Selon une étude menée par Complexity Science Hub Vienna publiée dans Proceedings of the National Academy of Sciences, avec le premier pic d'épidémie de COVID-19 derrière eux, de nombreux pays ont expliqué la diminution du nombre d'infections grâce à des interventions non pharmaceutiques. Des expressions comme «distanciation sociale» et «aplatir la courbe» font désormais partie du vocabulaire commun. Pourtant, certaines explications sont insuffisantes. En effet, comment expliquer la montée linéaire des courbes d'infection, que de nombreux pays affichent après le premier pic, contrairement aux courbes attendues des modèles épidémiologiques?
Selon les chercheurs, au début de la pandémie, les courbes d'infection à la COVID-19 montraient la croissance exponentielle attendue, s'epliquant par un soi-disant effet boule de neige. En effet, une personne infectée en infecterait quelques autres, et dans une réaction en chaîne, celles-ci transmettraient également le virus à quelques autres. Avec des mesures telles que la distanciation sociale, les gouvernements ont tenté de pousser le taux de croissance en dessous du taux de récupération et donc de réduire massivement le nombre de nouvelles infections. Dans cette logique, cependant, les individus auraient infecté moins d'une autre personne, et la courbe se serait aplatie , atteignant finalement zéro, quelque chose qui ne s'est pas produit. Les chercheurs ont plutôt observé
un niveau constant d'infections avec un nombre similaire de nouvelles infections chaque jour
Les chercheurs ont expliqué la forme linéaire des courbes par une forme d'étalement différente de celle initialement prévue. Ils ont supposé que la dynamique d'étalement se poursuivait dans de petits groupes limités. . Selon les chercheurs, la plupart des gens sont allés au travail, ont été infectés et ont transmis la maladie à deux ou trois personnes à la maison, puis ces personnes sont retournées au travail ou à l'école. L'infection se propageait essentiellement d'un groupe à l'autre. Le changement des courbes d'infection de la forme en S à un comportement linéaire est clairement un effet de réseau, une dynamique très différente des grands événements de super-propagation.
Les chercheurs ont montré qu'il existe un nombre critique de contacts, qu'ils appellent degré de réseaux de contact ( degree of contact, Dc), en dessous duquel une croissance linéaire et une faible prévalence d'infection doivent se produire. Ils ont trouvé que Dc était égal à 7,2, en supposant que les personnes circulent dans un réseau pertinent pour les coronavirus d'environ cinq personnes, ce qui est encore plus bas lors d'un confinement efficace (taille du ménage 2,5 personnes en moyenne).
Au lieu d'avoir à affiner les paramètres, leur modèle permet un large éventail de possibilités qui maintiennent les courbes d'infection linéaires. Cela explique pourquoi des courbes d'infection linéaires apparaissent dans tant de pays, quelle que soit l'ampleur des interventions non pharmaceutiques imposées. Dans une étape supplémentaire, les scientifiques ont comparé l'Autriche, un pays qui a rapidement réagi par un confienement sévère, et les États-Unis, qui n'avaient initialement pas imposé de mesures sévères. Selon les chercheurs, leur modèle fonctionne pour les deux scénarios. Les deux types de pays ont montré des courbes linéaires, mais dans le cas des États-Unis et d'autres pays comme la Suède, celles-ci se sont simplement produites à un niveau beaucoup plus élevé.
Le modèle explique non seulement l'émergence d'un régime de croissance linéaire, mais explique également pourquoi l'épidémie pourrait s'arrêter en deçà des niveaux d'immunité collective en raison d'une distanciation sociale conséquente. Pour la procédure de modélisation standard, les scientifiques de la complexité utilisent un modèle dit compartimental avec des modèles SIR, en l'étendant avec la transmission de cluster décrite.
Aucun commentaire:
Enregistrer un commentaire