Escolher a escala espacial de agregação em modelos epidêmicos: compressão versus distorção

O que aconteceu

Modelos epidêmicos compartimentais são rotineiramente ajustados para contagem de casos agrupados sobre uma região administrativa, tratando-a implicitamente como uma única população bem misturada. Mostramos que essa etapa de agregação é uma escolha de modelagem com consequências mensuráveis. O agrupamento de surtos locais fracamente acoplados pode achatar, retardar ou dividir a curva epidêmica agregada em picos ausentes de cada localidade constituinte, antes de qualquer modelo ser ajustado. Em simulações determinísticas de metapopulação SIR, a gravidade dessa distorção é regida por topologia de rede, tamanho e acoplamento inter-nódulo mesmo quando cada nó obedece a dinâmica SIR idêntica. A inferência de parâmetros pode levar substancialmente a conclusões enganosas. Formalizamos a seleção da escala como um tradeoff entre compressão (população média por unidade espacial) e distorção (desfasamento médio entre cada município e seu agregado unitário). Sob este quadro, a escala de modelagem admissível é a partição mais grosseira cuja distorção permanece dentro de uma tolerância declarada. Aplicando isso a dois anos de casos COVID-19 nos Estados Unidos, construímos unidades candidatas a partir de uma rede de mobilidade inter-country pré-pandemia 2019: mantemos seu núcleo populacional mais bem conectado e partimos em comunidades Leiden através de uma série de resoluções. Este fluxo de trabalho reduz a distorção em cerca de 25-40% em comparação com unidades administrativas, como estados e áreas estatísticas combinadas em seus suportes nativos. O resultado é válido para mortes e para um algoritmo alternativo de detecção comunitária. A escala admissível é dinâmica e muda à medida que as pessoas mudam seus padrões de mistura. Propomos uma receita: modelar unidades candidatas em tela usando dados de mobilidade antes de um surto, validá-los contra distorção epidêmica na compressão combinada e verificar novamente à medida que a epidemia evolui.