Un outil de prévision très précis créé par des mathématiciens de la Case Western Reserve University et de l'Université d'Akron est utilisé par les responsables de la santé du comté de Cuyahoga pour évaluer la propagation du virus qui cause le COVID-19 dans le nord-est de l'Ohio.

"Nos prévisions du nombre de nouvelles infections quotidiennes sont assez précises pour deux à trois semaines à venir, et depuis quelques mois, " a déclaré Daniela Calvetti, le professeur de mathématiques James Wood Williamson, Mathématiques appliquées et statistiques à Case Western Reserve. "Ce niveau de précision a pu aider les institutions à planifier la hausse - et dernièrement le ralentissement - dans les cas au lieu de réagir au fur et à mesure qu'ils se produisent."

Calvetti est un data scientist parmi un groupe informel de chercheurs des deux institutions qui ont développé le modèle. Leurs premières conclusions ont été rendues publiques pour la première fois à la mi-juin lors d'une conférence de presse avec le Conseil de santé du comté de Cuyahoga, qui continue à utiliser les données pour ses prévisions, a déclaré Johnie Rose, membre du groupe, un autre scientifique de Case Western Reserve qui a travaillé avec le Board of Health pendant plusieurs années sur d'autres projets de données.

Pour l'instant, le groupe fournit des prévisions régulières au Conseil de santé et à d'autres institutions comme les hôpitaux, mais Calvetti et Rose ont déclaré qu'ils prévoyaient éventuellement de les publier en ligne pour être vus par le public. Calvetti a posté quelques diapositives illustrant la recherche sur son propre site.

"Les gens ont faim de ces chiffres en ce moment pour éclairer leurs décisions de dotation dans les hôpitaux ou dans d'autres services essentiels, " dit Rose, un médecin et épidémiologiste en médecine préventive et en santé publique du Center for Community Health Integration de la Case Western Reserve School of Medicine.

"Mais le grand public aimerait peut-être voir ces informations pour aider à prendre des décisions - et pour illustrer le temps réel, importance réelle de la distanciation sociale ou du port de masques ou de la limitation des déplacements pour ralentir la propagation du virus, " il a dit.

Les data scientists collaborent

Le groupe a commencé à collaborer sur une variété de projets de recherche COVID-19 début avril, peu de temps après la confirmation d'une pandémie, des scientifiques et d'autres personnes ont été dispersés dans divers lieux de séjour à domicile, dit Calvetti.

Le papier, publié dans la revue Frontières en physique , détaille les théories et les calculs mathématiques sous-jacents du modèle.

Parmi les auteurs figuraient Calvetti, Rose et Erkki Somersalo, un professeur de mathématiques à Case Western Reserve; et Alex Hoover, professeur adjoint de mathématiques appliquées à l'Université d'Akron.

Le document a présenté un modèle qui tenait compte de la transmission du virus par des individus infectés mais asymptomatiques ainsi que des schémas de navettage pour étoffer les différences dans la propagation du virus en milieu rural et urbain.

Leur modèle utilise les données du recensement sur la population et la mobilité (pas des informations personnelles) pour modéliser le trafic pendulaire, et « la dynamique géographique de la contagion montre un rôle des grandes autoroutes des grandes villes vers les zones suburbaines et rurales environnantes, " a déclaré Calvetti.

Hoover a déclaré que lorsque la région a fermé, il a commencé à réfléchir à la façon dont les zones métropolitaines sont reliées par des autoroutes et à la façon dont elles fonctionnent comme un réseau pour propager la maladie.

« Même si une grande partie de notre entreprise a été fermée, les travailleurs essentiels allaient encore travailler, et s'ils vivent dans un comté et travaillent dans un autre, alors il y avait encore une chance de propager la maladie plus loin, " il a dit, ajoutant que le modèle montrait que "la maladie a d'abord frappé durement les comtés urbains denses, avant de suivre les autoroutes vers les petits comtés ruraux.

Et après?

R0, ou R-néant, est un nombre que les organisations de santé utilisent pour prévoir si une épidémie se propagera. Tout simplement, R0 est le nombre moyen de personnes dans une population qui n'a pas été infectée qui attraperont une nouvelle maladie d'une seule personne infectée.

Donc, si le R0 est supérieur à 1, l'infection va probablement continuer à se propager, et s'il est inférieur à 1, l'épidémie va probablement reculer.

Calvetti et Rose ont tous deux cité un nombre Ro inférieur à 1 dans le comté de Cuyahoga comme prédicteur que le nombre d'infections continuera de diminuer. Mais cette prédiction ne doit pas être interprétée comme une permission de se détendre, dit Cavetti.

"Jusqu'à ce qu'il y ait un vaccin, la complaisance n'a sa place nulle part, indépendamment de la densité de population ou des projections, " dit-elle. " Parce que, si les gens bougent, le virus aussi, et une fois qu'il atteint (à nouveau) des zones densément peuplées, il peut provoquer une deuxième épidémie."