Les modèles mathématiques ont été largement utilisés pour guider les décisions gouvernementales sur la pandémie de COVID-19, de la prévision des résultats à même le test des interventions potentielles.

Cependant, la complexité des scénarios du monde réel pose encore de nouveaux défis théoriques pour la modélisation mathématique de la propagation des épidémies.

Par exemple, les preuves des événements de super-propagation COVID-19 indiquent qu'il est difficile de définir les caractéristiques de ces événements, qui peuvent varier considérablement dans leur durée et le nombre de personnes impliquées.

Les modèles de réseau existants de propagation de l'épidémie se concentrent souvent sur les contacts entre des paires d'individus tout en co-localisant des individus comme sur le lieu de travail, Restaurants, ou salle de gym comprennent généralement plus de deux personnes. Ils omettent également souvent de considérer les durées temporelles hétérogènes de ces interactions à un endroit spécifique.

Dans une nouvelle étude, publié aujourd'hui dans Lettres d'examen physique , les chercheurs ont développé une nouvelle approche de la modélisation des épidémies qui prend en compte les interactions entre deux personnes ou plus au même endroit et pour des durées différentes.

Des hypothèses difficiles

Le modèle développé par l'équipe de recherche internationale, incluant des physiciens de l'Université du Vermont et de l'Université Laval, et dirigé par le professeur Ginestra Bianconi, un mathématicien de l'Université Queen Mary de Londres, a également pris en compte les preuves émergentes qui suggèrent qu'une dose infectieuse minimale est nécessaire pour qu'une infection se produise.

Cette nouvelle approche de modélisation change radicalement les hypothèses bien établies dans la modélisation des réseaux épidémiques, tels que les taux d'infection qui sont linéaires avec le nombre d'individus infectés. Les résultats montrent que les colocalisations combinées à une durée d'exposition hétérogène peuvent conduire à des taux d'infection non linéaires si une dose infectieuse minimale est nécessaire pour qu'une infection se produise probablement.

Professeur Ginestra Bianconi, Professeur de mathématiques appliquées à Queen Mary, a déclaré :« La colocation peut impliquer des groupes de personnes, tandis que les modèles de réseau de propagation épidémique sont généralement basés sur des réseaux de contact décrivant des interactions par paires qui peuvent avoir une topologie très différente de celle des réseaux de contact de colocalisation. La colocalisation se produit également dans le temps, par exemple, je pourrais aller au même gymnase qu'une autre personne, mais nous pourrions ne pas toujours nous rencontrer et nous pourrions y faire de l'exercice pendant une durée différente."

"Notre approche englobe les hétérogénéités des interactions dues à la co-localisation se produisant entre plus de deux personnes pendant différentes périodes de temps et révèle que les noyaux d'infection peuvent être non linéaires dans ces scénarios très hétérogènes, ce qui signifie que s'il y a deux fois plus d'individus infectés visitant un endroit donné, la probabilité d'infection peut également être plus de deux fois plus élevée. Ces résultats jettent un nouvel éclairage sur la nature très hétérogène des événements de super-propagation dans le contexte de COVID-19. »