COVID-19 a actuellement un impact sur le monde entier et différentes approches pour arrêter l'épidémie sont testées dans le monde entier. Au fil des semaines, on en apprend de plus en plus sur ce petit virus, qui affecte tant notre vie quotidienne et notre monde. Dans la section biocomplexité de l'Institut Niels Bohr (NBI), Université de Copenhague, les chercheurs sont occupés à appliquer des méthodes issues de la physique des systèmes complexes pour examiner la meilleure façon de gérer l'épidémie. Les, maintenant, manière bien connue et la plus simple est le "verrouillage, " que nous avons traversé durant les mois de mars et avril. C'est aussi le plus cher, il s'est avéré efficace, quelque chose que nous ne pouvions pas savoir avant de le tester. Mais il existe de nombreuses manières de calculer et de prévoir l'évolution de l'épidémie, et les chercheurs en biocomplexité et systèmes complexes en expliquent un ici, ainsi que certains des concepts les plus répandus présentés dans les médias.

Modèles mathématiques basés sur les agents

A l'Institut Niels Bohr, nous travaillons avec de nombreuses méthodes, l'un d'eux étant les modèles dits à base d'agents, dans lequel les individus sont interrogés, lorsqu'ils rencontrent d'autres personnes et contractent éventuellement la maladie. Ceci est contraire aux modèles épidémiques habituels, dans lequel seuls les effets au niveau de la population peuvent être examinés. Ces modèles permettent, à travers des données sur les réseaux de personnes individuelles, pour l'examen d'une classe plus large de stratégies. Surtout le comportement des individus, comme combien d'amis ou de membres de la famille ils sont autour, leurs routines quotidiennes de mouvement et autres. Les modèles épidémiques habituels sont beaucoup moins détaillés et ne nous permettront pas de saisir l'effet de tous les changements de comportement individuels que nous faisons tous ces jours-ci.

Nous avons travaillé en étroite collaboration avec l'effet du suivi des contacts et de la quarantaine. Les calculs préliminaires du groupe NBI indiquent que vous pouvez réduire le sommet de l'épidémie avec l'application. 50%, si vous utilisez un simple suivi des contacts et un isolement de 5 jours des contacts récents à une personne malade confirmée. Tant que la personne infectée est isolée à la maison, il/elle ne contribue pas de manière significative à la propagation du COVID-19.

L'effet de cette stratégie de « contact et quarantaine » est illustré à la figure 1.

Le chiffre compare le nombre de personnes infectées dans une situation où la société est complètement ouverte à une situation où la recherche des contacts est appliquée simultanément à une ouverture complète. Il est important de noter que le nombre d'infectés peut être encore plus bas, si nous maintenons certaines des mesures de réduction des infections que nous connaissons déjà, comme l'hygiène des mains et la limitation des grands rassemblements. La recherche des contacts n'est pas une mesure à appliquer seule.

Les modèles basés sur les agents sont des outils universels

D'autres stratégies pour limiter la propagation de la maladie peuvent également être examinées avec des modèles à base d'agents. Des groupes de personnes vulnérables peuvent être isolés afin de les protéger de la maladie et de réduire considérablement le besoin de soins intensifs. Des simulations préliminaires indiquent que si toutes les personnes de plus de 60 ans réduisent leurs contacts sociaux de 75 %, il réduit la pression maximale sur les unités de soins intensifs à seulement un tiers. Si les grands-parents en plus choisissent de s'isoler de leurs petits-enfants, il réduit très probablement le besoin de soins intensifs d'un autre 50 %.

L'objectif avant tout de toute stratégie visant à limiter la propagation de la maladie est, bien sûr, à , réduire la pression sur les systèmes de santé, lorsque l'épidémie atteint son paroxysme. Un fait révélateur de l'importance de ces calculs de l'épidémie de COVID-19 est que si rien n'était fait, le besoin de lits de soins intensifs serait app. 10.000, - et notre capacité est seulement app. 500.

Les paramètres incertains de la maladie

Si vous souhaitez comprendre les nombreuses prédictions incertaines dans les médias ces jours-ci, c'est un grand avantage de connaître les paramètres les plus importants pour l'épidémie de COVID-19. Ci-dessous, les trois paramètres les plus importants sont expliqués.

Le taux de croissance de la maladie

Le taux de croissance est directement lié à la probabilité d'infection lorsque deux personnes se rencontrent. Le taux de croissance indique tout simplement avec combien de pour cent l'épidémie se développe par jour. Ce paramètre est estimé à partir du nombre d'hospitalisations au Danemark. Globalement, il est mieux estimé à partir de la croissance du nombre de décès par jour. Au niveau international, le niveau dans chaque pays était de 20 à 40 % au début de l'épidémie, - le plus élevé en Italie et en Espagne. Un pourcentage de cette taille est caractéristique de la croissance exponentielle d'une épidémie hors de contrôle. La distanciation physique et le verrouillage consistent à limiter le nombre de contacts, par lequel ce taux devrait baisser.

La pression d'infection-le fameux R

R décrit le nombre moyen de personnes infectées par chaque individu infecté. R est proportionnel à la probabilité d'infection lorsque deux personnes se rencontrent. R est calculé à partir du taux de croissance et du temps qu'il faut pour qu'une personne soit infectée jusqu'à ce qu'elle s'infecte à nouveau. Ce créneau horaire est encore incertain, mais estimé entre 3 et 7 jours. Plus l'intervalle est court, plus R sera petit. Un petit nombre R est bon, car il en résulte un maximum plus faible pour l'épidémie, et il devient plus facile pour une population d'atteindre l'immunité collective. Avec R =2, en principe, nous avons « juste » besoin de diviser par deux nos contacts sociaux pour atteindre R =1 où l'épidémie commence à s'éteindre. Avec R =4, nous devrions réduire nos contacts sociaux quatre fois plus. Notre comportement général devrait changer de manière significative, si R est plus grand. C'est pourquoi différentes valeurs de R sont si importantes pour la façon dont les modèles sont calibrés, et pour savoir comment nous devrions évaluer notre verrouillage en mars. La meilleure évaluation à l'heure actuelle est que la pression d'infection R est tombée de l'application. 3 à app. 0,7 pendant notre confinement.

La silhouette sombre

Le chiffre sombre est une indication du nombre d'individus infectés supplémentaires, than what we know of. It depends on how and how much we test, and will vary from country to country. Serum tests, showing if people have produced antibodies against the disease are very useful, because they will tell us how many have had the disease. The dark figure is not important for predictions in the beginning of an epidemic, but it is extremely important later, in order to assess where we are in the duration of the epidemic. A large dark figure will say that the disease is less dangerous and that we are closer to herd-immunity. The Norwegian authorities estimate that the dark figure is so high that only 3 in 1000 will die when infected.

These parameters are used in epidemic models of all types, so not only in agent-based models. When we wish to examine strategies depending on networks and social behavior, the agent-based models are particularly useful. As more precise data become available, we hope to be able to produce even better models, yielding more precise predictions of the development of the epidemic.