Aux premiers signes d'une épidémie, épidémiologistes, les fournisseurs de soins de santé, créateurs de politiques, et les scientifiques se tournent vers des modèles prédictifs sophistiqués pour déterminer comment une maladie se propage et ce qui doit être fait pour minimiser la contagion. Une collaboration de recherche entre la Tandon School of Engineering de l'Université de New York et le Politecnico di Torino en Italie bouleverse le processus de modélisation traditionnel, produisant des prédictions à la fois plus simples à calculer et plus adaptées à un monde hyper-connecté.

Tous les modèles prédictifs corrélent le mouvement d'une maladie à travers une population au fil du temps, mais les simulations actuelles ne parviennent pas à rendre compte d'une idée apparemment évidente :que la mobilité et l'activité varient selon les personnes, et que ces variations ont un impact sur la probabilité de contracter ou de propager une maladie.

Un nouveau paradigme a été expliqué dans un article publié dans Lettres d'examen physique par Maurizio Porfiri, professeur de génie mécanique et aérospatial à NYU Tandon, Alessandro Rizzo, professeur invité à NYU Tandon et professeur agrégé d'ingénierie de contrôle à Politecnico, et Lorenzo Zino, un doctorant Politecnico en mathématiques pures et appliquées.

Les chercheurs supposent que certaines personnes sont plus actives, certains moins, et leur modèle explique comment ces différences peuvent avoir un impact sur la propagation de la maladie. Leur approche permet une modélisation nuancée de différentes maladies - d'un virus aéroporté hautement contagieux tel que la grippe, qui se déplace rapidement chez les personnes à forte mobilité mais est limitée par celles qui s'isolent, à un virus comme le VIH, qui a une longue période de latence et un taux de transmission plus lent.

"La façon dont je bouge est la façon dont j'attrape une maladie, " a déclaré Porfiri. " Nous changeons le point de vue à partir duquel nous commençons les simulations d'épidémies, car nous ne pouvons pas comprendre comment une petite épidémie évolue en une épidémie sans comprendre comment les niveaux d'activité des différentes personnes aident à la propager. "

Plusieurs modèles traditionnels supposent l'homogénéité au sein de la communauté. "C'est comme si les malades étaient tous dans un endroit précis, se connecter avec un nombre défini de personnes, et ce n'est pas réaliste, " a déclaré Rizzo. "Certaines personnes font plus de liens que d'autres, et l'échelle de ces connexions peut être comparable à l'échelle de la maladie. »

Porfiri et Rizzo ont expliqué que les simulations traditionnelles utilisent une approche « temps discret/activité continue », ce qui nécessite généralement des simulations étendues et longues. Les chercheurs emploient des systèmes plus simples d'équations différentielles couplées qui permettent la manipulation de facteurs pouvant influencer la propagation de la maladie.

Il s'agit de la première recherche à émerger d'une période de trois ans, 375 $, 000 Bourse de la National Science Foundation attribuée à l'équipe pour étudier l'évolution concomitante de la dynamique des maladies infectieuses et des réseaux à travers lesquels elles se propagent. La recherche a également été financée en partie par des subventions du U.S. Army Research Office (ARO) et de la Compagnia di San Paolo.

L'équipe a développé l'une des rares approches de modélisation des maladies qui utilise les hétérogénéités des niveaux d'activité comme facteur de propagation de la maladie. Dans des expériences pour tester leur modèle, l'équipe a prédit avec succès le mouvement de la grippe sur un campus universitaire et la propagation d'un sujet tendance sur Twitter.

"Nous avons des possibilités infinies de voir l'impact des interventions, " a déclaré Porfiri. "Nous pouvons comprendre comment les vaccins, quarantaine, ou d'autres paramètres influencent la contagion. Certaines maladies prennent feu, tandis que d'autres sont immédiatement annulés. Ce cadre permet d'analyser pourquoi et comment cela se produit."

À l'avenir, les chercheurs s'attendent à ce que ce modèle facilite les efforts de gestion lors d'une épidémie, y compris la mise en œuvre de stratégies de vaccination, évaluer les risques et les avantages des interdictions de voyager, et évaluer l'efficacité des campagnes de prévention des maladies.