Pour des millions de personnes à travers le monde, se rendre au travail ou à l’école est une routine quotidienne. Mais pendant une pandémie, cette pratique peut contribuer énormément à la propagation des maladies infectieuses, un fait que de nombreux modèles de métapopulation traditionnels négligent souvent parce qu’ils sont principalement conçus pour la migration et traitent les gens comme s’ils se déplaçaient rarement localement.
Dans Chaosune équipe de chercheurs de Corée du Sud a introduit un modèle de métapopulation de banlieue (CMPM) pour remédier à ces limitations et élargir son champ d'action pour inclure les modèles de mobilité quotidienne.
Le modèle a été utilisé pour simuler la propagation du COVID-19 avec des données réelles sur les déplacements domicile-travail fournies par le deuxième plus grand réseau de télécommunications du pays, révélant qu'il pouvait mieux capturer la variété spatiale des schémas d'épidémie, depuis la propagation rapide dans les centres urbains jusqu'aux épidémies retardées ou localisées dans les zones rurales.
« Contrairement aux modèles traditionnels qui traitent la population comme une seule unité, le CMPM suit les individus tout au long de leurs itinéraires de déplacement », a déclaré l'auteur Jae Woo Lee.
« Il utilise les données des téléphones portables pour savoir quand les gens quittent leur domicile, où ils vont pendant la journée et quand ils reviennent la nuit. Cela donne aux scientifiques une carte beaucoup plus réaliste de la manière dont les maladies se propagent lors des mouvements humains quotidiens. »
Contrairement aux modèles traditionnels de suivi des métapopulations, le CMPM est conçu pour réaffecter les populations en fonction des flux de navettage, plutôt que des frontières régionales statiques, et semble bien mieux adapté pour refléter les nuances réelles de la mobilité de la population. Par exemple, le modèle peut suivre comment les infections peuvent rapidement éclater dans de grandes villes surpeuplées comme Séoul et se propager aux villes voisines reliées par le trafic de banlieue, et comment des endroits plus isolés comme l'île de Jeju sont susceptibles de connaître une propagation beaucoup plus lente puisque moins de personnes entrent et sortent.
« Les modèles traditionnels auraient manqué ces différences cruciales, prédisant une propagation plus douce, presque uniforme, qui ne correspond pas à la réalité », a déclaré Lee.
Les chercheurs espèrent que les performances améliorées de leur modèle soulignent le rôle essentiel des données réalistes sur la mobilité dans la modélisation épidémique et qu’elles peuvent aider à éclairer le développement de stratégies d’intervention ciblées qui sauvent des vies.
« Nos déplacements quotidiens ne définissent pas seulement nos routines ; ils façonnent également l'évolution d'une pandémie », a déclaré Lee.
« En montrant comment les modes de déplacement (avec des données en temps réel) façonnent cette voie, le CMPM peut aider les gouvernements et les responsables de la santé à concevoir des réponses plus intelligentes. Au lieu d'un confinement unique, ils peuvent se concentrer sur les corridors de banlieue à fort trafic ou protéger les régions vulnérables avec des connexions limitées.
