Nouvelles

COVID-19: Propagation du virus prévisible avec un nouveau modèle


Un nouveau modèle peut prédire la propagation du virus

Le nouveau coronavirus SRAS-CoV-2 s'est propagé à travers le monde en peu de temps, les mouvements de personnes étant le facteur décisif. Les chercheurs ont maintenant présenté un nouveau modèle de calcul de la propagation du virus, qui permet de prédire avec précision la distribution du virus en fonction des flux de population.

La nouvelle approche du suivi des flux de population pour prédire la propagation du SRAS-CoV-2 et des maladies apparentées (COVID-19) a été développée par une équipe de recherche internationale et vérifiée à l'aide des données disponibles. Il permet des prédictions précises de l'infection même sans applications de traçage individuelles ou autres applications comparables. Les chercheurs ont publié leurs résultats dans la revue "Nature".

Données en temps réel sur les mouvements de population

La méthode "diffère des modèles épidémiologiques existants en ce qu'elle utilise des données en temps réel sur les flux de population, par ex. Des données sur l'utilisation du téléphone et d'autres ressources Big Data », rapportent les chercheurs. Par exemple, les données de localisation des téléphones mobiles d'environ 11,5 millions de personnes qui se trouvaient dans la ville chinoise de Wuhan en janvier 2020 ont été utilisées pour développer la nouvelle approche. Wuhan est considérée comme le point de départ de la pandémie corona.

Prédiction du nombre d'infections possible

Les données, fournies par un grand opérateur mobile chinois, montrent que "les habitants de Wuhan se sont rendus dans 296 préfectures de 31 provinces et régions du pays", rapportent les chercheurs. Ces données de flux de population ont ensuite été comparées aux nombres de cas COVID 19. Il a montré que «la répartition des personnes quittant Wuhan prédisait avec précision la fréquence relative des infections de suivi par COVID-19 à travers la Chine d'ici le 19 février 2020».

Temps, intensité et répartition géographique

En outre, les chercheurs ont développé un modèle de calcul pour l'évaluation des risques afin de prédire les cas survenus et d'identifier les endroits où il existe un risque de taux de transmission élevé au début de l'épidémie. «Ce travail montre qu'il est possible de prédire très précisément le moment, l'intensité et la répartition géographique de l'épidémie de COVID-19 en se basant uniquement sur les mouvements de population», a déclaré le professeur Nicholas A. Christakis de l'Université de Yale, qui travaille à la L'étude était impliquée.

«Ce qui est innovant dans notre approche, c'est que nous utilisons des erreurs de jugement pour évaluer le niveau de risque communautaire. Notre modèle nous indique exactement combien de cas nous devons compter avec des dates de voyage données. Nous comparons cela aux cas confirmés, en utilisant la logique que ce qui ne peut pas être expliqué par les cas importés et les transmissions primaires a été diffusé au sein de la communauté locale », a déclaré Jayson Jia de l'Université de Hong Kong, un autre auteur de l'étude. .

Applicable à toutes les données de transaction

Selon l'équipe de recherche, le nouveau modèle peut également être appliqué à tout enregistrement de données qui enregistre précisément les mouvements des personnes, tels que Billets de train ou données sur les péages automobiles. «Les gens propagent des maladies contagieuses lorsqu'ils se déplacent (et) en suivant avec précision les mouvements de population au fil du temps, nous pouvons prédire comment la contagion se propagera géographiquement», a déclaré le professeur Christakis.

Outil efficace pour contenir l'épidémie

En suivant les mouvements de population en temps réel, le modèle fournit aux décideurs politiques et aux épidémiologistes un outil efficace pour limiter les effets d'une épidémie et sauver des vies, a déclaré le professeur Christakis. L'utilisation de techniques d'analyse des données permettra de contenir les infections avant qu'une épidémie dévastatrice n'éclate ou n'éclate à nouveau. (fp)

Informations sur l'auteur et la source

Ce texte correspond aux spécifications de la littérature médicale, des directives médicales et des études en cours et a été vérifié par des médecins.

Dipl. Geogr. Fabian Peters

Se gonfler:

  • Jayson S. Jia, Xin Lu, Yun Yuan, Ge Xu, Jianmin Jia, Nicholas A. Christakis: Les flux de population déterminent la distribution spatio-temporelle du COVID-19 en Chine; dans: Nature (publié le 29 avril 2020), nature.com
  • Université de Yale: des chercheurs conçoivent un nouveau modèle pour suivre la propagation du COVID-19 (publié le 29 avril 2020), news.yale.edu


Vidéo: Coronavirus: comment le Brésil est passé dune avant-garde médicale au chaos du Covid-19 (Juin 2021).