El trabajo se sitúa en un terreno aparte: los trabajos más cercanos en el archivo estudian epidemias a través de contactos, brotes virales y la propagación de la enfermedad en una ciudad, pero casi nadie construye una imagen microscópica con agentes autopropulsados. Los modelos clásicos SIR y SI describen bien la evolución temporal de una epidemia, pero no dicen nada sobre cómo el movimiento y la organización espacial de las personas afectan la transmisión de la infección. Intentos previos de introducir actividad de partículas en epidemiología ya mostraron que la velocidad de los agentes y el radio de infección alteran las curvas de la enfermedad, pero el papel de la protección individual, como la vacunación o las mascarillas, permanecía sin explorar a nivel microscópico.
Los investigadores simularon 3000 agentes como partículas brownianas activas en un dominio cuadrado bidimensional con condiciones de frontera periódicas. Cada partícula se mueve por sí misma a velocidad constante y experimenta giros aleatorios, y entre sí se repelen según el potencial de Weeks–Chandler–Andersen. Los agentes se dividen en susceptibles, infectados y protegidos; un susceptible se infecta si se encuentra a una distancia menor que el radio de infección de un infectado durante un tiempo de contacto determinado. La fracción de agentes protegidos se varió de 0 a 50%, y la densidad de población se modificó cambiando el tamaño del dominio con un número fijo de partículas. Para cada conjunto de parámetros se realizaron diez simulaciones independientes en las supercomputadoras Miztli y Laboratorio de Supercómputo del Bajío, y las curvas de infección se ajustaron con una función error.
Las curvas del número de infectados a lo largo del tiempo tienen forma sigmoide, y su derivada, es decir, la tasa de infección, alcanza un máximo en el momento en que la epidemia se propaga más rápido. Con una fracción de protegidos inferior al 30%, las curvas de infección normalizadas para diferentes densidades colapsan en una única curva universal, y la tasa máxima de infección crece como la raíz cuadrada de la densidad. Esto concuerda con una estimación simple: la distancia característica entre partículas es inversamente proporcional a la raíz de la densidad, por lo que la frecuencia de encuentros es proporcional a la raíz de la densidad. Con una fracción de protegidos superior al 30%, la universalidad desaparece: las curvas se separan y la protección comienza a dominar. En poblaciones dispersas, la supresión de la epidemia es más pronunciada que en poblaciones densas, donde la alta frecuencia de encuentros compensa parcialmente el efecto de la protección.
El trabajo se distingue de los vecinos porque introduce por primera vez de manera sistemática agentes protegidos en un modelo microscópico de materia activa y revela un cruce claro que separa dos regímenes. Los estudios vecinos consideran o bien una dinámica de contactos pura sin autopropulsión, o bien brotes como golpes aleatorios, pero no muestran cómo la protección individual interactúa con la densidad a nivel del movimiento de partículas. Aquí se descubre una ley universal para baja protección y su violación para alta protección, lo que proporciona una explicación microscópica de la dependencia no lineal de las tasas de contacto con la densidad, observada previamente en modelos espaciales.
El tema puede desarrollarse hacia una determinación más precisa del cruce: los autores planean investigar valores adicionales de la fracción de protegidos alrededor del 30% para comprender si la transición es un fenómeno crítico abrupto o un cruce suave. También es prometedora la comparación con modelos de redes de percolación epidémica, para relacionar la organización espacial de los agentes con la aparición de infección a gran escala y dilucidar el origen microscópico del escalamiento de raíz cuadrada.
Los resultados pueden influir en el modelado de epidemias en entornos urbanos, donde la densidad de población y el nivel de vacunación o uso de mascarillas varían de un barrio a otro. También son útiles para comprender brotes zoonóticos en lugares con alta densidad animal, como las granjas peleteras.
El siguiente paso es estudiar en detalle la región del cruce alrededor del 30% de protección, variando la fracción de protegidos con un paso pequeño. Luego se planea comparar el modelo con redes de percolación epidémica para establecer una relación cuantitativa entre la estructura espacial y el umbral epidémico.
El trabajo aborda un problema de larga data en epidemiología: cómo se relacionan de manera no lineal las tasas de contacto con la densidad de población y cómo las medidas de protección individuales modifican esta relación. Los modelos compartimentales clásicos suponen una mezcla homogénea, lo que no refleja la heterogeneidad espacial real; esta investigación muestra que tener en cuenta el movimiento y las interacciones locales conduce a nuevos regímenes que no se pueden derivar de las ecuaciones SIR.
En el modelo, con una fracción de protegidos exactamente del 30%, el tiempo para alcanzar el pico de la epidemia se desplaza de 138 a 161 unidades adimensionales, es decir, la protección no solo reduce la altura del pico, sino que también lo retrasa notablemente.