Epidemics in a Synthetic Urban Population with Multiple Levels of Mixing

Résumé Technique : Épidémies dans une Population Urbaine Synthétique avec Multiples Niveaux de Mélange

Énoncé du Problème
La prédiction et le contrôle des maladies infectieuses nécessitent des modèles qui dépassent les schémas compartimentaux simples (par exemple, SIR) qui supposent des populations entièrement mélangées. Bien que les modèles récents basés sur les individus intègrent des schémas de contacts hétérogènes, il reste nécessaire de comprendre comment des caractéristiques socio-démographiques et géographiques spécifiques d'une population hôte impactent la diffusion épidémique. Plus précisément, l'interdépendance entre les relations sociales stables (ménages, connaissances) et les interactions rares et fortuites (par exemple, en transit ou dans les espaces publics) au sein d'un environnement urbain réaliste n'est pas entièrement caractérisée. L'article aborde la question de la manière dont différents niveaux de mélange, dépendants de l'âge et de la distance, influencent la vitesse, la pénétration et la prévisibilité des épidémies dans un environnement urbain de taille moyenne.

Méthodologie
Les auteurs construisent un modèle Susceptible-Infecté-Guéri (SIR) basé sur des agents et informé par les données, appliqué à une population synthétique d'environ 60 000 agents représentant la municipalité de Viterbo, en Italie.

• Population Synthétique : Les agents sont géoréférencés et stratifiés par âge en quatre groupes (enfants, jeunes, adultes, personnes âgées) en utilisant les estimations de densité WorldPop et les données du recensement provincial. Le territoire est partitionné en une grille de tuiles carrées de 500 m.
• Construction du Réseau : Le réseau social urbain (USN) est un graphe non pondéré et non orienté $G = (V, E)$ formé par l'union de deux sous-graphes :
  1. Graphe des Ménages ($G_H$) : Un ensemble de cliques inféré à partir des données de recensement, représentant les contacts quotidiens.
  2. Graphe des Connaissances ($G_A$) : Des arêtes représentant des contacts fréquents (amis, collègues) sont ajoutées de manière probabiliste sur la base de matrices de mélange social basées sur l'âge (issues des données SOCRATES), de la distance géographique ($d^{-1}$) et d'un paramètre intrinsèque de « fitness sociale ».
• Simulation Épidémique : Le modèle simule la propagation de la maladie où les individus infectés transmettent la maladie aux contacts susceptibles avec une probabilité $\beta$ et guérissent avec un taux $\mu$. Le modèle est calibré sur les paramètres des maladies de type grippal (ILI) ($R_0 \approx 1,3$, temps de guérison 3 jours).
• Configurations Expérimentales : Six configurations de mélange distinctes sont comparées pour isoler les effets des schémas de contacts :
  1. Mélange Homogène (HM) : Graphe aléatoire d'Erdős-Rényi (référence).
  2. Réseau Statique (SN) : Uniquement les relations stables de ménages et de connaissances ; aucun contact fortuit.
  3. Bruit Homogène (HN) : Relations stables plus des contacts fortuits aléatoires.
  4. Bruit Basé sur l'Âge (AN) : Les contacts fortuits dépendent du mélange social basé sur l'âge.
  5. Bruit Basé sur la Distance (DN) : Les contacts fortuits dépendent de la distance géographique.
  6. Bruit Basé sur l'Âge et la Distance (ADN) : Les contacts fortuits dépendent à la fois de l'âge et de la distance.

Résultats Clés

• Impact de la Structure par Âge : L'introduction de schémas de contacts structurés par âge (SN, AN, ADN) entraîne des épidémies significativement plus rapides et plus pénétrantes par rapport au mélange homogène. Ces configurations produisent des distributions de degrés avec des queues droites plus longues, conduisant à des pics épidémiques plus précoces et à des taux d'attaque plus élevés.
• Rôle de la Distance : L'hypothèse selon laquelle la fréquence d'interaction décroît avec la distance ($d^{-1}$) a un effet négligeable sur les schémas de diffusion de haut niveau (vitesse et taux d'attaque total) par rapport au mélange social structuré par âge. Cependant, la distance influence la fréquence des infections inter-tuiles, affectant l'incidence locale.
• Seuil Épidémique et Nombre de Reproduction : Le seuil épidémique ($\beta_c$) est plus bas (rendant le système plus vulnérable) dans les configurations avec des contacts hétérogènes pilotés par l'âge. Le nombre de reproduction de base ($R_0$) est généralement plus élevé dans les configurations basées sur les données. L'émergence d'une épidémie est fortement associée au fait que le cas index soit un individu socialement actif.
• Propagation Géographique et Densité : L'étude identifie deux régimes distincts basés sur la densité de population des tuiles :
  • Faible Densité (< ~100 habitants) : Temps jusqu'au pic sub-logarithmique et taux d'attaque constants.
  • Forte Densité : Temps jusqu'au pic et taux d'attaque augmentant approximativement de manière logarithmique.
  • L'infection atteint les tuiles densément peuplées en 10 à 15 jours, quelle que soit la configuration, mais le timing pour les zones à faible densité varie considérablement en fonction du modèle de contacts.
• Prévisibilité : L'épidémie est géographiquement hétérogène (entropie < 1), certaines tuiles étant systématiquement plus dangereuses. Cependant, la prévisibilité du système est faible au début de l'épidémie et ne devient élevée qu'à proximité du pic épidémique, lorsque l'infection est déjà répandue. Aucune « colonne vertébrale » dominante ou voies épidémiques préférées n'ont été identifiées ; la large gamme de routes alternatives empêche la formation d'une trajectoire unique prévisible.

Signification et Revendications
L'article revendique fournir un cadre pour comprendre la diffusion épidémique dans des populations urbaines réalistes sans nécessiter de données de mobilité ou de transport à haute résolution, s'appuyant plutôt sur des données de recensement et d'enquête pour construire le réseau de contacts.

• Diffusion Hiérarchique : Des preuves préliminaires suggèrent l'existence de schémas de diffusion spatiale hiérarchique dans les zones urbaines, caractérisés par deux régimes de propagation épidémique dans les régions à faible et forte densité. Cela fait écho aux observations faites à l'échelle pays/cité.
• Compromis de Modélisation : L'étude démontre que, bien que le mélange dépendant de la distance soit empiriquement fondé, son impact sur les résultats épidémiques à l'échelle macro est minime par rapport à l'impact structurel du mélange social stratifié par âge.
• Limites et Travaux Futurs : Les auteurs notent l'absence de voies épidémiques dominantes dans leur modèle urbain, en contraste avec les modèles de méta-population (par exemple, réseaux aériens) où les flux de trafic créent des connexions dominantes. Ils suggèrent que les travaux futurs devraient investiguer si cette absence est inhérente à l'échelle urbaine ou si l'intégration de données supplémentaires (mobilité, appels téléphoniques, transports) révélerait de telles structures.

L'ouvrage souligne que la modélisation épidémique précise nécessite de dépasser les hypothèses de champ moyen pour tenir compte de la structure topologique spécifique des réseaux sociaux, en particulier le rôle des contacts structurés par âge dans la dynamique des épidémies.