Lettre hebdomadaire :
5-11 Juillet 2021
Niveau de difficulté :
Intégrer les interactions sociales dans les modèles épidémiologiques
La pandémie de COVID-19 a mis en lumière les menaces que représentent les maladies infectieuses et la nécessité des connaissances scientifiques pour comprendre, quantifier et prédire les risques que posent les pathogènes. A l’occasion des différentes vagues de l’épidémie, on a mis en place des mesures sanitaires distinctes selon les pays auxquelles les populations adhèrent différemment. Des modèles épidémiologiques, qui décrivent et prédisent la progression des maladies infectieuses, ont été développés durant la pandémie pour aider les gouvernements à la prise de décision. Cependant, bien que la biologie du virus soit primordiale pour comprendre et modéliser la transmission d’un pathogène, il faut prendre en compte le contexte social pour structurer et paramétrer les modèles développés.
Dans une étude récente, des scientifiques ont décrit les paramètres sociaux-clefs à intégrer pour analyser efficacement la dynamique de transmission. Ils y soulignent l’importance des interactions au niveau local, ainsi que des échanges au niveau régional dans le développement d’une modélisation épidémiologique. Et si les modélisations intégraient jusqu’alors des données sociales collectées via des enquêtes, de nouveaux flux de données, comme ceux des appareils mobiles, doivent dorénavant être collectés.
Tout d’abord, ils ont montré que la connaissance des relations sociales au niveau local est primordiale pour interpréter les données épidémiologiques et valider un modèle. En effet, pour décrire et prédire la transmission d’un pathogène, il faut tenir compte des habitudes sociales de cette population. Ainsi, la composition familiale au sein d’un foyer et leurs interactions, les mouvements locaux de la population (l’accès à l’eau, les marchés, les rassemblements religieux, …) sont à intégrer dans les modèles et aident à comprendre et prédire l’apparition de clusters de transmission.
C’est ce qu’on peut représenter schématiquement ainsi :
Ensuite, ces chercheurs ont expliqué que les voyages et échanges, en dehors de la communauté, jouent un rôle-clef dans la propagation d’une maladie infectieuse. Il faut prendre en compte que selon les régions du globe, l’impact des voyages « longue distance » et les connexions entre les populations sont très différents. De plus, la saisonnalité joue un rôle important dans le flux de populations, que ce soient les voyages d’affaires, les voyages-loisirs durant les vacances, ou les déplacements de populations à la suite d’un conflit armé ou d’un désastre naturel.
C’est ce qu’on peut représenter schématiquement ainsi :
Enfin, outre les paramètres de transmission et de mobilité, ils ont souligné l’importance du comportement humain. En effet, dans le cas de maladies infectieuses, pour lesquelles les mesures de prévention (comme le suivi des mesures sanitaires) et l’adhésion aux traitements sont importantes, l’impact de la politique de santé publique sur la population modifie la prédiction de la propagation d’une épidémie. Globalement, le même type de mesures sanitaires a été mis en place dans de nombreux pays, mais selon l’attitude de la population et le contexte social, la propagation a été différente.
En conclusion, de nombreuses modélisations, prédisant la propagation de l’épidémie et permettant d’aider les gouvernements dans la mise en place des mesures sanitaires, ont été développées durant la pandémie de COVID-19. Il est important d’intégrer dans ces modèles les contextes sociaux, mais aussi d’anticiper les comportements humains alors qu’ils sont généralement ignorés.
