Resumo Técnico: Extensão de Matrizes de Contato Social com Fatores Sociodemográficos

Declaração do Problema

Modelos epidêmicos baseados em compartimentos dependem de matrizes de contato social para definir taxas de interação entre grupos populacionais. Embora esses modelos estratifiquem comumente as populações por idade, frequentemente ignoram outros fatores sociodemográficos (por exemplo, etnia, privação, educação) que influenciam significativamente a dinâmica de transmissão. Confiar exclusivamente na estratificação por idade pode obscurecer heterogeneidades críticas, levando a estimativas enviesadas do número básico de reprodução ($R_0$), do tamanho final da epidemia e das disparidades de saúde.

Os métodos existentes para incorporar múltiplos fatores sociodemográficos são limitados. Eles tipicamente exigem pesquisas abrangentes de contato social que capturem taxas de interação par a par através de todas as combinações de fatores (por exemplo, idade $\times$ etnia). Tais dados são caros, demorados para coletar e frequentemente sofrem de vieses de percepção. Além disso, a estimativa direta dessas matrizes de alta dimensão é frequentemente inviável, deixando os modelos incapazes de capturar os efeitos cumulativos de identidades sociodemográficas intersecionais.

Metodologia

Os autores propõem um método matemático fundamentado para estender uma matriz de contato social baseada em idade existente ($C_{ij}$) incorporando um fator sociodemográfico adicional (denotado como $a$ e $b$ para grupos dentro do novo fator). Isso resulta em uma matriz de contato estendida $C_{ia,jb}$ representando contatos entre indivíduos no grupo etário $i$ e grupo sociodemográfico $a$ com aqueles no grupo etário $j$ e grupo sociodemográfico $b$.

O método constrói essa matriz estendida usando apenas três tipos de entradas:

1. A matriz de contato original baseada em idade ($C_{ij}$).
2. A estrutura populacional do novo fator sociodemográfico (tamanhos de grupo $N_{ia}$).
3. Suposições relativas às taxas de contato relativas ($F_a$) e assortatividade ($\epsilon$).

Restrições Principais

A matriz estendida deve satisfazer três condições para garantir validade física e epidemiológica:

1. Consistência de Agregação: Somar contatos sobre os novos grupos sociodemográficos deve recuperar a matriz original baseada em idade ($C_{ij}$). Isso garante que a extensão redistribua contatos existentes em vez de criá-los ou destruí-los.
2. Simetria: A matriz deve satisfazer a condição de reciprocidade ($N_{ia}C_{ia,jb} = N_{jb}C_{jb,ia}$), garantindo que, se o grupo A contata o grupo B, o grupo B contata o grupo A.
3. Condição de Interação Relativa: A razão das taxas de contato totais entre dois grupos sociodemográficos ($F_{a1}/F_{a2}$) deve ser consistente em todos os grupos etários.

Cenários de Mistura

Os autores derivam soluções para dois regimes de mistura e uma combinação linear de ambos:

• Mistura Proporcional: Os contatos são distribuídos entre os grupos sociodemográficos proporcionalmente ao seu tamanho populacional e às suas taxas de contato relativas.
• Mistura Segregada (Assortativa): Os contatos ocorrem preferencialmente dentro do mesmo grupo sociodemográfico. Os autores fornecem uma formulação específica para "mistura segregada" onde as interações são divididas com base na proporção do grupo sociodemográfico dentro de cada grupo etário.
• Mistura Assortativa: Uma solução geral é definida como uma combinação linear das matrizes proporcional e segregada, controlada por uma constante de assortatividade $\epsilon$ (onde $\epsilon=0$ é puramente proporcional e $\epsilon=1$ é puramente segregado).

O método permite o reindexamento do array de quatro dimensões em uma matriz bidimensional, permitindo teoricamente a extensão de matrizes com números arbitrários de fatores sociodemográficos, embora os autores notem limitações práticas relacionadas à complexidade do modelo e à necessidade de suposições adicionais.

