Dynamics of COVID-19 under social distancing measures are driven by transmission network structure.
Main result
Pour un même R_0, la structuration en foyers retarde l'attente entre la date d'intervention (confinement, distanciation physique) et le pic des cas/hospitalisations/décès (par comparaison avec une population bien mélangée).
Le succès de l'intervention, mesuré par le nombre total d'infectés/morts, varie de façon unimodale avec w_EX (ratio entre poids des contacts intra-foyer et contacts externes) : lorsque w_EX est petit, les foyers touchés ne comptent qu'un seul infecté; lorsque w_EX est grand, l'épidémie reste confinée au sein de quelques foyers touchés.
La probabilité d'être infecté au cours de l'épidémie croît avec la taille du foyer car celle-ci augmente à la fois la probabilité que le foyer soit touché et la probabilité d'être infecté sachant que le foyer est touché.
Takeaways
Lorsque le ratio entre poids des contacts intra-foyer et contacts externes varie, on peut étudier, à R0 constant, le continuum entre une population de foyers et un confinement de l'épidémie au sein des foyers.
Strength of evidence Undetermined
Un article très complet, bien rédigé, s'intéressant à plusieurs facettes de l'épidémie : effet de la structuration, de la taille des foyers, des mesures ciblées...
Le modèle est paramétré à l'aide de données empiriques. Il a la spécificité d'être individu-centré, non markovien et structuré en réseau.
L'article se termine par une discussion très complète dont on pourrait recommander la lecture indépendamment des résultats obtenus dans le papier, sur les connaissances empiriques utilisables pour quantifier la structure du réseau, la valeur de R_0, l'effet de la taille du foyer, l'effet des mesures de distanciation, etc.
Objectives
Method
Les auteurs ont regardé l'effet de la taille du foyer sur la probabilité d'être infecté et étudié l'impact de mesures de type 'bubble' (agglomération de foyers en super-foyers isolés des autres super-foyers).
Simulation intensive d'une épidémie sur un réseau. Pour ce qui suit, voir détails dans la section Model parameters des METHODS.
Le cycle de vie du virus est paramétré d'après les résultats de la littérature biomédicale, modèle SEIR où I est divisé en 3 sous-classes (mild, severe, critical).
Le réseau de contacts à l'intérieur du foyer est supposé complet.
La distribution des tailles n_HH des foyers et la distribution des degrés n_EX d'un individu avec les individus de l'extérieur sont paramétrés à partir de données empiriques.
Les arêtes intra-foyer ont un poids w_HH=1 et les autres arêtes un poids w_EX dont les auteurs étudient l'influence.
Lorsque les paramètres varient, le R_0 est maintenu constant égal à 3.
bibliovid.org and its content are bibliovid property.