Des chercheurs de l’Université de Waterloo ont créé le premier modèle informatique qui simule de nombreuses variables affectant la transmission de la COVID-19 pour ralentir la propagation des variantes.
Le modèle prend des données brutes déjà utilisées pour prévoir le nombre de cas et les hospitalisations, puis ajoute d’autres facteurs, tels que les taux de vaccination, l’utilisation de masques et de confinements, et le nombre de percées d’infections.
Les chercheurs ont basé leur modèle de calcul sur l’expérience récente de l’Ontario avec la COVID-19 et sur les données de la Table consultative scientifique de l’Ontario sur la COVID-19.
Nous étions en train de construire le modèle lorsque la variante Delta était encore la plus répandue en Ontario. Nous avons simulé une variante similaire à Omicron, et le modèle est utile pour comprendre les variantes à venir. »
Anita Layton, professeure de mathématiques appliquées à Waterloo et titulaire de la Chaire de recherche Canada 150 en biologie mathématique et médecine
L’équipe de recherche peut modifier les paramètres du modèle informatique pour voir ce qui se passerait avec une nouvelle variante. Il peut également montrer ce qu’il faudrait pour arrêter les variantes qui sont plus contagieuses que les autres. En conséquence, le modèle peut montrer où les niveaux de vaccination doivent être ou quels niveaux de restrictions sont nécessaires pour tenir une nouvelle variante à distance.
« Cela inclut la vaccination et différents types de vaccins, les retards dans les deuxième et troisième doses, les impacts des restrictions et même la concurrence entre différentes variantes préoccupantes », a déclaré Mehrshad Sadria, doctorant en mathématiques appliquées à Waterloo qui a également travaillé sur le nouveau modèle. . « Nous voulons que les décideurs politiques et les parties prenantes disposent des informations les plus pertinentes afin qu’ils puissent prendre les meilleures décisions. »
Les chercheurs prévoient de développer le modèle pour inclure encore plus de facteurs qui influencent la propagation du COVID-19 dans des communautés spécifiques.
« Nous aimerions étudier comment les personnes d’âges différents sont touchées et comparer différents niveaux de vaccination entre et au sein des groupes d’âge », a déclaré Layton. Nous cherchons également à le rendre plus raffiné afin de pouvoir nous concentrer sur des régions spécifiques de l’Ontario, ce qui peut ensuite être utile pour examiner la répartition des ressources. »
L’article de l’équipe de recherche sur le modèle de calcul apparaît dans Scientific Reports. Le projet est né d’une collaboration de recherche au sein du Réseau universitaire de santé et s’est élargi grâce à un financement rapide de la recherche des Instituts de recherche en santé du Canada.
