Epidemics in a Synthetic Urban Population with Multiple Levels of Mixing

Resumo Técnico: Epidemias em uma População Urbana Sintética com Múltiplos Níveis de Mistura

Declaração do Problema
A previsão e o controle de doenças infecciosas exigem modelos que vão além de esquemas compartimentais simples (por exemplo, SIR), os quais assumem populações totalmente misturadas. Embora modelos baseados em indivíduos recentes incorporem padrões de contato heterogêneos, permanece a necessidade de compreender como características socioeconômicas e geográficas específicas de uma população hospedeira impactam a difusão epidêmica. Especificamente, a interação entre relações sociais estáveis (lares, conhecidos) e interações raras e fortuitas (por exemplo, em trânsito ou espaços públicos) dentro de um cenário urbano realista não é totalmente caracterizada. O artigo aborda a questão de como diferentes níveis de mistura, dependentes da idade e da distância, influenciam a velocidade, a pervasividade e a previsibilidade de surtos em um ambiente urbano de tamanho médio.

Metodologia
Os autores constroem um modelo Suscetível-Infectado-Removido (SIR) baseado em agentes e informado por dados, aplicado a uma população sintética de aproximadamente 60.000 agentes representando o município de Viterbo, Itália.

• População Sintética: Os agentes são geo-referenciados e estratificados por idade em quatro grupos (crianças, jovens, adultos, idosos) usando estimativas de densidade do WorldPop e dados do censo provincial. O território é partitionado em uma grade de ladrilhos quadrados de 500m.
• Construção da Rede: A rede social urbana (USN) é um grafo não direcionado e não ponderado $G = (V, E)$ formado pela união de dois sub-grafos:
  1. Grafo de Domicílios ($G_H$): Um conjunto de cliques inferidos a partir de dados do censo, representando contatos diários.
  2. Grafo de Conhecidos ($G_A$): Arestas representando contatos frequentes (amigos, colegas de trabalho) são adicionadas probabilisticamente com base em matrizes de mistura social baseadas na idade (dados do SOCRATES), distância geográfica ($d^{-1}$) e um parâmetro intrínseco de "aptidão social".
• Simulação Epidêmica: O modelo simula a propagação da doença onde indivíduos infectados transmitem a doença a contatos suscetíveis com probabilidade $\beta$ e se recuperam com taxa $\mu$. O modelo é calibrado para parâmetros de Doença Semelhante à Influenza (ILI) ($R_0 \approx 1,3$, tempo de recuperação de 3 dias).
• Configurações Experimentais: Seis configurações distintas de mistura são comparadas para isolar os efeitos dos padrões de contato:
  1. Mistura Homogênea (HM): Grafo aleatório de Erdős-Rényi (linha de base).
  2. Rede Estática (SN): Apenas relações estáveis de domicílio e conhecidos; nenhum contato fortuito.
  3. Ruído Homogêneo (HN): Relações estáveis mais contatos fortuitos aleatórios.
  4. Ruído Baseado em Idade (AN): Contatos fortuitos dependem da mistura social baseada na idade.
  5. Ruído Baseado em Distância (DN): Contatos fortuitos dependem da distância geográfica.
  6. Ruído Baseado em Idade e Distância (ADN): Contatos fortuitos dependem tanto da idade quanto da distância.

Principais Resultados

• Impacto da Estrutura Etária: A introdução de padrões de contato estruturados por idade (SN, AN, ADN) resulta em surtos significativamente mais rápidos e mais pervasivos em comparação com a mistura homogênea. Essas configurações produzem distribuições de grau com caudas direitas mais longas, levando a picos epidêmicos mais precoces e taxas de ataque mais altas.
• Papel da Distância: Assumir que a frequência de interação decai com a distância ($d^{-1}$) tem um efeito negligenciável nos padrões de difusão de alto nível (velocidade e taxa total de ataque) em comparação com a mistura estruturada por idade. No entanto, a distância influencia a frequência de infecções entre ladrilhos, afetando a incidência local.
• Limiar Epidêmico e Número de Reprodução: O limiar epidêmico ($\beta_c$) é menor (tornando o sistema mais vulnerável) em configurações com contatos heterogêneos e impulsionados pela idade. O número básico de reprodução ($R_0$) é geralmente maior em configurações baseadas em dados. O surgimento de um surto está fortemente associado ao caso índice ser um indivíduo socialmente ativo.
• Disseminação Geográfica e Densidade: O estudo identifica dois regimes distintos baseados na densidade populacional dos ladrilhos:
  • Baixa Densidade (< ~100 habitantes): Tempo até o pico sub-logarítmico e taxas de ataque constantes.
  • Alta Densidade: Tempo até o pico e taxas de ataque aumentando aproximadamente de forma logarítmica.
  • A infecção atinge ladrilhos densamente povoados dentro de 10–15 dias, independentemente da configuração, mas o timing para áreas de baixa densidade varia significativamente com base no modelo de contato.
• Previsibilidade: A epidemia é geograficamente heterogênea (entropia < 1), com alguns ladrilhos sendo consistentemente mais perigosos. No entanto, a previsibilidade do sistema é baixa no início da epidemia e torna-se alta apenas perto do pico epidêmico, quando a infecção já está disseminada. Nenhuma "espinha dorsal" dominante ou vias epidêmicas preferenciais foram identificadas; a ampla gama de rotas alternativas impede a formação de uma única trajetória previsível.

Significância e Alegações
O artigo alega fornecer uma estrutura para compreender a difusão epidêmica em populações urbanas realistas sem exigir dados de mobilidade ou transporte de alta resolução, confiando, em vez disso, em dados de censo e pesquisas para construir a rede de contato.

• Difusão Hierárquica: Evidências preliminares sugerem a existência de padrões de difusão espacial hierárquica em áreas urbanas, caracterizados por dois regimes de propagação epidêmica em regiões de baixa e alta densidade. Isso ecoa achados observados na escala país/cidade.
• Compensações de Modelagem: O estudo demonstra que, embora a mistura dependente da distância seja empiricamente fundamentada, seu impacto nos resultados epidêmicos em macroescala é mínimo em comparação com o impacto estrutural da mistura social estratificada por idade.
• Limitações e Trabalho Futuro: Os autores notam a ausência de vias epidêmicas dominantes em seu modelo urbano, contrastando com modelos de metapopulação (por exemplo, redes de companhias aéreas) onde fluxos de tráfego criam conexões dominantes. Eles sugerem que trabalhos futuros devem investigar se essa ausência é inerente à escala urbana ou se a incorporação de dados adicionais (mobilidade, chamadas telefônicas, transporte) revelaria tais estruturas.

O trabalho sublinha que a modelagem epidêmica precisa exige ir além de suposições de campo médio para levar em conta a estrutura topológica específica das redes sociais, particularmente o papel dos contatos estruturados por idade na condução da dinâmica de surtos.