Antonio Addeo
Laurea Magistrale
Relatore
- Vittorio Scarano
Tutor
- Alessia Antelmi
- Carmine Spagnuolo
Indice
Cosa studio?
L'ambito del mio lavoro è la disciplina epidemiologica. In epidemiologia esistono vari modelli che plasmano la diffusione di un'epidemia in una popolazione, tra questi rientrano i modelli che astraggono l'insieme dei contatti di individuo come una rete sociale.
Nel mio lavoro tali reti sono modellate da ipergrafi, una generalizzazione della classica struttura a grafo, in cui sono ammesse connessioni tra un numero arbitrario di nodi, non limitandosi a due.
Si possono rappresentare gli individui in una popolazione tramite i nodi di un ipergrafo, e i luoghi da essi frequentati attraverso archi.
Ho studiato alcune strategie che mirano a limitare la propagazione di una malattia in una popolazione, dette di immunizzazione, le quali selezionano un insieme di nodi/persone da vaccinare per limitare la trasmissibilità e minimizzare la percentuale di infetti.
Ho implementato delle strategie che simulano l'immunizzazioni di persone/nodi e locazioni/archi nel contesto degli ipergrafi.
Al fine di valutarne l'efficacia le strategie sono state applicate durante l'esecuzione di un algoritmo che emula la diffusione di una malattia infettiva in una popolazione.
Ho inoltre simulato l'utilizzo di un'app di tracciamento, volta a ridurre la diffusione epidemica, da parte degli individui in una popolazine per stimare l'efficacia della politica di contact tracing.
Diario
| Settimana | Argomenti | Riferimenti Utili |
|---|---|---|
| 1 | Studio dei punti fondamentrali dell'epidemiologia | https://www.sciencedirect.com/science/article/pii/S0370157316303349 |
| 2 | Studio delle tecniche di vaccinazione | https://www.sciencedirect.com/science/article/pii/S0370157316303349 |
| 3-4 | Implementazione delle strategie di immunizzazione | https://github.com/aleant93/TVHEpidemicDynamics.jl |
| 5 | Sperimentazione e valutazione dei risultati | https://github.com/aleant93/TVHEpidemicDynamics.jl |
Materiale
Software
Il linguaggio di programmazione utilizzato è Julia, alla sua versione 1.4.2.
Il modulo usato per modellare gli ipergrafi è SimpleHypergraphs.jl, versione 0.1.12.
L'ambiente di lavoro di cui mi sono servito è Visual Studio Code. versione 1.45.1.
Riferimenti
Seminari
Al seguente link sono disponibile le slides del seminario che ho tenuto il giorno 17 Luglio 2020.
La mia tesi
Titolo: Sviluppo e valutazione di tecniche di immunizzazione su ipergrafi
Abstract:
La disciplina epidemiologica si occupa dello studio e dell'analisi della distribuzione e dei pattern di contagio delle malattie infettive all'interno di una popolazione. I classici modelli matematici come quelli compartimentali sono in grado di fornire un dettagliato livello di comprensione e predizione riguardo le dinamiche di un'epidemia. Tuttavia si basano sull'assunto che gli individui interagiscano tra di loro in maniera casuale.
Nella realtà ogni persona ha un insieme di contatti, ovvero altre persone che può infettare, che costituisce una rete. Il processo epidemico può essere plasmato attraverso una rete in cui una malattia si diffonde da un nodo all'altro. Sfruttando le proprietà topologiche della rete e i pattern di mobilità è possibile fare congetture sulla propagazione dell'infezione. A incentivare tale approccio c'è la disponibilità di una gran mole di dati riguardanti gli spostamenti delle persone, ricavabili da fonti quali i social network.
Una rete del genere può essere astratta tramite un ipergrafo, una generalizzazione della classica struttura a grafo in cui le connessioni tra i vertici, gli iperarchi, possono comprendere un numero qualsiasi di vertici, non limitandosi a 2. Un ipergrafo può modellare una rete come quella sopracitata, in tal caso gli individui di una popolazione vengono associati ai nodi mentre gli iperarchi consistono nei luoghi da loro frequentati.
Per controllare la diffusione di una malattia in una popolazione si può decidere di immunizzare una categoria di persone o di luoghi. Lo scopo di questo lavoro è quello di sviluppare e validare tecniche di immunizzazione per ipergrafi. Le strategie implementate mirano a selezionare un gruppo di nodi/individui o iperarchi/luoghi da immunizzare al fine di limitare la propagazione epidemica in una popolazione. Le tecniche sono state sperimentate su insieme di dati ricavato dal social network Foursquare e simulate mediante un approccio agent-based model che emula interazioni tra utenti. Il codice e i risultati, open-source e disponibili nella repository https://github.com/aleant93/TVHEpidemicDynamics.jl, forniscono una visione dell'efficacia di ogni strategia.
È stata simulata, inoltre, l'efficacia del concetto di contact tracing (ad esempio, tramite l'utilizzo da parte delle persone di un'applicazione di tracciamento come Immunti) per ridurre la diffusione di un'epidemia.
Bibliografia
- Zhen Wang, Chris T. Bauch, Samit Bhattacharyya, Alberto d’Onofrio, Piero Manfredi, Matjaž Perc, Nicola Perra, Marcel Salathé, Dawei Zhao, Statistical physics of vaccination. Physics Reports. 2016
- Alessia Antelmi, Gennaro Cordasco, Carmine Spagnuolo, Vittorio Scarano, A Design-Methodology for Epidemic Dynamics via Time-Varying Hypergraphs. AAMAS. 2020