Mobility-Informed Coupling of ABM, PDE, and ODE Models for Pandemic Simulation in Germany

Résumé technique : Couplage informé par la mobilité de modèles ABM, PDE et ODE pour la simulation de pandémies en Allemagne

Énoncé du problème
La simulation précise de la dynamique des maladies infectieuses dans des nations hautement interconnectées comme l'Allemagne nécessite un équilibre entre une résolution spatiale et comportementale élevée et la scalabilité computationnelle. Les modèles purement basés sur des agents (ABM) offrent une représentation fine de la mobilité et des interactions individuelles, mais deviennent prohibitivement coûteux en termes de calcul à l'échelle nationale. À l'inverse, les modèles agrégés comme les équations différentielles ordinaires (ODE) et les équations aux dérivées partielles (PDE) sont efficaces sur le plan computationnel, mais manquent de la résolution spatiale et stochastique nécessaire pour capturer l'hétérogénéité locale et les schémas de mobilité complexes. Le défi consiste à développer un cadre unifié qui intègre ces différents paradigmes de modélisation pour simuler la propagation épidémique à l'échelle nationale tout en préservant la précision locale là où elle est cruciale.

Méthodologie
Les auteurs présentent un cadre de modélisation hybride qui couple trois classes de modèles distinctes — Modèles Basés sur des Agents (ABM), Équations aux Dérivées Partielles (PDE) et Équations Différentielles Ordinaires (ODE) — au sein d'un environnement de simulation unique. Le cadre repose sur l'implémentation en C++ de l'EpiSim ABM, utilisant des données de téléphonie mobile à haute résolution pour reconstruire les trajectoires individuelles et les routines quotidiennes.

• Composants du modèle :

  • ABM : Représente un échantillon de 25 % de la population allemande. Les agents se déplacent entre des installations (domiciles, lieux de travail, écoles) en fonction de trajectoires dérivées de la téléphonie mobile. La transmission de l'infection se produit uniquement lorsque des agents susceptibles et infectieux se co-localisent au sein de la même catégorie d'installation.
  • PDE : Utilisé pour les régions où l'hétérogénéité spatiale est pertinente mais où une simulation complète au niveau de l'agent est trop coûteuse. Le système PDE est dérivé d'une approximation ABM basée sur le mouvement, utilisant une fonction de « paysage » $V(x)$ dérivée des données de téléphonie mobile pour piloter les termes de diffusion et d'advection. Le terme d'infection est localisé pour tenir compte du maillage spatial grossier.
  • ODE : Utilisé pour les régions supposées être homogènes et mélangées. Il s'agit d'une réduction supplémentaire du système PDE, agrégeant les densités en comptes de compartiments pour l'ensemble de l'État fédéral.

• Mécanisme de couplage :
  Le cadre utilise des « processus de saut » pilotés par les données pour transférer les individus entre les domaines de modèle à chaque étape de temps.

  • ABM vers Non-ABM : Les agents quittant un domaine ABM sont soit ajoutés comme des comptes discrets à un domaine ODE, soit convertis en contributions de densité spatiale pour un domaine PDE.
  • Non-ABM vers ABM : Les individus des domaines PDE/ODE sont cartographiés de nouveau vers l'ABM en tant que nouveaux agents.
  • Non-ABM vers Non-ABM : Les transferts entre les domaines PDE et ODE sont gérés en distribuant les individus selon les fractions de compartiments actuelles, assurant la conservation de la masse.
  • Logique de mobilité : Pour éviter la transmission prématurée de l'infection dans les modèles simplifiés, les agents voyageant d'un état ABM vers un état non-ABM restent dans le domaine ABM jusqu'à ce qu'ils atteignent leur destination. Inversement, les agents entrant dans un domaine ABM sont convertis en agents le plus tôt possible.

• Interventions :
  Le modèle intègre les réductions d'activité (ex: confinements) en supprimant des événements dans l'ABM et en ajustant les taux d'infection dans les domaines PDE/ODE, et il simule également les fermetures de frontières par la suppression des transferts inter-états ainsi que des stratégies d'intervention complexes telles que « Zero-COVID » et « No-COVID », qui déclenchent des restrictions basées sur des seuils d'incidence à 7 ou 14 jours.

