Mobility-Informed Coupling of ABM, PDE, and ODE Models for Pandemic Simulation in Germany

Resumo Técnico: Acoplamento de Modelos ABM, PDE e ODE Informado por Mobilidade para Simulação de Pandemia na Alemanha

Definição do Problema
A simulação precisa da dinâmica de doenças infecciosas em nações altamente interconectadas como a Alemanha exige um equilíbrio entre o detalhamento espacial e comportamental de alta resolução e a escalabilidade computacional. Modelos puramente baseados em agentes (ABMs) oferecem uma representação granular da mobilidade e das interações individuais, mas tornam-se computacionalmente proibitivos em escala nacional. Por outro, modelos agregados, como Equações Diferenciais Ordinárias (ODEs) e Equações Diferenciais Parciais (PDEs), são computacionalmente eficientes, mas carecem da resolução espacial e estocástica necessária para capturar a heterogeneidade local e padrões de mobilidade complexos. O desafio reside no desenvolvimento de um framework unificado que integre esses distintos paradigmas de modelagem para simular a propagação epidêmica em todo o país, preservando a precisão local onde ela é mais necessária.

Metodologia
Os autores apresentam um framework de modelagem híbrido que acopla três classes distintas de modelos — Modelos Baseados em Agentes (ABM), Equações Diferenciais Parciais (PDE) e Equações Diferenciais Ordinárias (ODE) — dentro de um único ambiente de simulação. O framework é construído sobre a implementação em C++ do EpiSim ABM, utilizando dados de alta resolução de telefonia móvel para reconstruir trajetórias individuais e rotinas diárias.

• Componentes do Modelo:

  • ABM: Representa uma amostra de 25% da população alemã. Os agentes movem-se entre instalações (residências, locais de trabalho, escolas) com base em trajetórias derivadas de telefonia móvel. A transmissão da infecção ocorre apenas quando agentes suscetíveis e infectados coexistem dentro da mesma categoria de instalação.
  • PDE: Utilizado para regiões onde a heterogeneidade espacial é relevante, mas a simulação de nível de agente total é muito dispendiosa. O sistema PDE é derivado de uma aproximação de ABM baseada em movimento, utilizando uma função de "paisagem" $V(x)$ derivada de dados de telefonia móvel para impulsionar os termos de difusão e advecção. O termo de infecção é localizado para considerar a malha espacial grosseira.
  • ODE: Utilizado para regiões assumidas como de mistura homogênea. Esta é uma redução adicional do sistema PDE, agregando densidades em contagens de compartimentos para todo o estado federal.

• Mecanismo de Acoplamento:
  O framework emprega "processos de salto" baseados em dados para transferir indivíduos entre os domínios do modelo em cada passo de tempo.

  • ABM para Não-ABM: Agentes que deixam um domínio ABM são adicionados como contagens discretas a um domínio ODE ou convertidos em contribuições de densidade espacial para um domínio PDE.
  • Não-ABM para ABM: Indivíduos de domínios PDE/ODE são mapeados de volta para o ABM como novos agentes.
  • Não-ABM para Não-ABM: As transferências entre domínios PDE e ODE são tratadas distribuindo os indivíduos de acordo com as frações atuais de compartimentos, garantindo a conservação de massa.
  • Lógica de Mobilidade: Para evitar a transmissão prematura da infecção em modelos simplificados, os agentes que viajam de um estado ABM para um estado não-ABM permanecem no domínio ABM até atingirem o seu destino. Inversamente, os agentes que entram num domínio ABM são convertidos em agentes o mais cedo possível.

• Intervenções:
  O modelo incorpora reduções de atividade (ex: lockdowns) removendo eventos no ABM e escalonando as taxas de infecção nos domínios PDE/ODE. Também simula o fechamento de fronteiras, suprimindo transferências entre estados e estratégias de intervenção complexas como "Zero-COVID" e "No-COVID", que disparam restrições baseadas em limiares de incidência de 7 ou 14 dias.

