Près de 48 millions de personnes dans le monde ont été infectées par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) qui provoque la maladie COVID-19. Le virus se propage rapidement d'une personne à l'autre, et depuis son apparition fin décembre 2019, la dynamique de sa propagation a été étudiée de manière approfondie.
Les chercheurs M. Shayak du Département de mécanique théorique et appliquée, Mechanical and Aerospace Engg, Université Cornell, État de New York, et Mohit Sharma du Département des sciences de la santé des populations, Weill Cornell Medicine, État de New York, États-Unis, se sont plongés dans la dynamique de la propagation des maladies infectieuses dans le contexte de la pandémie actuelle. Leur étude intitulée «Une nouvelle approche de la modélisation dynamique d'une maladie infectieuse» a été publiée avant la publication du medRxiv * serveur.
Sommaire
Contexte et objectif de la recherche
La propagation rapide du SRAS-CoV-2 à travers le monde malgré la fermeture prématurée des frontières et l'arrêt des voyages internationaux a suscité un intérêt et fait évoluer les connaissances sur la propagation des infections. Le duo de chercheurs estime que la modélisation mathématique reste le «seul outil scientifique qui nous permet de prédire à l'avance les trajectoires de la maladie et de prendre des mesures d'intervention en conséquence».
Selon les chercheurs, il existe quatre approches pour une telle modélisation. Ceux-ci inclus:
- Paramètre groupé ou modèle compartimenté utilisé plus d'un siècle auparavant pour modéliser la dynamique de propagation de la peste – cette étude a utilisé ce modèle.
- Modèle basé sur les agents – considère les individus d'une population comme des «sites en treillis sur un réseau». Utilisé par la London School of Hygiene and Tropical Medicine, Imperial College et Los Alamos National Laboratory.
- Modèle d'équation différentielle stochastique – combine les caractéristiques des deux méthodes ci-dessus. Les exemples incluent le modèle de l'Université Cornell et le modèle de l'Université de Jadavpur.
- Modèle basé sur les données – Prend les données existantes sur la propagation du COVID-19 au cours de la semaine ou du mois écoulé et utilise l'apprentissage automatique pour générer une prédiction ou une prévision de propagation.
Le mode de base
Dans le modèle de base, les chercheurs présentent la dérivation et les solutions du modèle de base. L'équipe suppose une immunité permanente, c'est-à-dire que tous les cas guéris sont insensibles à une infection ultérieure pour toujours. La population de cas divisée en trois parties.
- cas de contact tracés
- cas symptomatiques non retracés
- cas asymptomatiques non tracés
Cette étude a montré que le modèle de base lui-même était capable de générer une gamme variée de trajectoires épidémiques. Celles-ci correspondent au cours de la pandémie observée dans le monde en temps réel, ont-ils écrit. Ils appellent ce modèle de base «réaliste» et avantageux par rapport aux modèles conventionnels à paramètres localisés. L'équipe a écrit: «Désormais, nous nous concentrons sur l'extension du modèle de base à divers scénarios qui peuvent survenir et surviennent dans la réalité, en termes d'interventions de santé publique et de réponse immunitaire».
Effets sur la santé publique
L'équipe déclare qu'en tant que chercheurs privés, ils n'ont pas eu accès à toutes les données de santé publique mais tentent d'utiliser les données disponibles pour prédire les trajectoires de propagation de la maladie et les effets sur la santé de la population. Ils ont recueilli des données telles que le nombre d'hospitalisations et de décès ainsi que les cas cumulés.
Certaines des variables qu'ils ont prises en compte étaient l'âge et la vulnérabilité des populations et la structure de la transmission de l'infection. Ils ont classé la société en deux classes – les jeunes et les personnes âgées. Les jeunes sont ceux qui sont les moins vulnérables, quel que soit leur âge. Cela incluait même des enfants de 60 ans immunocompétents sans comorbidités connues. Les personnes âgées étaient celles qui étaient vulnérables, y compris les jeunes de 20 ans souffrant de troubles immunitaires connus.
Leurs calculs ont montré: « Non seulement la population non masquée est infectée presque entièrement, mais il y a aussi plus de 50 pour cent de taux d'infection parmi les personnes masquées. » Ils ont ajouté: «Ce type de statistique peut être utilisé par les autorités de santé publique pour encourager l'utilisation du masque – en ne masquant pas, non seulement vous augmentez vos propres chances d'attraper la couronne, mais vous soumettez également les personnes respectueuses de la loi à des risques supplémentaires. «
Ils ont également découvert que les super-épandeurs étaient de deux types:
- les gens qui interagissent beaucoup avec les autres
- les personnes qui ont une charge virale exceptionnellement élevée et infectent presque toutes les personnes avec lesquelles elles entrent en contact
Effets de l'immunité
Les chercheurs ont supposé qu'une infection antérieure fournirait une immunité permanente et empêcherait de nouvelles infections.
L'équipe a examiné le cas où l'immunité contre la maladie dure d'abord pendant une durée fixe et limitée. Ils ont prédit une trajectoire des infections et leurs récupérations dans ce scénario.
En cas de réponse immunitaire complexe à l'infection. Ils ont supposé trois réponses immunitaires différentes, «une immunité stérilisante qui empêche complètement la réinfection, une immunité réduisant la gravité qui atténue les symptômes pendant la réinfection et une immunité réduisant la transmissibilité qui atténue la transmissibilité du patient pendant la réinfection». Ils prennent également en considération une forme sévère, «amélioration dépendante des anticorps (EAD), auquel cas une réinfection prend une forme plus sévère que l'infection d'origine».
À partir de ces scénarios, l'équipe a prédit les trajectoires de l'infection dans les populations.
Conclusions et implications pour l'avenir
En utilisant les modèles mathématiques, l'équipe affirme qu'il est possible de créer des modèles qui combinent différentes variations, notamment l'utilisation de masques, le traçage des contacts et des réponses immunitaires complexes à l'infection.
Les auteurs concluent: << Les maladies infectieuses ont toujours fait partie de l'existence humaine et, avec l'avènement des voyages en avion de ligne, les agents pathogènes peuvent être transportés à l'autre bout du monde en quelques heures. Les tendances actuelles se poursuivant, il est fort probable que les pandémies soient là. Nous espérons qu’il en sera de même de notre modèle. "
*Avis important
medRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé ou être traités comme des informations établies.
