Modelando Doenças Infecciosas
Entendendo Epidemias como uma Reação Química
A modelagem do espalhamento de doenças infecciosas ou epidemias começou clássicamente como extensão dos princípios empregados na modelagem de reações químicas. Assumindo uma população "bem misturada", ou seja, em que a probabilidade de encontro entre qualquer par de indivíduos é igual.
Tais populações são então divididas em classes imunológicas, e a partir da interação entre indivíduos pertencentes a estas classes, a dinâmica se origina.
O modelo SI
No modelo SI temos apenas duas classes de indivíduos, os saudáveis, mas suscetíveis a contrair uma doença, e os que já foram infectados pela doença e pode portanto, espalhá-la por meio do contato direto. Note que nem todas as doenças se transmitem desta forma, mas neste modelo inicial vamos considerar que sim. O indivíduos transitam entre estes dois estados por meio de eventos de infecção () e recuperação ()
em termos de reações temos:
Escrevendo as Equações
Novamente lançaremos mão da lei de ação de massas e do fato de que o sistema é fechado, ou seja o número de indivíduos não varia.
Utilizamos ps parâmetros e para representar as taxas de infecção e recuperação, respectivamente.
Exercícios:
- Mostre que a população total é conservada no modelo SI.
2. O Modelo SI apresentado acima poderia ser simplificado para uma única equação diferencial? Se sim, escreva esta equação.
Aplicando Análise Dimensional ao Modelo
Vamos adotar as unidades de tempo em dias. Logo, o lado esquerdo das equações terá unidades de [número de pessoas]/[dias]. Logo, concluímos que possui unidades dias enquanto tem unidades de pessoas dias, ou seja, é uma taxa de infecção per capita.
Exercício 3:
Dada a análise dimensional acima, que parâmetros (ou combinação de parâmetros) carrega a informação sobre a estala de tempo? e qual seria uma escala de tempo adequada para descrever os eventos descritos pelo modelo?
Adimensionalizando o modelo
Seja a fração da população no estado infeccioso e a fração da população total suscetível no tempo . Vamos assumir que estas variáveis adimensionais somam , ou seja, . temos então:
se então:
Agora podemos substituir as novas variáveis adimensionais no modelo e obter:
Cancelando os fatores comuns e em ambos os lados das duas equações, chegamos a:
Agora podemos notar que restou uma razão de parâmetros que vamos denotar por . Este novo parâmetro é muito importante e controla completamente o comportamento qualitativo do modelo, como veremos mais adiante. Por ora, vamos re-escrever o modelo em trmos do e deixar de lado as :
Se repetirmos o processo de adimensionalização para o modelo reduzido a uma única equação, derivado no exercício 2, acima, chegamos à seguinte equação:
ou, em termos do R_0:
Exercício 4:
Considere que é o tempo típico de recuperação, o que significa o tempo em que a pessoa está doente e pode transmitir a doença para outros. Suponha que inicialmente tenhamos uma única pessoa infectada em uma população de indivíduos suscetíveis (para grande ). Explique o significado de R_0 para a dinâmica da epidemia.
Analisando o Modelo
Agora que temos o modelo construído e devidamente simplificado, pessemos à sua análise aplicando as ferramentas que já conhecemos.
Encontrando os Equilíbrios
Vamos partir do modelo reduzido a uma equação, expresso em tremo do . Lembre-se que os equilíbrios devem satisfazer .
Exercício 5
Encontre os equilíbrios, se estes existirem, e interprete os resultados.
O equilíbrio em que , nosso número de infectados é 0, é chamado de equilíbrio livre de doença, e neste caso .
Exercício 6:
No caso em que , qual o valor de ?
É importante notar também que o "equilíbrio endêmico" só faz sentido, biologicamente falando, se , logo também precisa ser maior que zero. O que nos leva ao seguinte teorema:
Teorema:
Em um modelo SI, uma doença só pode tornar-se endêmica, se , onde é o numero reprodutivo básico da doença, .
Comportamento Qualitativo
Para aplicar nosso inspeção gráfica dos equilíbrios do sistema, precisamos plotar
Simulações
Bifurcações
Com vimos acima, o valor de parece ser um ponto de bifurcação para este modelo dada a alteração na natureza dos seus equilíbrios. Vamos construir um diagrama de bifurcações em função de :
Exercício 7:
Interprete a bifurcação acima e diga que tipo de bifurcação dentre as estudadas nós observamos acima
O Modelo SIR
Se extendermos o cenário epidemico que deu origem ao modelo SI, com a introdução da possibilidade dos indíviduos acometidos pela doença tornarem-se imunes à doença, obtemos outro modelo epidemiológico clássico, o modelo SIR., que pode ser descrito por meio do seguinte sistema de EDOs:
Exercício 8:
Interprete as equações acima e esboçe um diagrama de blocos para o modelo SIR
Exercício 9:
Explique porque o modelo acima pode ser estudado como um sistema de apenas duas variáveis. Qual variável não encontra-se acoplada às outras duas?
Exercício 10:
Divida por e simplifique a equação para obter uma EDO para I em função de S. Resolva a equação, obtendo a seguinte solução: , plote a solução e interprete.
Agora podemos resolver facilmente a equação simplificada:
E, após atribuir valores a e podemos plotar a solução e interpretá-la
Simulando o Modelo SIR
Podemos também explorar o modelo por meio de simulações noméricas
Analisando o final da Epidemia
Será que os suscetíveis são necessáriamente consumidos completamente durante uma epidemia?
Para tentar responder a esta pergunta, podemos dividir a 1ª equação do modelo SIR pela 3ª.
A partir de agora vamos interpretar os nossas variáveis , , como Frações de N, ou seja, , , , Isto faz com que a nossa expressão para se reduza a , assumindo .
Podemos então reescrever a equação obtida acima como
Onde é
Sabendo que , podemos reescrever a solução acima como