Des chercheurs et collègues de l'Université de Yale à Hong Kong et en Chine ont développé une approche pour suivre rapidement les flux de population qui pourrait aider les décideurs du monde entier à évaluer plus efficacement le risque de propagation de la maladie et à allouer des ressources limitées dans leur lutte contre la pandémie de COVID-19.
L'approche, décrite dans une étude publiée en ligne le 29 avril dans la revue La nature, diffère des modèles épidémiologiques existants en exploitant des données en temps réel sur les flux de population, telles que les données d'utilisation du téléphone et d'autres sources de «big data» qui peuvent quantifier avec précision les mouvements de personnes.
Ces travaux montrent qu'il est possible de prévoir 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. De plus, en suivant les flux de population en temps réel, notre modèle peut fournir aux décideurs et aux épidémiologistes un outil puissant pour limiter l'impact d'une épidémie et sauver des vies. «
Nicholas A. Christakis, Sterling Professor of Social and Natural Science, Yale University et co-auteur de l'étude
Pour développer le modèle, les chercheurs ont utilisé les données de géolocalisation des téléphones portables à l'échelle nationale pour suivre environ 11,5 millions d'occasions de personnes transitant par Wuhan, une ville préfectorale de la province chinoise du Hubei, entre le 1er janvier et le 24 janvier 2020 – une période couvrant la période précédant le nouvel an lunaire chinois et la migration de masse annuelle de chunyun en Chine. Les gens ont traversé Wuhan vers 296 préfectures dans 31 provinces et régions du pays. Les chercheurs ont lié les données sur le flux de population, fournies par un important opérateur national de télécommunications sans fil, au nombre d'infections COVID-19, fournies par le Centre chinois de contrôle et de prévention des maladies (CDC chinois), par lieu et heure au niveau de la préfecture. .
Leur analyse démontre l'efficacité de la quarantaine imposée à Wuhan le 23 janvier. À la fin de la journée du 24 janvier, les déplacements hors de la ville avaient presque complètement cessé, selon leurs conclusions.
Les chercheurs ont découvert que la répartition des personnes quittant Wuhan avait prédit avec précision la fréquence relative des infections COVID-19 subséquentes à travers la Chine jusqu'au 19 février 2020. Les chercheurs ont également développé un modèle de «source de risque» qui exploitait les données sur les flux de population pour prévoir avec précision les cas confirmés et identifier les endroits à risque de taux de transmission élevés pendant les premiers stades de l'épidémie.
Leur analyse corrobore également les données publiées par le CDC chinois jusqu'au 19 février (pour les préfectures en dehors de Wuhan lui-même) car elle montre qu'une source d'informations totalement indépendante – l'opérateur de télécommunications – est très bien corrélée avec le COVID-19 officiel le nombre de cas.
«S'il y a plus de cas confirmés que prévu, le risque de propagation dans la communauté est plus élevé. S'il y a moins de cas attendus que ce qui est signalé, cela signifie que les mesures préventives de la ville sont particulièrement efficaces ou cela peut indiquer qu'une enquête plus approfondie par les autorités centrales est nécessaire pour éliminer les risques possibles d'une mesure inexacte « , a déclaré Jayson Jia, professeur agrégé de marketing à la Faculté des affaires et d'économie de l'Université de Hong Kong et auteur principal de l'étude.
« Ce qui est innovant dans notre approche, c'est que nous utilisons des erreurs de prévision pour évaluer le niveau de risque communautaire. Notre modèle nous indique avec précision le nombre de cas auxquels nous devrions nous attendre compte tenu des données de voyage. Nous comparons cela avec les cas confirmés en utilisant la logique qui ne peut pas être expliquée. par les cas importés et les transmissions primaires devraient être diffusées dans la communauté « , a ajouté Jia.
Le nouveau modèle peut être appliqué en utilisant n'importe quel ensemble de données qui capture avec précision les mouvements des gens, tels que les données de ticket de train ou de péage de voiture, ont noté les chercheurs, ce qui signifie que les décideurs du monde entier pourraient l'utiliser pour informer les efforts visant à contenir la propagation du virus si des données concernant les mouvements de population sont disponibles .
« Les gens propagent des maladies contagieuses lorsqu'ils se déplacent », a déclaré Christakis, directeur de l'Institut de Yale pour la science des réseaux. « En capturant avec précision les mouvements de population au fil du temps, nous pouvons prédire comment une contagion se propagera géographiquement et utiliser des techniques d'analyse de données pour aider à la contrôler avant qu'une épidémie dévastatrice n'éclate ou rééclate. »
La source:
Référence de la revue:
Jia, J.S., et al. (2020) Le flux de population détermine la distribution spatio-temporelle de COVID-19 en Chine. La nature. doi.org/10.1038/s41586-020-2284-y.