Comments on Sur l'impact de la structure du graphe social dans le taux d'attaque des épidémies

Ptitboul (2020-04-01T02:43:20Z)

Si tu as le courage de compliquer un peu ton outil de simulation, je pense que ce serait utile d'y rajouter un autre paramètre : la durée de l'immunité acquise.
En effet, j'ai l'impression que l'immunité acquise par un ex-malade de coronavirus (tous les coronavirus) a une durée limitée, et que donc les modèles de propagation de l'épidémie devraient prendre ça en compte.
De ce que j'ai lu (l'information n'est pas facile à trouver, https://www.nytimes.com/2020/03/25/health/coronavirus-immunity-antibodies.html est pas mal), la durée de l'immunité acquise pourrait être de quelques années. Mais c'est une durée variable selon les individus.
Donc j'imagine qu'on pourrait rajouter à ta simulation la possibilité de passer de l'état R vers E (éventuellement en faisant la différence entre R1 immunisé et R2 mort). Avec une probabilité qui suit vraisemblablement une distribution de Poisson.

glandu (2020-03-28T12:52:55Z)

Si tu mets les paramètres de la gripe (nombre de reproduction ~ 1.5, incubation 2 jours, contagosité 7 jours) sur une saison de ~4mois, ça prédit le bon ordre de grandeur (taux d'attaque ~10%)?

PC (2020-03-25T21:43:50Z)

Je précise ma question. Le confinement revient à diviser par 5 ou 10 le nombre d'arêtes du graphe. Est-ce-qu'on peut modéliser ça facilement à partir de ce que tu as déjà fait et regarder ce qui se passe si on supprime complètement le confinement au bout d'un certain temps? Mon intuition est que ça diminue le taux d'attaque et le pic de contamination, mais ça reste à tester.

Ruxor (2020-03-25T14:18:34Z)

@Bruno autodidacte: J'ai laissé passer ces commentaires, mais ce serait bien de ne pas se servir de ce système de commentaires pour écrire des choses qui n'ont que très peu de rapport avec ce que j'écrivais qui n'a, de toute évidence, pas été lu (puisqu'il s'agit de redire des choses que j'ai déjà dites il y a pas mal de semaines, et sans tenir compte des nuances et raffinement que j'ai introduites ultérieurement).

Bruno autodidacte (2020-03-25T11:26:51Z)

Mes’ paramètres exogènes sont
1% de taux de mortalité quand tout va bien
Un doublement tous les 6 jours quand on fait rien
3 Semaines entre infection et décès

1 mort aujourd’hui = 100 infectés il y a trois semaines =
1000 infectés aujourd’hui = 10 morts dans trois semaines

En faisant abstraction de médicaments, vaccins et climats,’un pays ne faisant rien et ayant un système de soins aux capacités infinis aurait au bout d’une bonne année une grosse fraction d’1% de morts (un peu la Russie). Le même pays débordé (Le bresil) aurait autour de 5% de morts.

Retarde la propagation permet de borner à 1% sur le long terme en se donnant du temps pour vaccins et médicaments

C’est un modèle simplifié .
Donc un excellent modèle .

Bruno autodidacte (2020-03-25T10:15:09Z)

A mon avis, c’est une régression toute simple, tant qu’on n’explique pas les deux paramètres, taux de mortalité et vitesse de propagation. Avant de les expliquer, il vaut mieux un modèle simple,‘facilement prédictif du nombre d’infectes et de morts.

Le nombre infectés = nombre de morts / (taux de mortalité * 2) puissance (période de mortalité /période de doublement)

Dans ne circonstances actuelles, le doublement se fait tous les 6 jours. On a pas le taux de mortalité des infectés mais des testés mais si on prend les villes ayant testé massivement leur population, c’est autour de 1%.

Donc une règle simple : Pour 1100 morts en France, on a
1,1 million d’infectés et 110k morts à prévoir. Le confinement peut augmenter le dénominateur. Mais la saturation des hôpitaux l’augmenter.

Je pense que les 110k morts sont acquis quoi qu’on fasse.

ooten (2020-03-24T20:15:27Z)

Je crois que quand même un confinement devrait avoir une influence mais je ne vois pas comment il pourrait être intégré à ces modèles.

JML (2020-03-24T18:37:53Z)

Suggestion 1 : “R = "rétabli" = plus infectieux, immunisé, encore malade ou guéri ou mort”
Suggestion 2 : donner les deux premières images aussi en échelle pas logarithmique, même si on y voit moins, parce qu'on a pas forcément beaucoup l'habitude de regarder des courbes en log, une première courbe "normale" détromperait
Suggestion 3 : parler de l'effet de la taille de la population dans le modèle sur les paramètres de l'épidémie (taux d'immunité / d'attaque), et du taux d'attaque en fonction de la célébrité.

Super travail merci !
C'est chouette qu'un modèle aussi simple donne d'entrée de jeu des paramètres raisonnables en sortie.

Bon maintenant que tu as ça tu vas pouvoir nous faire plein de variantes :)
Genre qu'est-ce qui se passe si I = I1 (contagieux asymptomatique) puis I2 (contagieux avec x% de chance d'être repéré et sorti du graphe).
(Je suis pas sûr de me débrouiller avec le Perl.)

PC (2020-03-24T18:34:34Z)

Une question. Que se passe-t-il si on alterne des périodes où on laisse la maladie se répandre et d'autre où on coupe de manière sensible le nombre de liaison dans le graphe (l'idée étant de rendre inerte des noeuds avant qu'ils n'aient eu le temps de contaminer d'autres noeuds)? Est-ce-que ça fait baisser de manière sensible le nombre final de noeuds contaminés?

PC (2020-03-24T17:44:11Z)

C'est très intéressant. Juste une remarque: le nombre de célébrités me semble dépendre largement des modes de contamination possibles. Si le virus peut se retrouver dans l'air qu'on expire normalement (sans postillons) et, en flottant, contaminer des gens assez éloignés, cela transforme tout voyageur des transports en commun en célébrité. On peut tuer ce genre de célébrité en forçant les gens à porter des masques, mais…


You can post a comment using the following fields:
Name or nick (mandatory):
Web site URL (optional):
Email address (optional, will not appear):
Identifier phrase (optional, see below):
Attempt to remember the values above?
The comment itself (mandatory):

Optional message for moderator (hidden to others):

Spam protection: please enter below the following signs in reverse order: fe4d4c


Recent comments