Une nouvelle étude publiée dans la revue Biologie informatique PLOS révèle comment les données sur le trafic piétonnier des appareils mobiles peuvent améliorer les prévisions Covid-19 au niveau du quartier à New York. La recherche, dirigée par des chercheurs de la Columbia University Mailman School of Public Health and Dalian University of Technology, fournit une nouvelle approche pour prédire la propagation du virus SARS-COV-2 et améliorant les interventions de santé publique ciblées lors de futures épidémies.
La pandémie covide-19 a frappé durement New York, avec des taux d’infection variant radicalement dans les quartiers. Alors que certaines régions ont connu une transmission rapide, d’autres ont vu des taux de transmission et des cas de transmission plus faibles, en grande partie en raison de différences de facteurs socio-économiques, de comportement humain et d’interventions localisées.
Pour répondre à ces inégalités, les chercheurs ont développé un modèle de prévision qui tient compte des modèles de mobilité au niveau du quartier pour fournir des prédictions précises de la propagation de la maladie. Ils ont analysé les données de localisation mobile anonymisées pour suivre le trafic piétonnier dans les restaurants, les magasins de détail et les lieux de divertissement dans 42 quartiers. En intégrant ces modèles de mouvement avec un modèle épidémique, ils ont identifié où et quand les épidémies sont susceptibles de se produire.
« Notre analyse montre clairement comment les activités de routine comme les restaurants ou les achats sont devenues les principales voies de transmission Covid-19 », explique l’auteur principal Sen PEI, Ph.D., professeur adjoint au Département des sciences de la santé environnementale à la Columbia Mailman School. « Ces idées comportementales donnent à notre modèle un pouvoir prédictif beaucoup plus important que les approches conventionnelles. »
Précision de précision pour la propagation Covid-19 du quartier
Cette étude montre comment la modélisation Covid-19 au niveau du quartier peut aider à traiter les disparités en matière de santé en identifiant les modèles de transmission hyperlocaux. La recherche révèle que des espaces intérieurs bondés – en particulier les restaurants et les bars – ont joué un rôle important dans la propagation pandémique précoce. En intégrant les données de mobilité en temps réel, l’équipe a développé un modèle axé sur le comportement qui surpasse les méthodes de prévision traditionnelles pour prédire les cas au niveau communautaire.
Un autre composant critique est l’incorporation par le modèle des effets saisonniers. Les chercheurs ont confirmé le risque de transmission accru de l’hiver, en le liant à des niveaux d’humidité plus faibles qui prolongent la survie du virus dans l’air. Cet ajustement saisonnier permet des prédictions plus précises à court terme, ce qui donne aux responsables de la santé publique un délai de préparation crucial pour préparer les surtensions des infections.
Un outil de réponse pandémique équitable
Le modèle axé sur le comportement pourrait permettre aux services de santé de distribuer des tests et des ressources cliniques et des interventions de santé publique directes où elles ont le plus besoin, garantissant que la protection atteint d’abord les quartiers vulnérables.
En identifiant exactement quand et où les pointes de transmission se produiront probablement, l’approche remplace les conjectures par la prévention ciblée. Par exemple, comme le temps froid pousse les gens à l’intérieur, le modèle pourrait identifier des lieux de collecte qui nécessiteraient des restrictions de capacité.
Affiner le modèle des futures épidémies
Bien que le modèle axé sur le comportement se soit révélé efficace, les chercheurs notent que la mise en œuvre du monde réel nécessite un raffinement supplémentaire. Un défi clé consiste à assurer un accès cohérent à la mobilité et aux données de cas de haute qualité – une limitation face pendant les premières phases de la pandémie lorsque les flux d’information n’étaient pas fiables.
Les chercheurs améliorent désormais le modèle pour intégrer le changement de comportement adaptatif en réponse aux infections et ses commentaires sur la transmission de la maladie. Ces améliorations seront particulièrement vitales pour la préparation et la réponse aux futures pandémies, permettant des prédictions plus précises des modèles de propagation de la maladie.
« Le succès de ce modèle avec Covid-19 ouvre de nouvelles voies pour lutter contre les futures épidémies », explique l’EPI. « En cartographiant la transmission des maladies au niveau communautaire, nous pouvons armer New York – et potentiellement d’autres endroits également – avec des informations pour prendre des décisions plus éclairées lorsqu’ils se préparent et répondent aux menaces émergentes pour la santé. »
Le premier auteur de l’étude est Renquan Zhang, Dalian University of Technology, Dalian, China. Les auteurs supplémentaires incluent Qing Yao, Wan Yang, Kai Ruggeri et Jeffrey Shaman à Columbia; et Jilei Tai à l’Université de technologie de Dalian.
