📊 epidemiology

Uncovering identifiability of epidemiological models: basic reproduction number and complementary data streams

Cette étude démontre que si les paramètres individuels des modèles épidémiologiques peuvent ne pas être identifiables de manière unique, le nombre de reproduction de base l'est souvent, et que l'ajout de données complémentaires minimales peut rendre globalement identifiables des modèles autrement non identifiables, déplaçant ainsi l'attention de la surveillance de santé publique vers la garantie de l'identifiabilité des quantités pertinentes pour la décision plutôt que vers l'identifiabilité complète du modèle.

Auteurs originaux : Pant, B., Saucedo, O., Pogudin, G.

Publié 2026-01-25

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Pant, B., Saucedo, O., Pogudin, G.

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un détective tentant de résoudre un mystère : À quelle vitesse une maladie se propage-t-elle, et quelle est sa dangerosité ?

Pour résoudre cela, vous construisez une « simulation » mathématique de la maladie. Vous l'alimentez avec des données que vous pouvez voir, comme le nombre de personnes se présentant à l'hôpital chaque jour. Mais voici le piège : les données que vous voyez ne sont que la partie émergée de l'iceberg. Vous ne pouvez pas voir tout le monde en état de maladie, combien de personnes sont immunisées, ou exactement combien de personnes circulent en portant le virus.

Cet article pose une question fondamentale : Même si nous avions des données parfaites et limpides (sans erreurs, sans chiffres manquants), notre modèle mathématique pourrait-il réellement découvrir les véritables règles de la maladie ?

Dans le monde des mathématiques, on appelle cela la identifiabilité structurelle. Si un modèle n'est pas « identifiable », c'est comme une serrure avec deux clés différentes qui l'ouvrent parfaitement. Vous ne pouvez pas savoir quelle est la « vraie » clé, donc vous ne pouvez pas connaître les véritables règles de la maladie.

Voici ce que les auteurs ont découvert, expliqué à travers des analogies simples :

1. Le problème de l'angle mort

Habituellement, les scientifiques supposent que s'ils ne peuvent pas déterminer chaque chiffre de leur modèle (comme la vitesse exacte de transmission ou la taille exacte de la population), alors tout le modèle est inutile.

Les auteurs disent : Pas si vite.

Pensez à la recette d'un gâteau. Si vous ne goûtez que le glaçage, vous ne saurez peut-être pas exactement quelle quantité de sucre ou de farine a été mise dans la pâte. Vous ne pouvez pas identifier les ingrédients individuels. Cependant, vous pouvez toujours savoir exactement quelle est la douceur du gâteau.

L'article montre que même lorsqu'un modèle est « brisé » et ne peut pas vous donner la valeur exacte de chaque paramètre, il peut souvent encore vous indiquer le Nombre de Reproduction de Base ( $R_0$ ).

Qu'est-ce que le $R_0$ ? C'est le nombre moyen de personnes qu'une personne malade infecte. C'est le chiffre le plus important pour décider si une épidémie va exploser ou s'éteindre.
La découverte : Dans presque tous les types de modèles de maladies qu'ils ont testés (du modèle de grippe simple aux modèles complexes transmis par les moustiques), le modèle pouvait identifier correctement le $R_0$ , même s'il ne pouvait pas comprendre les ingrédients individuels (comme le taux de transmission ou la taille de la population).
La leçon à retenir : Vous n'avez pas besoin de résoudre tout le puzzle pour savoir si le feu va se propager. Vous avez juste besoin de connaître le « facteur de propagation ».

2. Le miracle de « l'indice unique »

Que se passe-t-il si le modèle est bloqué et ne parvient pas à déterminer le facteur de propagation ? Les auteurs ont trouvé une solution étonnamment simple.

Imaginez que vous essayiez de deviner la hauteur d'un arbre, mais que vous n'ayez qu'une photo floue de son ombre. Vous ne pouvez pas déterminer la hauteur. Mais si quelqu'un vous remet une seule mesure parfaite du tronc de l'arbre à un moment précis, vous pouvez instantanément calculer la hauteur exacte.

L'article prouve que pour de nombreux modèles complexes, l'ajout d'un seul point de donnée provenant d'une source différente peut débloquer tout le mystère.

Exemple : Si vous ne suivez que les décès quotidiens, le modèle pourrait être confus : s'agit-il d'une maladie très contagieuse mais légère, ou d'une maladie peu contagieuse mais mortelle ?
La solution : Si vous ajoutez une seule mesure du nombre de personnes actuellement malades (ou guéries) à un moment précis, le modèle devient soudainement « globalement identifiable ». Il peut désormais tout comprendre correctement.
La leçon à retenir : Les responsables de la santé publique n'ont pas besoin de dépenser des millions pour suivre cinq flux de données différents en permanence. Ils pourraient obtenir de meilleurs résultats en consacrant des ressources pour obtenir une seule mesure de haute qualité et parfaite sous un autre angle (comme une enquête par test sanguin) à un moment clé.

3. La « forme » compte

Les auteurs ont également découvert que la forme du modèle est importante.

