Selon une étude menée par Massachusetts Institute of Technology publiée sur Proceedings of the National Academy of Sciences, il y a eu de nombreux cas documentés d'événements de «super-propagation» du COVID-19, dans lesquels une personne infectée par le virus SARS-CoV-2 infecte de nombreuses autres personnes.Selon les chercheurs, ces évènements ont un impact beaucoup plus important que prévu.
L'étude d'environ 60 événements de super-propagation montre que les événements où une personne infecte plus de six autres personnes sont beaucoup plus fréquents que ce à quoi on pourrait s'attendre si la gamme des taux de transmission suivait les distributions statistiques couramment utilisées en épidémiologie.
Sur la base de leurs résultats, les chercheurs ont également développé un modèle mathématique de transmission du COVID-19, qu'ils ont utilisé pour montrer que limiter les rassemblements à 10 personnes ou moins pourrait réduire considérablement le nombre d'événements de super-propagation et abaisser le nombre total d'infections.
Pour le virus SRAS-CoV-2, le «nombre de reproduction de base» est d'environ 3, ce qui signifie qu'en moyenne, chaque personne infectée par le virus le transmettra à environ trois autres personnes. Cependant, ce nombre varie considérablement d'une personne à l'autre. Certaines personnes ne transmettent la maladie à personne d'autre, tandis que les «super-propagateurs» peuvent infecter des dizaines de personnes. Les chercheurs ont entrepris d'analyser les statistiques de ces événements de super-propagation.
Les chercheurs ont défini les super-épandeurs comme des individus qui ont transmis le virus à plus de six autres personnes. En utilisant cette définition, ils ont identifié 45 événements de super-propagation de la pandémie actuelle de SRAS-CoV-2 et 15 événements supplémentaires de l'épidémie de SRAS-CoV de 2003, tous documentés dans des articles de revues scientifiques. Au cours de la plupart de ces événements, entre 10 et 55 personnes ont été infectées, mais deux d'entre elles, toutes deux issues de l'épidémie de 2003, impliquaient plus de 100 personnes.
Compte tenu des distributions statistiques couramment utilisées dans lesquelles le patient typique infecte trois autres, les événements dans lesquels la maladie se propage à des dizaines de personnes seraient considérés comme très improbables. À titre d'exemple, les chercheurs soulignent qu'une distribution normale ressemblerait à une cloche avec un pic autour de trois, avec une queue qui se rétrécit rapidement dans les deux sens. Dans ce scénario, la probabilité d'un événement extrême diminue de façon exponentielle à mesure que le nombre d'infections s'éloigne de la moyenne de trois.
Cependant, les chercheurs ont constaté que ce n'était pas le cas pour les événements de super-propagation de coronavirus. Pour effectuer leur analyse, les chercheurs ont utilisé des outils mathématiques du domaine de la théorie des valeurs extrêmes, qui sont utilisés pour quantifier le risque d'événements. La théorie des valeurs extrêmes est utilisée pour modéliser des situations dans lesquelles les événements extrêmes forment une grande queue au lieu d'une queue effilée. Cette théorie est souvent appliquée dans des domaines tels que la finance et l'assurance pour modéliser le risque d'événements extrêmes, et elle est également utilisée pour modéliser la fréquence d'événements météorologiques catastrophiques tels que les tornades.
À l'aide de ces outils mathématiques, les chercheurs ont découvert que la distribution des transmissions de coronavirus avait une grande queue, ce qui implique que même si les événements de super-propagation sont extrêmes, ils sont toujours susceptibles de se produire.
Afin d'étudier les effets de la connectivité, les chercheurs ont créé et comparé deux modèles de réseaux mathématiques de transmission de maladies. Dans chaque modèle, le nombre moyen de contacts par personne était de 10. Cependant, ils ont conçu un modèle pour avoir une distribution exponentiellement décroissante des contacts, tandis que l'autre modèle avait une grosse queue dans laquelle certaines personnes avaient de nombreux contacts. Dans ce modèle, beaucoup plus de personnes ont été infectées par des événements super-propagateurs. La transmission s'est arrêtée, cependant, lorsque des personnes ayant plus de 10 contacts ont été retirées du réseau et supposées être incapables d'attraper le virus.
Les résultats suggèrent que la prévention des événements de super-propagation pourrait avoir un impact significatif sur la transmission globale de la COVID-19
Aucun commentaire:
Enregistrer un commentaire