Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'étude explique l'accroissement linéaire de la courbure de l'infection COVID-19

Avec la première crête COVID-19 épidémique derrière eux, beaucoup de pays ont expliqué la diminution des numéros d'infection par des interventions non-pharmaceutiques. Les expressions comme le « social distançant » et « aplatissent la courbure » ont la partie étée de vocabulaire courant.

Pourtant quelques explications ont fait défaut : Comment on pourrait-il expliquer l'augmentation linéaire de courbures d'infection, que beaucoup de pays manifestent après la première crête, contrairement aux courbures en forme de s, prévues des modèles épidémiologiques ?

Dans un publié de papier neuf dans PNAS (démarches de l'académie nationale des sciences des Etats-Unis d'Amérique), les scientifiques au moyeu Vienne (CSH) de la Science de complexité sont premiers pour offrir une explication pour l'accroissement linéaire de la courbure d'infection.

« Au début de la pandémie, les courbures de l'infection COVID-19 ont montré l'accroissement exponentiel prévu, » dit Stefan Thurner, le président de CSH et le professeur pour la Science des systèmes complexes à l'université médicale de Vienne. Ceci peut être bien expliqué par un soi-disant effet de boule de neige : Une personne infectée infecterait quelques autres, et dans une réaction en chaîne, ceux réussiraient au virus en circuit à quelques uns d'autres aussi bien.

Avec des mesures aimez distancer social, gouvernements jugés pour pousser le taux de croissance en dessous du taux de guérison et pour cette raison pour réduire massivement le nombre d'infections neuves. Dans cette logique, cependant, les personnes auraient moins d'une autre personne infectée, et la courbure aurait aplati, éventuellement atteignant zéro - quelque chose qui ne s'est pas produite. »

Stefan Thurner, président de CSH et professeur pour la Science des systèmes complexes, université médicale de Vienne

« Ce qui nous avons vu au lieu était un niveau continuel des infections avec un numéro assimilé des infections neuves chaque jour, » ajoute le co-auteur Peter Klimek (CSH et Univ médical de Vienne). « Il serait fondamentalement impossible d'expliquer ceci avec les modèles épidémiologiques normaux. »

L'utilisation des modèles épidémiologiques traditionnels aurait exigé beaucoup de réglage fin des paramètres, rendant le modèle de plus en plus invraisemblable. « Si vous voulez équilibrer des mesures de sorte que le numéro efficace R de reproduction reste exact à 1 - quelque chose qui expliquerait l'accroissement linéaire -, vous devriez réduire des contacts par le même pourcentage exact et continuel. En réalité c'est extrêmement peu probable, » dit Klimek.

En fait, la probabilité pour observer l'accroissement linéaire de ces modèles compartimentés normaux est pratiquement zéro, les scientifiques de CSH précisent. Ils ont été pour cette raison inspirés étendre le modèle et rechercher d'autres explications.

Les scientifiques de complexité ont expliqué la forme linéaire des courbures par une forme différente de la propagation qu'au commencement prévue : Ils ont supposé que le prolongé dynamique de propagation dans de petits et limités boîtiers.

« La plupart des gens sont allés travailler, sont devenus infectés et l'ont écartée à deux ou trois personnes à l'intérieur des frontières, et alors ces gens sont allés travailler ou instruire de nouveau. L'infection écartait fondamentalement du boîtier au boîtier, » dit Stefan Thurner. « La modification des courbures d'infection d'être en forme de s à un comportement linéaire est clairement un effet de réseau - très un différent dynamique de grands événements superspreading. »

Les scientifiques ont prouvé dont qu'il y a un numéro critique des contacts, qu'ils appellent degré de réseaux de contact ou de C.C, en dessous accroissement linéaire et prévalence inférieure d'infection doivent se produire.

Ils ont trouvé le C.C pour égaler 7,2, supposant que les gens diffusent dans un réseau coronavirus-approprié d'environ cinq personnes, qui est encore inférieur pendant un lockdown efficace (personnes de famille-taille 2,5 en moyenne).

Au lieu de devoir régler avec précision des paramètres, leur modèle tient compte d'un large éventail de possibilités qui maintiennent les courbures d'infection linéaires. Il explique pourquoi les courbures linéaires d'infection apparaissent dans tant de pays, indépendamment de l'importance des interventions non-pharmaceutiques imposées.

Dans une autre opération les scientifiques Autriche comparée, un pays qui ont répondu avec un lockdown sévère dès l'abord, et les Etats-Unis, qui au commencement n'ont pas imposé des mesures sévères.

Selon Peter Klimek, leur modèle fonctionne pour les deux scénarios : « Les deux types de pays ont montré les courbures linéaires, mais dans le cas des USA et d'autres pays comme la Suède, ceux-ci se sont juste produits sur beaucoup un de plus haut niveau. »

Le modèle explique non seulement l'émergence d'un régime linéaire d'accroissement, mais explique également pourquoi l'épidémie pourrait s'arrêter en dessous des niveaux de l'immunité de troupeau par distancer social conséquent.

Pour la procédure de modélisation normale, les scientifiques de complexité emploient un soi-disant modèle compartimenté avec des Monsieur-modèles, l'étendant avec la boîte de vitesses décrite de boîtier.

Mais que se produira dans les prochains mois, avec le potentiel des numéros se levant de nouveau ? Avec des facteurs de risque supplémentaire comme des gens retournant des vacances dans d'autres pays et plus de temps passés à l'intérieur, la propagation de la maladie a pu changer.

« Si les infections montent de nouveau, il y a le potentiel que les courbures linéaires tournent à l'accroissement exponentiel de nouveau - quelque chose les gens décrits comme deuxième onde, » Klimek conclut.

Source:
Journal reference:

Thurner, S., et al. (2020) A network-based explanation of why most COVID-19 infection curves are linear. Proceedings of the National Academy of Sciences. doi.org/10.1073/pnas.2010398117.