🧬 biology

Modeling the Complex Dynamics of Monkeypox and Typhoid Fever Co-Infection Using a Novel Fractal-Fractional Approach

Cette étude introduit un nouveau modèle mathématique fractal-fractionnaire pour analyser la dynamique complexe de la co-infection par la variole du singe et la fièvre typhoïde, démontrant que ce cadre avancé capture efficacement les effets de mémoire et les hétérogénéités multi-échelles pour révéler comment les interactions entre les deux agents pathogènes accélèrent la progression de la maladie et orientent les stratégies de contrôle intégrées.

Auteurs originaux : Hawah Oyiza Rabiu, Jeremiah Amos, Godwin Onuche Acheneje, Benedict Celestine Agbata, A.K. Awasthi, Hambeer Singh, Aseel Smerat, Bolarinwa Bolaji

Publié 2026-07-10

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Hawah Oyiza Rabiu, Jeremiah Amos, Godwin Onuche Acheneje, Benedict Celestine Agbata, A.K. Awasthi, Hambeer Singh, Aseel Smerat, Bolarinwa Bolaji

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 le monde de la propagation des maladies non pas comme une simple ligne sur un graphique, mais comme un trampoline chaotique et rebondissant où chaque saut laisse une ride durable. C'est le monde que cet article explore. Les auteurs, une équipe de mathématiciens du Nigéria, de l'Inde, de la Jordanie et du Royaume-Uni, ont construit un tout nouveau type de simulation numérique pour comprendre ce qui se passe lorsque deux maladies très différentes — la variole du singe et la fièvre typhoïde — décident de s'inviter à la même fête.

L'ancienne méthode vs La nouvelle méthode
Habituellement, les scientifiques utilisent des modèles d'« ordre entier » pour prédire comment les maladies se propagent. Considérez cela comme une carte standard et plate. Ils vous disent où vous en êtes en ce moment, mais ils ne se souviennent pas d'où vous venez. Ils supposent qu'une fois que vous avez bougé, le passé n'a plus d'importance.

Les auteurs soutiennent que cette carte plate n'est pas suffisante pour la vie réelle. Dans le monde réel, l'histoire compte. Si vous avez été malade la semaine dernière, cela change la façon dont vous agissez aujourd'hui. Si une communauté souffre d'un manque d'assainissement pendant des années, cette histoire façonne la façon dont la typhoïde se propage en ce moment même. Pour corriger cela, l'équipe a introduit une approche « fractale-fractionnaire ».

Voici l'analogie : Imaginez qu'une fractale est comme un littoral. De loin, elle semble lisse, mais si on zoome, elle est dentelée et complexe, avec des morceaux plus petits et dentelés à l'intérieur des grands morceaux dentelés. Cela représente la façon dont les gens se mélangent dans une communauté — ce n'est pas un flux fluide ; c'est désordonné et auto-similaire à chaque niveau. Maintenant, ajoutez les mathématiques « fractionnaires », qui agissent comme une banque de mémoire. Elles se souviennent de chaque étape que la maladie a franchie par le passé. En combinant ces deux éléments, les auteurs ont créé un modèle qui capture à la fois la réalité désordonnée et dentelée des contacts humains et la mémoire à long terme du comportement de la maladie au fil du temps.

Le double problème : Variole du singe et Typhoïde
L'article se concentre sur un scénario effrayant où la variole du singe et la fièvre typhoïde infectent les mêmes personnes en même temps.

La variole du singe est comme un invité furtif qui saute des animaux (comme les rongeurs) vers les humains, puis se propage entre les personnes par contact étroit.
La typhoïde est comme un invité de l'eau sale qui se propage par la nourriture et l'eau contaminées, restant présente dans l'environnement.

Les auteurs ont découvert que lorsque ces deux « invités » se rencontrent, ils aggravent considérablement la situation. La simulation suggère que la présence de la variole du singe peut affaiblir le système immunitaire d'une personne, rendant l'infection par la typhoïde plus sévère. Inversement, le stress de combattre la typhoïde pourrait rendre une personne plus susceptible de contracter la variole du singe ou de la propager plus rapidement. C'est un cercle vicieux où une maladie aide l'autre à gagner.

Ce que disent les mathématiques
L'équipe ne s'est pas contentée de deviner ; elle a lancé des simulations informatiques complexes utilisant leurs nouvelles équations fractales-fractionnaires.

