Geórgia, EUA: Em uma simulação em nível estadual, os modelos de difusão pura tiveram dificuldade em gerar transmissão em grandes centros populacionais fora da área metropolitana de Atlanta (ex: condados de Chatham, Richmond, Bibb), enquanto superestimaram a transmissão em áreas suburbanas de menor densidade (ex: Forsyth, Cherokee). O modelo de quotaxia corrigiu essas discrepâncias, aumentando significativamente a transmissão nos centros populacionais subestimados e reduzindo-a nas áreas de baixa densidade superestimadas, alinhando-se mais proximamente com as tendências de mortalidade observadas.

Significância e Alegações
O artigo alega fornecer uma "prova de conceito" de que modelos de EDP inspirados em quimiotaxia oferecem um arcabouço superior para descrever a transmissão de doenças infecciosas aéreas em populações humanas em comparação com os modelos de difusão padrão. Os autores enfatizam que seu trabalho preenche a lacuna entre a modelagem matemática complexa e a aplicação epidemiológica prática ao derivar quantidades interpretáveis (o $R_0$ espacial) que ligam o comportamento do modelo aos padrões de densidade populacional.

A significância do trabalho reside na sua capacidade de explicar e prever a formação de focos de infecção impulsionados por gradientes de densidade populacional sem a necessidade de ajustes de parâmetros complexos e dependentes do tempo. Os autores observam modestamente que o presente estudo é qualitativo; o modelo não pretende ser uma ferramenta preditiva definitiva para a COVID-19 sem incorporar outras complexidades, como estrutura etária, vacinação e políticas de mobilidade. No entanto, os resultados sugerem que incorporar o drift quimiotático é um passo necessário para modelar com precisão a propagação espacial de doenças infecciosas aéreas em populações humanas heterogêneas. Trabalhos futuros são propostos para estender estes modelos a estruturas compartimentais mais complexas e para desenvolver esquemas de estabilização de ordem superior.