Répondre à la crise du COVID-19 en modélisant sa dynamique incertaine grâce à des approches statistiques et dynamiques

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. Modéliser et extrapoler en temps quasi réel l’évolution de l’épidémie du COVID-19 est un défi scientifique, qui nécessite une compréhension approfondie des non-linéarités qui minent la dynamique des épidémies. Dans un premier article [1], nous montrons 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. Nous testons ces idées 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. Notre 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. Cette connaissance nous a permis de réaliser quelques scenarios de propagation du COVID19 où, même avec des grandes incertitudes, la menace d’une deuxième vague etait bien détectable déjà au printemps 2020 [2].

Références de publication :

[1] Faranda et al. Chaos 30, 051107 (2020); https://doi.org/10.1063/5.0008834

[2] Faranda et al. Chaos 30, 111101 (2020); https://doi.org/10.1063/5.0015943

Articles de presse associés:

  • Modeling COVID-19 data must be done with extreme care, Science Daily [Anglais]
  • Modeling COVID-19 data must be done with extreme care, scientists say, Phys.org [Anglais]
  • Coronavirus, il ricercatore italiano: « Ho perso mio nonno, ora studio i modelli dell’epidemia, Repubblica.it [Italien]
  • ¿Qué se puede hacer para mejorar los modelos de la COVID-19? , SINC.es [Espagnol]

Auteurs:

FARANDA Davide (LSCE-IPSL, CNRS), ALBERTI Tommaso, PÉREZ CASTILLO Isaac, HULME Oliver, JEZEQUEL Aglaé, LAMB Jeroen, SATO Yuruzu, and THOMPSON Erica

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)