Principais Contribuições

1. Um Método de Extensão Eficiente em Dados: O artigo introduz um método para estratificar matrizes de contato por fatores sociodemográficos adicionais sem exigir dados de pesquisa par a par granulares. Ele depende, em vez disso, de dados de estrutura populacional e suposições de mistura agregada.
2. Formulação Matemática: Os autores fornecem fórmulas explícitas para construir matrizes estendidas sob condições de mistura proporcional, segregada e assortativa mista, provando que essas construções satisfazem as restrições necessárias de simetria e agregação.
3. Demonstração de Heterogeneidade Oculta: Através de simulações numéricas, o estudo demonstra como ignorar fatores sociodemográficos pode mascarar variações significativas nos resultados epidêmicos, particularmente para grupos minoritários.

Resultados

Os autores validaram o método usando duas abordagens: populações hipotéticas e uma projeção da pesquisa de contato europeia POLYMOD sobre a estrutura etária e étnica da Nova Zelândia (Aotearoa).

Simulações Hipotéticas

• Impacto das Taxas de Contato Relativas: Variar as taxas de contato relativas entre grupos sociodemográficos alterou significativamente o número básico de reprodução ($R_0$) e as taxas de ataque. $R_0$ geralmente aumentou à medida que a taxa de contato de um grupo se desviava da média, impulsionado pelo fato de que grupos de alto contato impulsionam a transmissão mais do que grupos de baixo contato a reduzem.
• Sensibilidade de Grupos Minoritários: Os resultados epidêmicos para grupos minoritários mostraram-se altamente sensíveis a variações nos parâmetros do modelo (taxas de contato e assortatividade).
• Não Identificabilidade: O estudo encontrou que diferentes combinações de assortatividade e taxas de contato relativas podem produzir taxas de ataque agregadas semelhantes, sugerindo que esses parâmetros podem ser não identificáveis a partir de dados agregados apenas.

Projeção para Aotearoa Nova Zelândia

Usando a matriz POLYMOD projetada sobre a estrutura étnica da Nova Zelândia (Māori, Pacífico, Asiático, Europeu/Outro):

• Mudança na Dinâmica: Incorporar etnia e taxas de contato relativas aumentou a estimativa de $R_0$, mas diminuiu o número total projetado de infecções em aproximadamente 2% (cerca de 100.000 pessoas) em comparação com um modelo baseado apenas em idade.
• Mudança na Estrutura Etária: A inclusão da etnia deslocou a estrutura etária das infecções. A taxa de ataque aumentou para populações mais velhas enquanto diminuía para populações mais jovens. Isso ocorreu porque os grupos étnicos mais jovens (Māori e Pacífico) tinham taxas de contato mais altas, mas os grupos mais velhos (Europeu/Outro) tinham uma distribuição etária diferente que alterou a dinâmica geral de transmissão.
• Implicações para Políticas: Os resultados sugerem que modelos baseados apenas em idade podem superestimar os casos totais enquanto subestimam o ônus em subgrupos específicos de idade e etnia, potencialmente levando a decisões políticas subótimas relacionadas à alocação de recursos e direcionamento de intervenções.

Significado e Alegações

O artigo alega que seu método fornece uma "forma fundamentada" de construir matrizes de contato estendidas quando dados empíricos detalhados estão faltando. O significado principal reside na capacidade de:

• Quantificar Inequidades: Permitir que modelos contemplem explicitamente heterogeneidades sociodemográficas que impulsionam disparidades de saúde.
• Melhorar a Relevância Política: Fornecer estimativas mais precisas de $R_0$ e do tamanho da epidemia para subgrupos específicos, o que é crítico para projetar intervenções que minimizem desigualdades.
• Revelar Variação Obscurecida: Demonstrar que modelos agregados podem obscurecer variações críticas nos resultados da doença, particularmente para grupos minoritários, que são frequentemente os mais afetados durante epidemias.

Os autores permanecem modestos quanto às limitações do método, reconhecendo que ele impõe uma estrutura específica à matriz de contato e assume assortatividade uniforme e taxas de contato relativas em todos os grupos etários. Eles notam que o método pode produzir elementos de matriz negativos em cenários extremos de parâmetros, exigindo verificação de não negatividade antes da aplicação. Além disso, o método herda limitações gerais dos modelos compartimentais, como a suposição de mistura homogênea dentro dos compartimentos e a falta de resolução espacial.