Une équipe internationale de chercheurs a développé une approche innovante de modélisation des épidémies qui pourrait transformer la manière dont les scientifiques et les décideurs politiques prédisent la propagation des maladies infectieuses. Dirigée par le Dr Nicola Perra, lecteur en mathématiques appliquées, l’étude publiée dans Avancées scientifiques introduit un nouveau cadre qui intègre des facteurs de statut socio-économique (SES) – tels que le revenu, l’éducation et l’origine ethnique – dans les modèles épidémiques.
« Les modèles épidémiques se concentrent généralement sur des modèles de contact stratifiés selon l’âge, mais ce n’est qu’une partie du tableau », a déclaré le Dr Perra.
« Notre nouveau cadre reconnaît que d’autres facteurs, comme le revenu et l’éducation, jouent un rôle important dans la façon dont les gens interagissent et réagissent aux mesures de santé publique. En incluant ces variables du SSE, nous sommes en mesure de créer des modèles plus réalistes qui reflètent mieux le monde réel. conséquences épidémiques. »
Le Dr Perra et ses collaborateurs ont abordé cette surveillance critique avec un cadre qui utilise des « matrices de contacts généralisées » pour stratifier les contacts dans de multiples dimensions, y compris le SSE. Cela permet une représentation plus détaillée et réaliste de la façon dont les maladies se propagent à travers différents groupes de population, en particulier ceux confrontés à des désavantages socio-économiques.
L’étude démontre comment le fait de ne pas tenir compte de ces variables peut conduire à d’importantes déformations des prévisions épidémiques, compromettant à la fois les stratégies de santé publique et les décisions politiques.
L’approche de l’équipe s’appuie à la fois sur des dérivations mathématiques formelles et sur des données empiriques. Leur étude établit qu’ignorer les dimensions du SSE peut conduire à des sous-estimations de paramètres clés, tels que le nombre de reproduction de base (R0), qui mesure le nombre moyen d’infections secondaires causées par une seule personne infectée.
À l’aide de données synthétiques et de données réelles provenant de Hongrie, collectées pendant la pandémie de COVID-19, les chercheurs montrent comment l’inclusion des indicateurs du SSE fournit des estimations plus précises de la charge de morbidité et révèle des disparités cruciales dans les résultats entre différents groupes socio-économiques.
« La pandémie de COVID-19 nous a brutalement rappelé que le fardeau des maladies infectieuses n’est pas supporté de la même manière au sein de la population », a déclaré le Dr Perra.
« Les facteurs socio-économiques ont joué un rôle décisif dans la façon dont différents groupes ont été touchés, et pourtant la plupart des modèles épidémiques sur lesquels nous nous appuyons aujourd’hui ne parviennent toujours pas à intégrer explicitement ces dimensions critiques. Notre cadre met ces variables au premier plan, permettant des informations plus complètes et plus exploitables. « .
Les chercheurs ont démontré comment leur cadre pouvait quantifier les variations dans l’adhésion aux interventions non pharmaceutiques (NPI) telles que la distance sociale et le port de masque dans différents groupes SES. Ils ont constaté que négliger ces facteurs dans les modèles non seulement dénature la propagation des maladies, mais obscurcit également l’efficacité des mesures de santé publique.
Leur analyse des données hongroises a en outre mis en évidence comment les hétérogénéités des modèles de contact liées au statut socio-économique peuvent conduire à des différences substantielles dans les résultats de la maladie entre les groupes, soulignant la nécessité d’interventions plus ciblées.
« Nos résultats suggèrent que les futures enquêtes sur les contacts devraient s’étendre au-delà des variables traditionnelles comme l’âge et inclure des données socio-économiques plus nuancées », a ajouté le Dr Perra. « L’inclusion de ces facteurs pourrait améliorer considérablement la précision des modèles épidémiques et, par extension, l’efficacité des politiques de santé. »
L’étude souligne le besoin urgent de cadres de modélisation épidémique plus complets alors que les sociétés continuent de lutter contre les impacts persistants du COVID-19 et de se préparer aux futures pandémies. En allant au-delà de l’accent conventionnel mis sur l’âge et le contexte, cette nouvelle approche ouvre la porte à une compréhension plus détaillée de la transmission des maladies et offre un outil puissant pour lutter contre les inégalités en matière de santé.
Ce travail a été réalisé en collaboration avec Adriana Manna (Université d’Europe centrale), le Dr Lorenzo D’Amico (Fondation ISI), le Dr Michele Tizzoni (Université de Trente) et le Dr Márton Karsai (Université d’Europe centrale et Institut de mathématiques Rényi). ).