La mémoire compte : Ils ont découvert que l'« ordre fractionnaire » (un nombre représentant la part de mémoire du système) modifie le résultat. Lorsqu'ils ont abaissé ce nombre pour simuler des effets de mémoire plus forts, le nombre de personnes infectées n'augmentait ou ne diminuait pas simplement de manière fluide ; il commençait à osciller, ou à bondir de haut en bas, d'une manière que les modèles standards ne percevaient pas. Cela suggère que les épidémies réelles pourraient être plus imprévisibles et « rebondissantes » que nous ne le pensions.
La zone de danger : Le modèle a calculé un « Nombre de reproduction de base » (un score qui indique si une maladie va se propager). Si ce score est supérieur à 1, la maladie continue de se propager. Les auteurs ont trouvé que des facteurs spécifiques — comme la facilité avec laquelle la typhoïde se propage via l'eau, la facilité avec laquelle la variole du singe passe d'une personne à l'autre et l'efficacité des traitements — sont les principaux moteurs de ce score.
La solution : Les simulations suggèrent que pour arrêter la propagation, nous ne pouvons pas nous contenter de traiter une seule maladie. Nous avons besoin d'une attaque combinée : un meilleur assainissement pour arrêter la typhoïde, la vaccination et l'isolement pour arrêter la variole du singe, et un traitement rapide des personnes co-infectées.

Ce qu'ils n'ont pas trouvé
Il est important de noter ce que cet article ne dit pas. Les auteurs n'ont pas prétendu avoir trouvé un remède ou une solution miracle. Ils n'ont pas dit que ce modèle est parfait pour chaque village de la Terre. Ils ont explicitement écarté l'idée que les mathématiques simples et traditionnelles (les cartes plates) sont suffisantes pour comprendre ces éclosions complexes à double pathologie. Ils n'ont pas non plus fourni de données réelles prouvant que ces chiffres exacts se produisent dans une ville spécifique en ce moment ; au lieu de cela, ils ont utilisé leur modèle pour simuler ce qui se passerait dans ces conditions.

L'essentiel
Cet article suggère que pour comprendre le monde désordonné et superposé de la variole du singe et de la typhoïde, nous avons besoin d'un nouveau type de mathématiques qui se souviennent du passé et respectent la complexité de la façon dont les gens vivent réellement. Leurs simulations montrent qu'ignorer la « mémoire » de la maladie ou la nature « dentelée » des contacts humains pourrait nous conduire à sous-estimer la dangerosité réelle de ces co-infections. Les auteurs proposent qu'en utilisant cette approche avancée et riche en mémoire, les responsables de la santé publique pourraient être en mesure de concevoir de meilleures stratégies pour maintenir ces deux maladies sous contrôle.

Résumé Technique : Modélisation de la dynamique complexe de la co-infection par la variole du singe et la fièvre typhoïde à l'aide d'une nouvelle approche fractale-fractionnaire

Énoncé du Problème
L'article traite du défi épidémiologique de la circulation simultanée de la variole du singe (MPX) et de la fièvre typhoïde, particulièrement dans les régions à ressources limitées où l'assainissement est précaire et le contact homme-animal fréquent. Bien que les deux maladies partagent des symptômes initiaux communs (fièvre, fatigue, douleurs musculaires) et des voies de transmission similaires (fécale-orale pour la typhoïde ; zoonotique et interhumaine pour la variole du singe), les modèles mathématiques existants ont largement traité ces cas comme des systèmes à agent pathogène unique ou ont utilisé des équations différentielles classiques d'ordre entier pour les co-infections. Les auteurs soutiennent que les modèles d'ordre entier ne parviennent pas à capturer les complexités réelles, spécifiquement les « effets de mémoire » (dépendances à long terme dans la progression de la maladie) et les « hétérogénéités multi-échelles » (motifs d'auto-similarité dans le mélange des populations) inhérents à la transmission à double agent pathogène. Il existe une lacune notée dans la littérature concernant l'application des cadres de dérivées fractales-fractionnaires à ce scénario spécifique de co-infection.

Méthodologie
L'étude propose un nouveau modèle mathématique fractal-fractionnaire à 18 compartiments. La population humaine est stratifiée en classes de sujets susceptibles, exposés, en quarantaine, infectés, traités, guéris et vaccinés pour la variole du singe et la typhoïde, incluant des compartiments spécifiques pour les individus co-infectés. Le modèle intègre également une population de rongeurs (réservoir pour la variole du singe) et une population bactérienne (réservoir environnemental pour la typhoïde).