La plupart des modèles : Qu'il s'agisse d'un modèle de grippe simple, d'un modèle de choléra avec transmission par l'eau, ou d'un modèle de moustique, le « facteur de propagation » ( $R_0$ ) est généralement facile à trouver, même si le reste est difficile.
L'exception : Il y avait un modèle particulièrement complexe où les gens changent de comportement (comme porter des masques lorsqu'ils voient beaucoup de malades). Dans ce cas spécifique, le « facteur de propagation » était difficile à fixer parfaitement. C'est comme un caméléon qui change de couleur si vite que vous ne pouvez pas obtenir une image claire de sa véritable couleur.

Résumé du message de l'article

L'article remet en question la façon traditionnelle de penser. Au lieu de demander : « Notre modèle entier est-il parfait et identifiable ? », nous devrions demander : « Pouvons-nous identifier le chiffre spécifique qui importe pour notre décision ? »

Bonne nouvelle : Même si le modèle est « brisé » concernant les détails individuels, il fonctionne souvent parfaitement pour le chiffre le plus important pour la prise de décision ( $R_0$ ).
Meilleure stratégie : Si le modèle est bloqué, vous n'avez pas besoin de plus de données partout. Il vous faut juste un tout petit morceau d'information supplémentaire et parfait provenant d'une source différente pour réparer tout le système.

En bref : Vous n'avez pas besoin de voir toute la forêt pour savoir si elle est en feu ; parfois, voir une seule étincelle suffit pour tout savoir.

Résumé Technique : Révéler l'identifiabilité des modèles épidémiologiques

Énoncé du Problème
Les modèles mathématiques de la dynamique des maladies infectieuses sont couramment ajustés à des données de surveillance pour estimer les paramètres épidémiologiques et éclairer les décisions de santé publique. Cependant, un défi fondamental subsiste : les données observables ne capturent souvent qu'une vue partielle du processus épidémique. Même dans des conditions idéales (observations continues, parfaites et sans bruit), la structure du modèle et les mesures disponibles peuvent ne pas contenir suffisamment d'informations pour déterminer de manière unique tous les paramètres. Cette limitation est formellement caractérisée par l'identifiabilité structurelle. Un modèle qui échoue à ce test ne peut produire des estimations de paramètres uniques, quelle que soit la qualité ou la quantité de données.

Bien que l'identifiabilité structurelle soit une condition préalable nécessaire à une inférence fiable, la pratique épidémiologique actuelle néglige souvent deux nuances critiques :

Quantités Composées : Un modèle peut être structurellement non-identifiable concernant les paramètres individuels, tout en produisant des quantités composées identifiables (par exemple, le taux de reproduction de base, $R_0$ ) ou des variables d'état observables qui sont cruciales pour la prise de décision.
Données Complémentaires Minimales : Il existe un manque de compréhension systématique concernant la quantité minimale de données supplémentaires provenant de flux complémentaires nécessaires pour résoudre la non-identifiabilité structurelle.

Méthodologie
Les auteurs emploient une approche systématique combinant l'algèbre différentielle, l'optimisation numérique et des preuves théoriques pour étudier l'identifiabilité structurelle à travers diverses classes de modèles épidémiologiques compartimentaux.

Approche par Algèbre Différentielle : L'outil analytique principal est l'approche d'algèbre différentielle, implémentée via le package logiciel StructuralIdentifiability.jl. Cette méthode implique :
1. L'élimination des variables d'état pour dériver des équations entrée-sortie impliquant uniquement les observations et les paramètres.
2. La vérification si les coefficients de ces équations forment un ensemble complet de combinaisons de paramètres identifiables.
3. La détermination si les paramètres individuels ou les variables d'état peuvent être exprimés en termes de ces combinaisons.
4. L'utilisation de dérivées de Lie pour évaluer l'identifiabilité des variables d'état.
  Note : Les auteurs reconnaissent que bien que certaines étapes du logiciel soient randomisées, ils fournissent des preuves mathématiques rigoureuses ou utilisent des outils déterministes (comme DAISY) pour la vérification lorsque cela est nécessaire.
Visualisation Numérique : Pour compléter l'analyse théorique, les auteurs utilisent l'optimisation locale à lancements multiples dans MATLAB. Ils ajustent des modèles à des données d'épidémie complètes simulées et sans bruit à partir de multiples conjectures initiales de paramètres. La non-unicité dans le paysage d'optimisation (plusieurs ensembles de paramètres distincts produisant des ajustements équivalents) sert d'indicateur visuel de non-identifiabilité.
Classes de Modèles : L'étude couvre un large spectre de modèles épidémiologiques, incluant :
- Modèles SIR standards avec incidence standard.
- Modèles avec périodes latentes (SEnIR) et infectieuses (SInR) distribuées selon une loi gamma.
- Modèles avec mortalité fractionnaire et additive (SIRD).
- Modèles avec multiples voies de transmission (Choléra : humain-humain et par l'eau).
- Modèles de population stratifiée avec observations agrégées.
- Dynamique hôte-vecteur (modèle de Ross-Macdonald).
- Modèles de réponse comportementale avec incidence non linéaire.

