Des chercheurs modélisent des scénarios de propagation de l’infection pour comprendre l’impact de COVID-19

Des chercheurs de l’Institut Niels Bohr de l’Université de Copenhague, ainsi que l’épidémiologiste Lone Simonsen de l’Université de Roskilde font partie du panel qui conseille le gouvernement danois sur la manière de lutter contre les différentes situations de propagation de l’infection que nous avons tous vues se dérouler au cours de l’année écoulée.

Les chercheurs ont modélisé la propagation des infections selon divers scénarios, et le coronavirus s’est avéré ne pas suivre les anciens modèles de propagation de la maladie. Une image de plus en plus variée de son comportement et donc de son impact sur la société s’est dégagée.

Dans plusieurs articles scientifiques, les chercheurs ont décrit les connaissances accumulées à ce jour, plus récemment autour du concept de « superspreaders ». Il s’avère que seulement environ 10 % des personnes infectées représentent environ 80 % de la propagation de l’infection. Les résultats ont été publiés dans la revue scientifique Actes de l’Académie nationale des sciences, PNAS.

D’où vient notre connaissance de la propagation des infections ?

Les données que les chercheurs utilisent pour « alimenter » et développer des modèles informatiques proviennent d’un large éventail de sources différentes. Les municipalités danoises ont tenu des inventaires de la propagation de l’infection, et ces données ont l’avantage de provenir d’unités pas trop grandes.

Il y a un haut degré de détail et cela signifie que l’on peut tracer plus clairement le développement local et ainsi construire des paramètres pour le superspreading, auxquels le postdoc Julius Kirkegaard a contribué. La recherche des contacts est une autre source d’information. Dans ce cas, l’accent est mis sur la localisation et la limitation de la transmission du virus chez l’individu. La troisième source est un peu plus compliquée car elle cherche à suivre la chaîne des infections via la séquence génétique du virus.

Qui sont les super-épandeurs ?

Quelle que soit la source examinée par les chercheurs, les résultats sont à peu près les mêmes : 10 % de toutes les personnes infectées représentent jusqu’à 80 % de la propagation de l’infection. Il est donc crucial, en ce qui concerne la propagation du virus, de localiser les soi-disant superpropagations et de découvrir comment se produit la superpropagation. Les chercheurs soulignent qu’à l’heure actuelle, nous ne savons pas exactement ce qui constitue une personne en tant que superpropagateur.

Cela peut être purement dû à des caractéristiques physiologiques personnelles. De plus, il y a divers degrés de superpropagation dans la population, donc ce n’est pas nécessairement juste l’un ou l’autre. Certaines personnes propagent simplement le virus plus que d’autres et la variation entre les personnes sans transmission et les superpropagateurs est grande.

Comment les chercheurs modélisent-ils une population d’un peu moins de 6 millions d’individus ?

Trois catégories de base sont considérées comme importantes lors de la modélisation du comportement de la population, lors du calcul d’un scénario de propagation de l’infection : 1. Le contexte familial, 2. Le contexte professionnel et 3. Les contextes aléatoires dans lesquels les gens se trouvent – en d’autres termes, les personnes à proximité dans les transports en commun, dans les activités de loisirs, etc. Le facteur temps dans les trois cas est crucial, car il faut du temps pour infecter d’autres personnes. En termes de temps, ces trois catégories sont quelque peu identiques en ce qui concerne les maladies courantes, mais pas une variante de coronavirus superpreader.

Mais c’est là que les caractéristiques individuelles du virus entrent en jeu : les super-épandeurs sont assez différents lorsqu’ils sont manipulés dans un modèle informatique. Les méthodes connues de la physique prennent ici toute leur importance, car il est nécessaire de modéliser les individus et leurs contacts.

Les chercheurs ont mis en place des modèles informatiques à la fois pour les scénarios avec et sans superdiffuseurs, et il s’avère que la fermeture des espaces de travail ainsi que des événements sportifs et les transports publics ont le même effet lorsque le modèle ne prend pas en compte les superdiffuseurs. Mais lorsque nous incluons les superdiffuseurs, il y a une différence prononcée et la fermeture d’événements publics a un effet beaucoup plus important.

La modélisation des maladies fait face à de nouveaux défis et à une forte collaboration interdisciplinaire

Les maladies peuvent se comporter très différemment et il est donc extrêmement important d’être à la fois prêt et capable de changer rapidement en ce qui concerne le développement de nouveaux modèles qui reflètent le plus précisément possible les caractéristiques des différentes maladies, si nous espérons les contenir.

La variation biologique des différents virus est énorme. Le SRAS-CoV-2 contient une particularité en ce sens qu’il est le plus contagieux juste avant que l’on ne développe des symptômes. C’est exactement le contraire d’une maladie antérieure qui menaçait de devenir une pandémie, à savoir le SRAS, qui est principalement contagieuse après avoir présenté des symptômes. Les virus sont des machines extrêmement avancées qui trouvent chacune des points faibles spécifiques à exploiter. Un nouveau domaine de recherche se développe rapidement, qui examine comment les virus attaquent les cellules de notre corps. COVID-19 s’est avéré entraîner des progressions de la maladie très différentes pour différents patients. En ce sens, il se comporte de manière chaotique, comme on dit en physique. »

Kim Sneppen, professeur, Université de Copenhague – Faculté des sciences

doctorat l’étudiant Bjarke Frost Nielsen et le professeur Kim Sneppen voient un vaste champ de recherche ouvert dans la collaboration entre la physique et la biologie. La collecte d’un maximum d’informations sur les différents virus est cruciale, permettant ainsi aux physiciens de déployer ces connaissances dans des scénarios de cartographie pour y répondre.

Le potentiel de recherche sur la propagation des infections est grand

Bjarke Frost Nielsen déclare : « Nous devons créer une boîte à outils qui contient une grande variation dans la manière dont nous abordons la propagation de la transmission, dans nos programmes informatiques. C’est la perspective immédiate que nous pouvons voir devant nous, en ce moment. Mathématique la modélisation des maladies existe depuis près de 100 ans, mais malheureusement, peu de progrès ont été réalisés au cours de cette période. Pour parler franchement, les mêmes équations des années 30 sont toujours utilisées aujourd’hui. En ce qui concerne certaines maladies, elles peuvent être correct, mais par rapport aux autres, ils peuvent être très éloignés. C’est là que, en tant que physiciens, nous avons une approche complètement différente. Il existe de nombreux paramètres, c’est-à-dire des dynamiques sociales et des interactions beaucoup plus variées entre les individus sur lesquelles nous pouvons construire nos scénarios . C’est vraiment nécessaire, quand on voit les énormes variations dans les différentes maladies ».