L'innovation méthodologique centrale est l'utilisation de la dérivée fractale-fractionnaire (FF) avec un noyau de Mittag-Leffler au sens de Caputo. Cette approche intègre :

Le calcul fractionnaire (Ordre $\alpha$ ) : Pour rendre compte de la dynamique non locale et des effets de mémoire, où l'état actuel du système dépend de sa trajectoire historique.
La géométrie fractale (Dimension $\sigma$ ) : Pour représenter la nature auto-similaire et hétérogène des schémas de contact et des voies de transmission.

Le cadre analytique comprend :

Existence et Unicité : Prouvées à l'aide de théorèmes de point fixe (Banach et Krasnoselskii) dans un espace de Banach défini.
Positivité et Bornitude : Démontrées pour garantir que le modèle est biologiquement réalisable (les populations restent non négatives et dans des limites réalistes).
Analyse d'Équilibre : Dérivation des points d'équilibre sans maladie (DFE) et d'équilibre endémique.
Nombres de Reproduction Fondamentaux ( $R_0$ ) : Calcul de $R_{0m}$ (variole du singe) et $R_{0T}$ (typhoïde) via la méthode de la matrice du prochain génération (Next-Generation Matrix).
Analyse de Sensibilité : Réalisée pour identifier les paramètres qui influencent le plus la dynamique de transmission.
Simulations Numériques : Implémentées à l'aide de schémas de calcul fractal-fractionnaire pour visualiser l'impact de la variation de $\alpha$ et $\sigma$ .

Principales Contributions

Premier Modèle Intégré : Ce travail présente le premier modèle fractal-fractionnaire complet spécifiquement dédié à la co-infection variole du singe-typhoïde, comblant le fossé entre les modèles fractionnaires à agent pathogène unique et les modèles d'ordre entier de co-infection.
Dynamique à Double Agent Pathogène : Le modèle capture explicitement l'interaction entre la transmission zoonotique (rongeur-homme pour la MPX) et la persistance environnementale (bactéries dans l'eau/nourriture pour la typhoïde), ainsi que l'impact bidirectionnel de la co-infection sur la progression de la maladie et la mortalité.
Cadre Mathématique Amélioré : En employant la dérivée FF, le modèle offre un outil plus flexible pour simuler les comportements épidémiques complexes que les modèles d'ordre entier ne peuvent capturer, notamment en ce qui concerne la rétention de mémoire et les structures de contact fractales.

Résultats

Stabilité : L'analyse confirme que le système est globalement asymptotiquement stable à l'équilibre endémique lorsque les nombres de reproduction fondamentaux sont supérieurs à l'unité.
Sensibilité : L'analyse de sensibilité identifie les taux de transmission pour les deux maladies, l'infectiosité relative des individus co-infectés et les taux de guérison/traitement comme les principaux moteurs de la dynamique épidémique.
Impact des Paramètres Fractionnaires : Les simulations numériques révèlent que la variation de l'ordre fractionnaire ( $\alpha$ ) et de la dimension fractale ( $\sigma$ ) modifie considérablement les comportements oscillatoires de la population. Les ordres fractionnaires plus bas produisent des effets de mémoire plus prononcés, entraînant des fluctuations soutenues dans les compartiments co-infectés par rapport aux modèles d'ordre entier.
Gravité de la Co-infection : Le modèle démontre que la co-infection augmente substantiellement les taux de morbidité et de mortalité. La co-infection par la variole du singe exacerbe la progression de la typhoïde, tandis que les épisodes de typhoïde accélèrent l'excrétion virale de la variole du singe et la gravité de la maladie.
Implications de Contrôle : Les résultats suggèrent que les stratégies intégrées — combinant le contrôle zoonotique, l'amélioration de l'assainissement (WASH) et une vaccination coordonnée — sont cruciales pour gérer les épidémies à double agent pathogène.

Signification et Revendications
L'article affirme que le cadre fractal-fractionnaire offre une performance supérieure aux modèles conventionnels d'ordre entier pour capturer les complexités des épidémies réelles. En tenant compte des interactions non locales et des dépendances à long terme, le modèle offre des capacités prédictives accrues pour les stratégies d'intervention. Les auteurs postulent que cette approche est particulièrement vitale pour les régions présentant une forte endémicité de la typhoïde et des éclosions émergentes de variole du singe, où les modèles traditionnels pourraient sous-estimer la persistance et la volatilité de la charge de morbidité. L'étude conclut qu'il est essentiel de comprendre les effets de mémoire et la nature fractale de la transmission pour concevoir des interventions de santé publique efficaces et coordonnées pour le contrôle de la co-infection.

Articles similaires