La première étude visant à modéliser la dynamique de propagation de la maladie aux premiers stades d'une épidémie, a examiné 40 aéroports américains et trouve que celui qui propagerait la maladie de sa ville natale à d'autres endroits le plus rapide serait l'aéroport international Kennedy de New York, suivi Par les aéroports de Los Angeles, Honolulu et San Francisco.

Les chercheurs du Département d'ingénierie civile et environnementale (CEE) du Massachusetts Institute of Technology (MIT) écrivent sur leurs résultats dans un article publié en ligne le 19 juillet dans PLoS ONE .

Le modèle se concentre sur les premières étapes de l'éclosion

Au cours des dix dernières années, nous avons vu un certain nombre d'épidémies qui se sont répandues dans le monde entier. En 2003, l'épidémie de SRAS a duré seulement quelques semaines pour se propager de Hong Kong à 37 pays, tuant près de 1 000 personnes dans son sillage. En 2009, la pandémie de grippe porcine H1N1 a tué près de 300 000 personnes à travers le monde.

De telles poussées augmentent la prise de conscience que de nouveaux agents pathogènes pourraient se propager rapidement dans le monde entier avec l'aide des voyageurs aériens.

Pour enquêter sur ces modèles de contagion, les scientifiques élaborent des modèles mathématiques qui intègrent des idées à partir de systèmes de réseau complexes et la diffusion de l'information dans les réseaux sociaux.

Jusqu'à présent, ces modèles se sont concentrés sur les étapes finales des épidémies, en regardant les endroits qui développent finalement les taux d'infection les plus élevés.

Mais les chercheurs du MIT ont adopté une approche différente: ils ont décidé de Se concentrer sur les premiers stades des épidémies et comparer les probabilités de propagation de leurs villes d'origine à d'autres endroits à travers les plus grands aéroports des États-Unis .

Ainsi, leur modèle tient compte des modes de déplacement des individus, de la situation géographique des aéroports, des différences de connexion entre les aéroports et des délais d'attente dans les aéroports individuels. En combinant ces facteurs, le modèle tente alors de prédire où et à quelle vitesse une maladie pourrait se propager.

Les chercheurs suggèrent Cette façon d'examiner le problème pourrait aider à déterminer les meilleures façons de contenir l'infection et de distribuer le vaccin et les traitements au cours des premiers jours d'une épidémie .

L'auteur principal Ruben Juanes, professeur associé d'ARCO en études énergétiques au département de CEE de MIT, a déclaré à la presse:

"Notre travail est le premier à examiner la propagation spatiale des processus de contagion au début et à proposer un prédicteur pour lequel les«nœuds »- dans ce cas, les aéroports - conduiront à une propagation spatiale plus agressive».

"Les résultats pourraient constituer la base d'une évaluation initiale des stratégies d'allocation de vaccins en cas d'épidémie et pourraient informer les agences de sécurité nationales des voies les plus vulnérables pour les attaques biologiques dans un monde densément connecté", a-t-il ajouté.

Le nouveau modèle est plus réaliste

Le modèle regroupe deux modèles de mobilité contrastés: un géophysique et l'autre humain. La première provient des études de Juanes sur le flux de fluides à travers des réseaux de fracture dans les roches souterraines et la seconde provient des études de CEE Marta González qui modèlent les modèles de mobilité humaine et les processus de contagion des traces dans les réseaux sociaux à l'aide de données de téléphone cellulaire.

En incorporant ces deux sources de connaissances, le nouveau modèle MIT s'écarte de l'approche conventionnelle qui suppose que les humains se déplacent selon un modèle de diffusion aléatoire lorsqu'ils passent d'un aéroport à l'autre.

Le nouveau modèle est plus réaliste. Les gens ne voyagent pas de façon aléatoire. Ils ont tendance à répéter les modèles.

L'équipe a appliqué des simulations de Monte Carlo aux études de González sur les modèles de mobilité humaine afin de déterminer la probabilité qu'un seul voyageur voler d'un aéroport à l'autre.

Et ils ont également remplacé le modèle de flux aléatoire conventionnel par un modèle «liquide aviaire» qui suppose que le processus de transport repose sur les propriétés de la substance en mouvement.

Un modèle de flux aléatoire conventionnel montrerait que les plus grands centres d'aéroport en termes de volume de trafic seraient les épandeurs les plus influents de la maladie.

Mais l'équipe, avec son modèle plus réaliste, a montré que ce n'était pas le cas.

Aéroport d'Honolulu: moins de circulation mais grande influence

Un modèle de diffusion aléatoire se pencherait sur l'aéroport de Honolulu, qui ne compte que 30% du trafic aérien de l'aéroport international Kennedy de New York, et conclut que la moitié de ses voyageurs iraient à San Francisco et à moitié à Anchorage, emportant la maladie dans ces aéroports, en passant Sur d'autres voyageurs, qui, à leur tour, le transmettent dans d'autres modes de déplacement aléatoire.

Mais le nouveau modèle MIT se penche sur l'aéroport de Honolulu et prédit, bien qu'il ait 70% de trafic de moins, qu'en termes de propagation de la maladie, il est presque aussi influent que l'aéroport international Kennedy de New York.

C'est parce que l'aéroport de Honolulu occupe une position unique dans le réseau de transport aérien. Il est situé dans l'océan Pacifique et est bien relié à des hubs distants, grands et bien connectés. Donc, c'est troisième, devant San Francisco, dans la liste des 40 aéroports américains en termes d'influence de propagation de la contagion.

Sur les 40 aéroports américains, le modèle examiné en termes d'influence sur la propagation de la maladie, il place l'aéroport de Kennedy en première place, suivi des aéroports de Los Angeles, Honolulu, San Francisco, Newark, Chicago (O'Hare) et Washington (Dulles).

Le plus haut aéroport en termes de nombre de vols est l'aéroport international Hartsfield-Jackson d'Atlanta, mais le modèle le classe huit dans l'influence de contagion. L'aéroport international Logan de Boston se classe au 15e rang.

González est le professeur adjoint de développement professionnel de CEE de Gilbert W. Winslow au MIT. Elle a déclaré que la méthode qu'ils utilisaient était relativement nouvelle, mais très robuste.

"L'étude de la diffusion de la dynamique et de la mobilité humaine, en utilisant des outils de réseaux complexes, peut être appliquée à de nombreux domaines d'étude pour améliorer les modèles prédictifs", a déclaré González, suggérant que "l'incorporation de méthodes de physique statistique pour développer des modèles prédictifs aura vraisemblablement Des effets de grande envergure pour la modélisation dans de nombreuses applications ".

Une bourse d'études Vergottis et des bourses du Fonds NEC Corporation, du Fonds de recherche Solomon Buchsbaum et du Département américain de l'énergie ont aidé à financer l'étude.

Where Does the Arsenic in Rice, Mushrooms, and Wine Come From? (Médical Et Professionnel Video 2024).