Principais Contribuições

1. Framework Híbrido Unificado: O artigo desenvolve uma estratégia de acoplamento inovadora que unifica modelos ABM, PDE e ODE, permitindo que diferentes estados federais alemães sejam simulados em vários níveis de resolução dentro de uma única execução.
2. Integração de Mobilidade Baseada em Dados: O framework integra dados reais de telefonia móvel para impulsionar tanto as trajetórias dos agentes no ABM quanto as funções de paisagem nos modelos PDE, garantindo que a mobilidade inter-regional seja fundamentada em dados empíricos em vez de suposições teóricas.
3. Simulação Nacional Escalável: Ao simular uma amostra de 25% da população e atribuir tipos de modelos com base em restrições computacionais e tamanho populacional, os autores demonstram a viabilidade de executar simulações nacionais que retêm detalhes locais (ex: Berlim) enquanto utilizam modelos agregados para outras regiões.
4. Ferramenta de Avaliação de Políticas: O framework é aplicado para avaliar intervenções específicas de saúde pública, incluindo o fechamento total de fronteiras e a eficácia comparativa das estratégias Zero-COVID versus No-COVID.

Resultados

• Precisão vs. Eficiência: Em experimentos onde Berlim foi modelada como ABM, PDE ou ODE, a representação ABM apresentou o menor erro contra dados de infecção do mundo real (dados do RKI), seguida pelo ODE e depois pelo PDE. No entanto, a configuração ABM foi a mais lenta, enquanto a configuração ODE foi a mais rápida. A abordagem híbrida oferece um compromisso, reduzindo significativamente o tempo de execução em comparação com uma simulação ABM total, mantendo uma precisão superior a um modelo puramente agregado.
• Fechamento de Fronteiras: Simular o fechamento completo das fronteiras para Berlim reduziu os casos sintomáticos em Berlim, mas teve efeitos não lineares noutros estados; alguns estados (ex: Mecklenburg-Vorpommern, Saxónia) viram um aumento nos casos, destacando que as restrições de mobilidade podem produzir resultados contraintuitivos dependendo dos padrões de deslocamento pendular.
• Estratégias de Intervenção: A estratégia Zero-COVID (restrições acionadas por incidência de 7 dias > 1) revelou-se substancialmente mais eficaz na redução de casos sintomáticos do que a estratégia No-COVID (acionada por casos misteriosos de 14 dias) e mais eficaz do que o fechamento total de fronteiras. No entanto, o estudo observa que a estratégia No-COVID teve um desempenho pior do que o fechamento total de fronteiras quando a Renânia do Norte-Vestfália foi excluída das métricas agregadas.
• Desempenho Computacional: Os autores estimam que uma simulação de um ano inteiro da Alemanha utilizando apenas ABMs levaria aproximadamente 497 dias (sem paralelização), enquanto o modelo híbrido reduz este tempo para cerca de 72 dias para um número suficiente de execuções para alcançar precisão estatística.

Significância e Alegações
O artigo afirma que este framework híbrido fornece uma ferramenta prática para a avaliação baseada em evidências de intervenções de saúde pública em escala nacional. Demonstra que o acoplamento de diferentes resoluções de modelagem permite aos investigadores analisar a interação entre mobilidade, acoplamento regional e medidas de contenção sem incorrer nos custos computacionais proibitivos de uma simulação puramente baseada em agentes. Os autores enfatizam que, embora o framework permita a simulação eficiente e precisa da dinâmica de infeção através de regiões densamente conectadas, os resultados são uma prova de conceito. Eles observam que as escolhas atuais de parâmetros são suficientes para demonstrar a utilidade do framework, mas que uma otimização adicional poderia reduzir os erros. O estudo conclui que tais modelos híbridos são essenciais para explorar a dinâmica epidémica em regiões heterogéneas onde a mobilidade inter-regional e as intervenções políticas desempenham papéis críticos, oferecendo uma alternativa escalável às abordagens puramente estocásticas ou puramente determinísticas.