Répondre à la crise du COVID-19 en modélisant sa dynamique incertaine grâce à des approches statistiques et dynamiques
La COVID-19 affecte actuellement la totalité de pays du monde et fait peser de graves menaces sur la santé publique ainsi que sur la stabilité économique et sociale. Des scientifiques du LSCE-IPSL ont pu modéliser et extrapoler en temps quasi réel l'évolution de l'épidémie du COVID-19. Une prouesse scientifique qui nécessite une compréhension approfondie des non-linéarités qui minent la dynamique des épidémies.
Dans un premier article, les scientifiques montrent que les prédictions en temps réel des infections COVID-19 sont extrêmement sensibles aux erreurs de collecte de données et dépendent essentiellement du dernier point de mesure disponible.
Ces idées ont été testées dans des modèles statistiques (logistiques) et dynamiques (Susceptible-Exposed-Infected-Recovered) qui sont largement utilisés pour prévoir l'évolution de l'épidémie de COVID-19.
L'objectif a été de montrer comment les incertitudes résultant à la fois de la mauvaise qualité des données et des estimations inadéquates des paramètres du modèle (taux d’incubation, d’infection et de récupération) se propagent aux extrapolations à long terme du nombre d’infections.
|
|
Estimations du nombre total d'infections COVID-19 au Royaume-Uni pendant la première vagues. Les extrapolations purement statistiques montrent d'énormes fluctuations en fonction de l'ampleur du dernier point de données disponible. Ils suggèrent d'utiliser un approche de modélisation mixte statistique et dynamique (modèle SEIR stochastique).
|
|
©
D. R.
|
Cette connaissance a permis de réaliser quelques scenarios de propagation de la COVID19 où, même avec des grandes incertitudes, la menace d'une deuxième vague était bien détectable déjà au printemps 2020.
Pour en savoir plus
Références de publication :
- Asymptotic estimates of SARS-CoV-2 infection counts and their sensitivity to stochastic perturbation. Davide Faranda, Isaac Pérez Castillo, Oliver Hulme, Aglaé Jezequel, Jeroen S. W. Lamb, Yuzuru Sato, and Erica L. Thompson et al. Chaos 30, 051107 (2020); https://doi.org/10.1063/5.0008834
- Modeling the second wave of COVID-19 infections in France and Italy via a stochastic SEIR model. Davide Faranda and Tommaso Alberti et al. Chaos 30, 111101 (2020); https://doi.org/10.1063/5.0015943
Contact
Davide Faranda, LSCE-IPSL - davide.faranda@lsce.ipsl.fr
Source : LSCE-IPSL .