Les scientifiques du Rochester Institute of Technology ont développé une méthode qui, selon eux, aidera les épidémiologistes à prédire plus efficacement la propagation de la pandémie de COVID-19. Leur nouvelle étude, Publié dans Physica D :Phénomènes non linéaires , présente une solution au modèle épidémique SIR, qui est couramment utilisé pour prédire combien de personnes sont susceptibles de, infecté par, et guéri des épidémies virales.

La méthode a été créée par Nathaniel Barlow, professeur agrégé à l'École des sciences mathématiques du RIT, et Steven Weinstein, chef du département de génie chimique du RIT. Ils disent qu'en utilisant cette solution au modèle, les épidémiologistes peuvent rapidement prévoir de nombreux scénarios différents sur la façon dont COVID-19 pourrait se propager en fonction de diverses variables. Les projections produites par des modèles mathématiques aident les responsables publics à prendre des décisions politiques sur le moment d'imposer et de lever les restrictions visant à aplatir la courbe des taux d'infection.

Les mathématiciens appliqués qui ont développé la méthode ont déclaré qu'ils étaient ravis de trouver un moyen d'appliquer leurs compétences pour aider à lutter contre la pandémie.

"J'étais à la maison en pensant que j'aimerais aider d'une manière ou d'une autre avec tout ce qui se passe, " a déclaré Barlow. "Nous avons vu un article populaire sur le modèle SIR, vu que notre méthode pouvait accélérer le processus et nous avons rapidement écrit le papier. Notre objectif était de fournir de meilleurs outils aux experts qui luttent contre cette maladie. »

La méthode était basée sur des solutions qu'ils avaient précédemment développées à des problèmes très différents de la thermodynamique, mécanique des fluides et prédire les trajectoires de la lumière autour des trous noirs. Ils ont beaucoup travaillé avec des étudiants de premier cycle sur ces problèmes au cours des six dernières années et ont découvert que la solution au modèle épidémique SIR avait une structure mathématique très similaire. Bien que les auteurs n'aient jamais travaillé dans le domaine de l'épidémiologie, leurs travaux antérieurs se sont parfaitement adaptés à ce nouveau domaine.

"À plusieurs reprises, c'est ce que nous faisons en tant que mathématiciens appliqués :travailler aux limites de domaines où les gens ne parlent généralement pas, " a déclaré Weinstein. " Nous remplissons une fonction importante pour fournir des algorithmes pour soutenir la recherche et la prédiction scientifiques. La technique que nous avons développée ici est générale à de nombreux domaines différents."

Les auteurs travaillent maintenant à montrer comment leur méthode peut être appliquée à des modèles plus complexes comme le modèle épidémique SEIR, qui est similaire au modèle SIR mais prédit également la population exposée à une épidémie.