Deux courbes de pandémie de COVID-19 sont apparues dans de nombreuses villes au cours de la période d'un an allant de mars 2020 à mars 2021.

Bizarrement, le nombre total d'infections quotidiennes signalées lors de la première vague est bien inférieur à celui de la seconde, mais le nombre total de décès quotidiens signalés lors de la première vague est beaucoup plus élevé que lors de la deuxième vague.

Cette contradiction a inspiré des chercheurs de l'Université de Nicosie à Chypre à explorer l'incertitude du nombre quotidien d'infections signalées lors de la première vague, causée par une recherche de contacts insuffisante entre mars et avril 2020.

Dans Physique des fluides , Talib Dbouk et Dimitris Drikakis rapportent qu'ils utilisent la dynamique des fluides de l'environnement (modélisation et simulations multiphysiques multi-échelles informatiques avancées) pour développer une relation constitutive entre les conditions météorologiques saisonnières, comme la température, humidité relative, et la vitesse du vent, et avoir deux courbes pandémiques par an.

"Nous avons intégré une nouvelle relation basée sur la physique dans un modèle de prévision pandémique qui prédit avec précision, comme on l'a observé plus tard, une deuxième vague pandémique de COVID-19 dans de nombreuses villes du monde, dont New York, " dit Drikakis.

Plus, sinon tout, des données sur le nombre quotidien de nouvelles infections signalées au cours de la première vague de la pandémie ont été sous-estimées et utilisées de manière incorrecte.

« Dans la ville de New York, nos travaux montrent que le nombre quotidien de nouvelles infections signalées lors de la première vague a été sous-estimé d'un facteur quatre, " dit Dbouk. " Alors, l'incertitude des données de la première vague mélangées aux données de la deuxième vague signifie que les conclusions générales tirées peuvent être trompeuses, et tout le monde doit en être conscient."

Le travail des chercheurs est le premier cas connu de dérivation d'un modèle avancé de quantification de l'incertitude pour les cas infectés de la première vague de la pandémie sur la base de simulations de dynamique des fluides des effets météorologiques.

"Notre modèle est basé sur la physique et peut corriger les insuffisances des données de la première vague en utilisant l'adéquation des données de la deuxième vague dans une courbe pandémique, " a déclaré Drikakis. " Notre approche proposée combine un taux de transmission de virus basé sur la saisonnalité de la météo environnementale avec des phénomènes pandémiques multi-ondes pour améliorer la précision des données des prévisions statistiques. "

À l'avenir, le modèle de quantification de l'incertitude proposé par les chercheurs peut aider à corriger le nombre total mondial d'infections quotidiennes à coronavirus signalées par de nombreuses villes au cours de la première vague d'une pandémie.