Principales contributions

1. Cadre hybride unifié : L'article développe une nouvelle stratégie de couplage qui unifie les modèles ABM, PDE et ODE, permettant à différents États fédéraux allemands d'être simulés à différents niveaux de résolution au sein d'une seule exécution.
2. Intégration de la mobilité pilotée par les données : Le cadre intègre des données réelles de téléphonie mobile pour piloter à la fois les trajectoires des agents dans l'ABM et les fonctions de paysage dans les modèles PDE, garantissant que la mobilité interrégionale est fondée sur des données empiriques plutôt que sur des hypothèses théoriques.
3. Simulation nationale scalable : En simulant un échantillon de 25 % de la population et en assignant des types de modèles basés sur les contraintes computationnelles et la taille de la population, les auteurs démontrent la faisabilité de l'exécution de simulations nationales qui conservent des détails locaux (ex: Berlin) tout en utilisant des modèles agrégés pour d'autres régions.
4. Outil d'évaluation des politiques : Le cadre est appliqué pour évaluer des interventions de santé publique spécifiques, incluant les fermetures totales de frontières et l'efficacité comparative des stratégies Zero-COVID versus No-COVID.

Résultats

• Précision vs Efficacité : Dans des expériences où Berlin était modélisée comme un ABM, un PDE ou un ODE, la représentation ABM a produit l'erreur la plus faible par rapport aux données réelles d'infection (données RKI), suivie par l'ODE, puis le PDE. Cependant, la configuration ABM était la plus lente, tandis que la configuration ODE était la plus rapide. L'approche hybride offre un compromis, réduisant considérablement le temps d'exécution par rapport à une simulation ABM complète tout en maintenant une meilleure précision qu'un modèle purement agrégé.
• Fermetures de frontières : La simulation de fermetures de frontières complètes pour Berlin a réduit les cas symptomatiques à Berlin, mais a eu des effets non linéaires sur d'autres États ; certains États (ex: Mecklembourg-Poméranie-Occidentale, Saxe) ont vu une augmentation des cas, soulignant que les restrictions de mobilité peuvent produire des résultats contre-intuitifs selon les schéments de navettage.
• Stratégies d'intervention : La stratégie Zero-COVID (restrictions déclenchées par une incidence à 7 jours > 1) s'est avérée nettement plus efficace pour réduire les cas symptomatiques que la stratégie No-COVID (déclenchée par des cas mystères sur 14 jours), et plus efficace que les fermetures totales de frontières. Cependant, l'étude note que la stratégie No-COVID a moins bien performé que les fermetures totales de frontières lorsque la Rhénanie du Nord-Westphalie était exclue des mesures agrégées.
• Performance computationnelle : Les auteurs estiment qu'une simulation d'un an de l'Allemagne utilisant uniquement des ABM prendrait environ 497 jours (sans parallélisation), alors que le modèle hybride réduit cela à environ 72 jours pour un nombre suffisant de simulations afin d'atteindre une précision statistique.

Signification et affirmations
L'article affirme que ce cadre hybride fournit un outil pratique pour l'évaluation fondée sur des preuves des interventions de santé publique à l'échelle nationale. Il démontre que le couplage de différentes résolutions de modélisation permet aux chercheurs d'analyser l'interaction entre la mobilité, le couplage régional et les mesures de confinement sans subir les coûts computationnels prohibitifs d'une simulation entièrement basée sur des agents. Les auteurs soulignent que, bien que le cadre permette une simulation efficace et précise de la dynamique de l'infection à travers des régions densément connectées, les résultats sont une preuve de concept. Ils notent que les choix de paramètres actuels sont suffisants pour démontrer l'utilité du cadre, mais qu'une optimisation supplémentaire pourrait réduire les erreurs. L'étude conclut que de tels modèles hybrides sont essentiels pour explorer la dynamique épidémique dans des régions hétérogènes où la mobilité interrégionale et les interventions politiques jouent des rôles critiques, offrant une alternative scalable aux approches purement stochastiques ou purement déterministes.