Contributions Clés et Résultats

1. Identifiabilité des Quantités Composées ( $R_0$ ) malgré la Non-Identifiabilité des Paramètres
L'étude démontre que la non-identifiabilité structurelle d'un modèle n'empêche pas l'identifiabilité de quantités composées épidémiologiquement pertinentes.

Modèle SIR : Bien que le taux de transmission ( $\beta$ ) et la taille de la population ( $N$ ) soient non identifiables (seul leur rapport $\beta/N$ est identifiable), le nombre de reproduction de base $R_0$ et le nombre de reproduction effectif $R_e(t)$ sont globalement identifiables.
Modèle SIRD : Dans les modèles avec des taux de létalité par infection, les paramètres individuels comme le taux de transmission et le taux de létalité sont non identifiables, mais le $R_0$ reste globalement identifiable.
Modèles de Choléra et Hôte-Vecteur : Malgré des voies de transmission complexes et des paramètres individuels non identifiables (ex: taux de transmission spécifiques ou tailles de population), il est démontré que le $R_0$ est globalement structurellement identifiable car il se décompose en produits et quotients de combinaisons identifiables.
Exception : Les auteurs identifient un contre-exemple dans les modèles de réponse comportementale avec une fonction d'incidence saturante ( $k=1$ ). Dans ce cas spécifique, le $R_0$ est seulement localement identifiable, et non globalement, remettant en question l'hypothèse selon laquelle le $R_0$ est toujours identifiable.

2. Données Complémentaires Minimales pour l'Identifiabilité Globale
L'article prouve que l'incorporation de données complémentaires minimales peut résoudre la non-identifiabilité structurelle, nécessitant souvent aussi peu qu'une seule mesure ponctuelle d'une variable d'état supplémentaire.

Modèle SIR : L'ajout d'un seul point de donnée sans bruit pour la population guérie $R(t)$ rend l'ensemble du modèle globalement identifiable.
Modèle SIRD : Une seule observation de $S(t)$ , $I(t)$ ou $R(t)$ résout la non-identifiabilité causée par la corrélation entre le taux de transmission et le taux de létalité.
Modèle de Choléra : Les exigences de données dépendent du type d'observation. Observer la concentration de pathogènes ( $W$ ) nécessite deux points de données complémentaires provenant de compartiments distincts pour parvenir à l'identifiabilité globale, tandis qu'observer l'apport de pathogènes ( $\alpha I$ ) ne nécessite qu'un seul point de donnée.
Modèles Comportementaux : Une seule observation de $S(t)$ ou $R(t)$ convertit le modèle comportemental localement identifiable en un modèle globalement identifiable.

3. Observabilité de l'État vs Identifiabilité des Paramètres
L'étude souligne que l'identifiabilité globale des paramètres ne garantit pas l'identifiabilité globale des variables d'état. Par exemple, dans un modèle SIR stratifié où deux sous-populations partagent des paramètres identiques, les paramètres agrégés sont identifiables, mais les variables d'état individuelles des sous-populations ne le sont pas ; seules leurs sommes sont identifiables.

Signification et Revendications
Les auteurs présentent leurs conclusions comme un changement de perspective pour la modélisation épidémiologique et la conception de la surveillance :

Recadrage de la Question de l'Identifiabilité : La question centrale devrait passer de « Le modèle est-il identifiable ? » à « Les quantités qui comptent pour la prise de décision sont-elles identifiables ? ». Un modèle structurellement non identifiable peut rester « adéquat pour l'usage prévu » si les quantités composées spécifiques requises pour les décisions de santé publique (comme le $R_0$ ) sont identifiables.
Implications pour la Conception de la Surveillance : Plutlement que d'allouer des ressources limitées au suivi fréquent de multiples flux de données ou de s'appuyer sur des estimations de paramètres externes incertaines, les systèmes de santé publique peuvent prioriser stratégiquement la collecte de mesures complémentaires de haute qualité et de faible densité. L'étude suggère que même un seul point de donnée, sans bruit, provenant d'un flux complémentaire (par exemple, une enquête de séroprévalence fournissant un instantané de la population susceptible) peut assurer l'identifiabilité globale.
Limites Théoriques : L'article reconnaît la difficulté de dériver des résultats d'identifiabilité généraux pour les modèles non linéaires. Bien qu'ils établissent l'identifiabilité globale pour les périodes latentes distribuées selon une loi gamma, ils notent que les schémas pour les modèles de réponse comportementale restent insaisissables et sensibles aux détails structurels (ex: l'exposant $k$ ).

En conclusion, l'étude fournit un fondement méthodologique pour évaluer ce qui peut être inféré de manière fiable à partir des modèles épidémiologiques, démontant que l'inférence utile est possible même lorsque l'identifiabilité complète du modèle est inatteignable, et que des données complémentaires minimales peuvent souvent restaurer l'identifiabilité complète.

1. Le problème de l'angle mort

2. Le miracle de « l'indice unique »

3. La « forme » compte

Résumé du message de l'article

Articles similaires