Des chercheurs de l’Université métropolitaine de Tokyo ont effectué des simulations numériques basées sur la théorie des réseaux qui montrent comment le nombre d’infections dans une pandémie change lorsqu’une nouvelle variante apparaît.
Ils ont trouvé une dépendance non linéaire entre le degré d’infectiosité de la nouvelle variante par rapport à celle existante, un effet non observé dans les travaux précédents. Leur modèle peut être appliqué pour comprendre de véritables pandémies telles que COVID-19 et éclairer les mesures de contrôle.
Depuis qu’il a commencé à se propager fin 2019, le COVID-19 a eu un impact dévastateur sur la vie des gens. Alors que vague après vague de nouvelles variantes continuent de faire des ravages dans le monde, les scientifiques ont cherché des moyens de comprendre comment la maladie se propage. En particulier, il y a la question de savoir comment de nouvelles variantes apparaissent, se propagent et finissent par déplacer la souche existante. Comprendre la dynamique des variants dans une population est essentiel pour contrôler leur propagation.
Un cadre classique pour modéliser la dynamique de la pandémie est le modèle SIR « compartimental », qui examine le nombre de membres sensibles (S), infectés (I) et récupérés (R) d’une population. Les nombres sont liés par des équations et résolus, donnant de nombreuses caractéristiques saillantes de la propagation d’une maladie; la pandémie se propage rapidement avant de ralentir à mesure que le nombre de cas sensibles diminue et que davantage de patients se rétablissent.
Cependant, le modèle ne peut pas rendre compte de la nature variée de la population, c’est-à-dire qu’un individu infecté donné n’a pas la même probabilité d’infecter tous les autres, et le nombre de contacts que les gens ont peut varier considérablement d’une personne à l’autre. Tout modèle qui tente de saisir la dynamique de la pandémie et de comprendre où et comment elle se propage doit utiliser un modèle plus sophistiqué.
C’est pourquoi le professeur émérite Yutaka Okabe et le professeur Akira Shudo de l’Université métropolitaine de Tokyo se sont tournés vers la théorie des réseaux, un cadre mathématique capable de saisir comment les différents membres d’une population se connectent aux autres. En utilisant différents types de réseaux, ils ont pu créer un modèle plus réaliste de la propagation d’une maladie infectieuse. Les principales caractéristiques comprenaient des états absorbants dynamiques, des états dans lesquels le réseau peut rester bloqué au fil du temps, par exemple un état sans personnes infectées. Avec quelques infections et une faible infectiosité, le réseau reviendrait à l’état sans infection.
L’équipe a effectué une simulation numérique du modèle microscopique sur le réseau ; au milieu d’une simulation de maladie infectieuse, ils ont ajouté une variante plus transmissible que la souche d’origine. En regardant les chiffres, l’équipe a découvert qu’une variante avec la même infectiosité que la souche existante ne parvient en fait pas du tout à décoller.
Il s’agit d’un résultat direct de la nature non linéaire de la simulation, car le réseau s’effondre vers un état absorbant sans infections. Au fur et à mesure que l’infectiosité de la nouvelle variante augmente, la population devient plus susceptible d’être infectée par la variante par opposition à la souche existante, ce qui augmente le taux de la nouvelle souche au détriment de l’ancienne.
La nature non linéaire de la façon dont le nombre d’infections augmente avec l’infectiosité variante est un produit de la nature microscopique du modèle de réseau, donnant une image plus détaillée et nuancée qu’auparavant.
L’équipe espère que leur modèle pourra être utilisé pour former des stratégies efficaces pour contenir les maladies infectieuses, en examinant les points de connectivité importante dans le réseau et en comprenant comment leur isolement affecte les infections globales. Alors que la pandémie de COVID-19 continue de faire rage, des études fondamentales sur la propagation des maladies sont un élément essentiel d’une prise de décision éclairée visant à ramener une vie normale dans la société.
