Modèle d'un réseau social. Il y a 150 individus (les points), dont les liens sociaux sont marqués par les lignes qui les séparent. Il existe trois catégories :1. Contacts proches, par exemple. ménage (lignes jaunes), 2. Contacts réguliers, par exemple. amis au travail et adultes (lignes rouges) et 3. Contacts scolaires pour les enfants et les amis des enfants (lignes oranges). La couleur des points marque l'âge – plus foncé =plus vieux. La connaissance la plus importante dérivée de la recherche est que les contacts non répétés, par exemple. des transports en commun, représente un risque important de contamination dans les maladies à super propagation comme le Covid19. C'est pourquoi l'outil de verrouillage, qui a été largement appliqué dans la lutte contre la pandémie, a été extraordinairement efficace. Crédit :Institut Niels Bohr
Chercheurs de l'Institut Niels Bohr, Université de Copenhague, L'épidémiologiste Lone Simonsen de l'Université de Roskilde fait partie du panel qui conseille le gouvernement danois sur la manière de lutter contre les différentes situations de propagation de l'infection que nous avons tous vues se dérouler au cours de l'année écoulée. Les chercheurs ont modélisé la propagation des infections selon divers scénarios, et le coronavirus s'est avéré ne pas suivre les anciens modèles de propagation de la maladie.
Une image de plus en plus variée de son comportement et donc de son impact sur la société s'est dégagée. Dans plusieurs articles scientifiques, les chercheurs ont décrit les connaissances accumulées à ce jour, plus récemment autour du concept de « super-épandeurs ». Il s'avère que seulement environ 10 % des personnes infectées représentent environ 80 % de la propagation de l'infection. Les résultats ont été publiés dans la revue scientifique Actes de l'Académie nationale des sciences , PNAS .
D'où vient notre connaissance de la propagation des infections ?
Les données que les chercheurs utilisent pour « alimenter » et développer des modèles informatiques proviennent d'un large éventail de sources différentes. Les municipalités danoises ont tenu des inventaires de la propagation de l'infection, et ces données ont l'avantage de provenir d'unités qui ne sont pas trop grandes. Il y a un haut degré de détail et cela signifie que l'on peut tracer plus clairement le développement local et ainsi construire des paramètres pour la super-diffusion, auquel Postdoc Julius Kirkegaard a contribué. La recherche des contacts est une autre source d'information. Dans ce cas, l'accent est mis sur la localisation et la limitation de la transmission individuelle du virus. La troisième source est un peu plus compliquée car elle cherche à suivre la chaîne des infections via la séquence génétique du virus.
Qui sont les super-épandeurs ?
Quelle que soit la source examinée par les chercheurs, les résultats sont à peu près les mêmes :10 % de toutes les personnes infectées représentent jusqu'à 80 % de la propagation de l'infection. Il est donc crucial, en ce qui concerne la propagation du virus pour localiser les soi-disant super-propagation et découvrir comment se produit la super-propagation. Les chercheurs soulignent que, à l'heure actuelle, nous ne sommes pas tout à fait sûrs de ce qui constitue une personne en tant que super-épandeur. Cela peut être purement personnel, caractéristiques physiologiques. En outre, il y a divers degrés de super-propagation dans la population, ce n'est donc pas nécessairement l'un ou l'autre. Certaines personnes propagent simplement le virus plus que d'autres et la variation entre les personnes sans transmission et les super-propagateurs est grande.
Comment les chercheurs modélisent-ils une population d'un peu moins de 6 millions d'individus ?
Trois catégories de base sont considérées comme importantes lors de la modélisation du comportement de la population, lors du calcul d'un scénario de propagation de l'infection :1. Le contexte familial, 2. Contexte de travail et 3. Les contextes aléatoires dans lesquels les gens se trouvent—en d'autres termes, personnes à proximité dans les transports en commun, aux activités de loisirs, etc. Le facteur temps dans les trois est crucial, car il faut du temps pour infecter d'autres personnes. En terme de temps, ces trois catégories sont quelque peu identiques en ce qui concerne les maladies courantes, mais pas une variante de coronavirus super-épandeur.
Mais c'est là que les caractéristiques individuelles du virus entrent en jeu :les super-propagateurs sont assez différents lorsqu'ils sont manipulés dans un modèle informatique. Les méthodes connues de la physique deviennent importantes ici, car il est nécessaire de modéliser les individus et leurs contacts. Les chercheurs ont mis en place des modèles informatiques à la fois pour des scénarios avec et sans super-épandeurs, et il s'avère que la fermeture des espaces de travail ainsi que des événements sportifs, et les transports publics ont le même effet lorsque le modèle ne prend pas en compte les super-épandeurs. Mais lorsque nous incluons les super-épandeurs, il y a une différence prononcée, et la fermeture des événements publics a un effet beaucoup plus important.
La modélisation des maladies fait face à de nouveaux défis et à une forte collaboration interdisciplinaire
Les maladies peuvent se comporter très différemment et il est donc extrêmement important d'être à la fois prêt et capable de changer rapidement en ce qui concerne le développement de nouveaux modèles qui reflètent le plus précisément possible les caractéristiques des différentes maladies, si nous espérons les contenir. Le professeur Kim Sneppen explique :« La variation biologique des différents virus est énorme. Le SARS-CoV-2 a une particularité en ce qu'il est le plus contagieux juste avant que l'on développe des symptômes. C'est exactement le contraire d'une maladie antérieure qui menaçait de se développer. devenir une pandémie, à savoir le SRAS, qui est surtout contagieuse après avoir manifesté des symptômes. Les virus sont des machines extrêmement avancées qui trouvent chacune des points faibles spécifiques à exploiter. Un nouveau domaine de recherche se développe rapidement, qui examine comment les virus attaquent les cellules de notre corps. COVID-19 s'est avéré entraîner des progressions de la maladie très différentes pour différents patients. En ce sens, il se comporte de manière chaotique, comme on dit en physique."
doctorat l'étudiant Bjarke Frost Nielsen et le professeur Kim Sneppen voient un vaste champ de recherche ouvert dans la collaboration entre la physique et la biologie. La collecte d'un maximum d'informations sur les différents virus est cruciale, permettant ainsi aux physiciens de déployer ces connaissances dans des scénarios de cartographie pour y répondre.
Le potentiel de recherche sur la propagation des infections est grand
Bjarke Frost Nielsen déclare :« Nous devons créer une boîte à outils qui contient une grande variation dans la manière dont nous luttons contre la propagation de la transmission, dans nos programmes informatiques. C'est la perspective immédiate que nous pouvons voir devant nous, à l'heure actuelle. La modélisation mathématique des maladies existe depuis près de 100 ans, mais malheureusement, peu de progrès ont été réalisés au cours de cette période. Pour le dire franchement, les mêmes équations des années 30 sont encore utilisées aujourd'hui. Concernant certaines maladies, ils peuvent être corrects, mais par rapport aux autres, ils peuvent être loin. C'est ici que, en tant que physiciens, nous avons une approche complètement différente. Il existe de nombreux paramètres, c'est à dire., des dynamiques sociales et des interactions beaucoup plus variées entre les individus sur lesquelles nous pouvons construire nos scénarios. C'est vraiment nécessaire, quand on voit les énormes variations dans les différentes maladies."
