Reconstructed physical network for disease spread using age-based contact data: Simulations of case studies across Chinese regions

Résumé Technique : Reconstruction d'un réseau physique de propagation des maladies à partir de données de contact basées sur l'âge

Énoncé du problème
Les modèles épidémiques existants traitent souvent les schémas de contact spécifiques à l'âge comme de simples paramètres de probabilité au sein de cadres de mélange homogène, échouant ainsi à capturer l'hétérogénéité topologique complexe des interactions réelles. Bien que l'hétérogénéité individuelle et les pressions environnementales soient reconnues comme des facteurs de transmission, il existe un manque de recherche modélisant les schémas de contact liés à l'âge comme une structure de réseau reconstruite complète. De plus, la relation entre les topologies de réseau spécifiques (par exemple, aléatoires ou de type "scale-free") et les seuils d'éclosion des régions présentant différents niveaux de développement économique reste sous-explorée. Cette étude répond au besoin de reconstruire des réseaux de transmission de maladies qui respectent strictement les proportions de population authentiques et les matrices de fréquence de contact spécifiques à l'âge pour mieux simuler la dynamique épidémique.

Méthodologie
L'étude emploie une approche multidimensionnelle combinant la reconstruction de réseaux, la modélisation compartimentale couplée et l'analyse de chaîne de Markov microscopique (MMCA) :

1. Reconstruction du réseau :

   • Source de données : Les auteurs utilisent les proportions de population par âge et les matrices de fréquence de contact (stratifiées par foyer, communauté, lieu de travail, école et global) pour la Chine, provenant d'un ensemble de données publiques (Dina et al.).
   • Algorithme : Un algorithme de reconnexion d'arêtes est appliqué à deux réseaux de base : un Réseau Aléatoire et un Réseau de Barabási-Albert (BA) de type "scale-free".
   • Processus : Les nœuds se voient attribuer des âges basés sur la distribution de la population. Les arêtes sont échangées (reconnectées) de manière aléatoire tout en préservant strictement le degré de chaque nœud. Le processus itère jusqu'à ce que la matrice de fréquence de contact par âge du réseau généré corresponde à l'ensemble de données cible avec une erreur maximale inférieure à 5 %.
   • Modèles : Cela produit deux modèles reconstruits : le Modèle R (base aléatoire) et le Modèle BAA (base BA). Un Modèle BA standard, non modifié, sert de base de comparaison.

2. Modèle épidémique couplé ($UAnApU-SEIR$) :

   • Un réseau couplé à deux couches est construit :
     • Couche 1 (Diffusion de l'information) : Modélise la propagation des directives officielles ($Ap$) et des rumeurs ($An$) parmi les individus non informés ($U$). Elle intègre la pression environnementale à l'aide d'une fonction de Heaviside, où les individus changent d'état uniquement si la prévalence locale d'un type d'information spécifique dépasse un seuil. Les médias de masse ($M$) diffusent l'information officielle directement.
     • Couche 2 (Transmission de la maladie) : Suit un cadre SEIR (Susceptible-Exposé-Infecté-Rétabli) standard.
   • Mécanisme de couplage : Les états d'information influencent la susceptibilité à la maladie. Les individus faisant confiance à l'information officielle ($Ap$) ont un taux d'infection réduit (atténué par un facteur $\mu$), tandis que ceux qui croient aux rumeurs ($An$) font face au taux de base. Les individus infectés recherchent activement l'information officielle, passant à l'état $Ap$.

3. Analyse théorique :

   • L'Approche de la Chaîne de Markov Microscopique (MMCA) est utilisée pour dériver les équations de transition d'état pour les neuf états combinés possibles (par exemple, $ApS$, $AnE$).
   • Un seuil d'éclosion ($\lambda_C$) est dérivé analytiquement, exprimé par $\lambda_C = \gamma / \Lambda_{max}(H)$, où $\Lambda_{max}(H)$ est la valeur propre maximale d'une matrice dépendant de la structure du réseau, des taux de rétablissement et du facteur d'atténuation.

4. Simulations numériques :

   • Les simulations sont menées sur des réseaux de 8 000 nœuds avec un degré moyen de 6.
   • Les résultats sont comparés aux données d'infection réelles au niveau provincial en Chine (2020–2021) et aux données du PIB pour valider la capacité des modèles à refléter la dynamique de transmission régionale.

Résultats clés

• Structure du réseau et seuils d'éclosion :
  • Le Modèle R (basé sur le hasard) présente un seuil d'éclosion nettement plus élevé que le Modèle BAA et le Modèle BA, indiquant une propagation plus lente de la maladie.
  • Le Modèle BAA (BA reconstruit) possède un seuil d'éclosion inférieur au Modèle R mais supérieur au Modèle BA non modifié, car le processus de reconnexion d'arêtes perturbe les connexions spécifiques de hub-à-hub typiques des réseaux BA purs.
• Corrélation avec le développement économique :
  • L'analyse de 14 provinces chinoises révèle une corrélation positive entre le PIB régional et l'ampleur finale de l'infection.
  • L'étude conclut que le Modèle R reflète mathématiquement les seuils d'éclosion des régions à faible développement économique, tandis que le Modèle BAA reflète ceux des régions à développement économique élevé.
• Risque lié à l'âge :
  • Malgré l'hypothèse d'un impact biologique égal pour tous les individus, la simulation identifie que les groupes d'âge 5–9 et 55–59 font face aux risques d'infection les plus élevés. Cela est attribué uniquement à leurs schémas de contacts comportementaux distincts au sein des réseaux reconstruits.
• Effets de l'information et de l'atténuation :
  • Le taux de transmission de l'information de base ($\alpha_0$) n'élimine pas les différences structurelles entre le Modèle R et le Modèle BAA.
  • Le facteur d'atténuation ($\mu$), représentant l'efficacité des mesures de protection, impacte significativement l'échelle de rétablissement. Le Modèle R nécessite une plage de $\mu$ plus large pour freiner la propagation par rapport au Modèle BAA, suggérant des sensibilités différentes aux mesures de prévention selon la structure du réseau.

Signification et revendications
Les auteurs affirment que cette étude fournit un cadre pratique pour construire des réseaux de transmission de maladies plus réalistes en intégrant directement les matrices de contact spécifiques à l'âge dans la topologie du réseau plutôt qu'en les traitant comme des paramètres scalaires. Leurs principales contributions sont :

1. Méthodologiques : L'application réussie de l'algorithme de reconnexion d'arêtes pour préserver les distributions de degrés tout en correspondant aux matrices de contact empiriques.
2. Théoriques : La dérivation des seuils d'éclosion pour un modèle couplé $UAnApU-SEIR$ à deux couches en utilisant la MMCA.
3. Orientation pratique : L'identification du fait que différentes structures de réseau (Aléatoire vs BA-reconstruit) peuvent servir de substituts pour les régions avec différents niveaux de développement économique, offrant aux praticiens un outil pour adapter les modèles épidémiques à des contextes régionaux spécifiques.
4. Intervention ciblée : La découverte que des groupes d'âge spécifiques (5–9 et 55–59) sont des cibles à haut risque en raison de leurs schémas de contact, même sans différences de susceptibilité biologique, les désignant comme des groupes prioritaires pour la protection.

L'article conclut avec modestie, reconnaissant des limites telles que l'absence de dynamique de réseau variable dans le temps et d'environnements de contact regroupés, et note que les différences structurelles spécifiques permettant la corrélation avec les niveaux de développement économique nécessitent des investigations plus approfondies.