Chemotaxis-inspired PDE models of airborne infectious disease transmission: epidemiologically-motivated mathematical and numerical analyses

Résumé Technique : Modèles d'EDP inspirés de la chimiotaxie pour la transmission des maladies infectieuses aéroportées

Énoncé du Problème
La modélisation mathématique des maladies infectieuses repose traditionnellement sur des modèles compartimentaux par équations différentielles ordinaires (EDO) (par exemple, SIR), qui manquent de dynamique spatiale explicite. Bien que des modèles d'équations aux dérivées partielles (EDP) aient été proposés pour traiter la propagation spatiale, ils traitent généralement la propagation de la maladie comme un processus de diffusion fickéenne. Dans ce cadre standard, l'infection se propage des régions de haute densité d'infection vers les régions de faible densité. Cependant, les auteurs soutiennent que cette hypothèse est insuffisante pour les maladies aéroportées au sein des populations humaines. Les données empiriques, particulièrement celles de la pandémie de COVID-19, suggèrent que la transmission est fortement corrélée à la densité de population, se déplaçant souvent des zones de faible densité de sujets susceptibles vers des zones de plus haute densité (par exemple, vers les centres urbains). Les modèles de diffusion pure ne parviennent pas à capturer ce mouvement « à contre-gradient » et la formation de points chauds d'infection dans les centres de population denses. De plus, les approches d'EDP existantes peinent souvent à fournir des quantités épidémiologiquement interprétables, telles qu'un nombre de reproduction de base ($R_0$) spatialement conscient, qui sont cruciales pour la prise de décision en santé publique.

Méthodologie
L'article étend un modèle d'EDP précédemment introduit et inspiré de la chimiotaxie [42] pour les maladies infectieuses aéroportées. Le modèle utilise un système d'équations de réaction-diffusion avec l'ajout d'un terme de chimiotaxie pour décrire la dynamique des populations susceptibles ($s$), infectées ($i$) et rétablies ($r$).

• Formulation Mathématique : L'innovation centrale réside dans le terme de flux $j$ pour la population infectée. Alors qu'un terme de diffusion standard ($-\nu_i \nabla i$) rend compte du mouvement aléatoire, le modèle introduit un terme de chimiotaxie ($\mu_i \chi(i) \nabla s$). Ce terme postule que la maladie se propage le long du gradient positif de la densité de la population susceptible, se déplaçant ainsi vers les zones présentant des concentrations plus élevées d'individus susceptibles. La fonction $\chi(i)$ agit comme un terme de capacité de saturation pour empêcher une croissance non bornée.
• Analyse Mathématique : Les auteurs procèdent à une analyse mathématique rigoureuse du système, établissant l'existence et l'unicité de solutions faibles. Un accent principal est mis sur la dérivation d'un nombre de reproduction de base dépendant de l'espace. En analysant la stabilité de la population infectée dans la norme $L^2$, les auteurs dérivent un $R_0$ modifié qui incorpore le Laplacien de la population susceptible ($\Delta s$). Cette formulation suggère que la concavité de la densité de population locale (spécifiquement les maxima locaux où $\Delta s < 0$) influence de manière significative les taux de transmission.
• Solution Numérique : L'article traite les défis computationnels liés à la résolution de ce système, notamment le potentiel d'instabilité numérique dû aux dynamiques de type convection introduites par le terme de chimiotaxie. Les auteurs emploient une méthode d'éléments finis (FEM) pour la discrétisation spatiale et une formule de différenciation de type BDF2 pour la discrétisation temporelle. Pour assurer la stabilité et la conservation de la masse, ils utilisent un schéma de pas de temps entièrement implicite et introduisent une technique de stabilisation par diffusion de ligne de courant pour gérer les gradients abrupts.

Contributions Clés

1. Analyse Épidémiologiquement Interprétable : L'article dérive un nombre de reproduction de base ($R_0$) spatialement conscient qui tient compte de l'hétérogénéité spatiale de la densité de population. Contrairement au $R_0$ des EDO standard, cette métrique dépend du Laplacien local de la population susceptible, fournissant une base théorique expliquant pourquoi des points chauds d'infection se forment dans les zones urbaines denses.
2. Stabilisation Numérique : Les auteurs introduisent et discutent un schéma de stabilisation (diffusion de ligne de courant) nécessaire pour résoudre le système d'EDP piloté par la chimiotaxie, traitant la complexité computationnelle accrue par rapport aux modèles de pure diffusion.
3. Études de Simulation Comparatives : Le modèle est testé dans deux régions géographiques distinctes : la Lombardie, en Italie, et l'État de Géorgie, aux États-Unis. Les simulations comparent le modèle de chimiotaxie aux modèles de réaction-diffusion pure utilisant des paramètres indépendants du temps.

Résultats
Les études de simulation démontrent que le modèle de chimiotaxie capture les dynamiques spatio-temporelles observées dans les données de surveillance réelles de la COVID-19 plus précisément que les modèles de diffusion pure, même sans paramètres variables dans le temps.

• Lombardie, Italie : Les modèles de diffusion pure n'ont pas réussi à reproduire la propagation rapide de l'épidémie dans les grands centres urbains comme Milan, Bergame et Brescia, maintenant l'infection artificiellement concentrée dans les zones de l'épidémie initiale (Lodi et Cremona). En revanche, le modèle de chimiotaxie a réussi à simuler la migration du front d'infection vers les centres de population à haute densité, reproduisant les « points chauds » observés à Bergame et Milan. Le modèle a correctement identifié que les zones présentant des valeurs négatives élevées du Laplacien dans la population susceptible (maxima de densité locale) étaient particulièrement vulnérables.
• Géorgie, USA : Dans une simulation à l'échelle de l'État, les modèles de diffusion pure ont eu du mal à générer une transmission dans les centres de population majeurs en dehors de la zone métropolitaine d'Atlanta (par exemple, les comtés de Chatham, Richmond, Bibb) tout en surestimant la transmission dans les zones suburbaines de faible densité (par exemple, Forsyth, Cherokee). Le modèle de chimiotaxie a corrigé ces divergences, augmentant significativement la transmission dans les centres de population sous-simulés et la réduisant dans les zones de faible densité sur-simulées, s'alignant ainsi plus étroitement sur les tendances de mortalité observées.

Signification et Revendications
L'article affirme fournir une « preuve de concept » selon laquelle les modèles d'EDP inspirés de la chimiotaxie offrent un cadre supérieur pour décrire la transmission des maladies infectieuses aéroportées dans les populations humaines par rapport aux modèles de diffusion standard. Les auteurs soulignent que leur travail comble le fossé entre la modélisation mathématique complexe et l'application épidémiologique pratique en dérivant des quantités interprétables (le $R_0$ spatial) qui lient le comportement du modèle aux motifs de densité de population.

La signification de ce travail réside dans sa capacité à expliquer et à prédire la formation de points chauds d'infection pilotés par les gradients de population spatiaux sans nécessifier un ajustement de paramètres complexes et dépendants du temps. Les auteurs notent modestement que l'étude actuelle est qualitative ; le modèle n'est pas destiné à être un outil prédictif définitif pour la COVID-19 sans l'incorporation d'autres complexités telles que la structure par âge, la vaccination et les politiques de mobilité. Cependant, les résultats suggèrent que l'incorporation de la dérive chimiotactique est une étape nécessaire pour modéliser avec précision la propagation spatiale des maladies aéroportées dans les populations humaines hétérogènes. Des travaux futurs sont proposés pour étendre ces modèles à des structures compartimentales plus complexes et pour développer des schémas de stabilisation d'ordre supérieur.