URL

https://www.pnas.org/content/early/2020/12/02/2012326117

Type d’article

Article peer-reviewed

Thème

Stratégies de contrôle Épidémiologie Effets de confinement

Que retenir de cet article, en 1-2 phrases ?

Le confinement a provoqué des changements durables dans les schémas de mobilité des individus en Allemagne. Ils sont devenus beaucoup plus localisés, et la perte de connectivité à longue distance ralentit la propagation de l’infection.

Objectifs de l’étude / Questions abordées

Déterminer si le confinement a provoqué des changements structurels dans les modèles de mobilité (réponse : oui).
Déterminer si ces changements sont persistants (réponse : oui).
Quantifier ces changements avec un logiciel approprié (réalisé et le logiciel est publié).

Méthode

La mobilité est quantifiée en divisant l’Allemagne en zones (“Landkreise” ou “Stadtkreise”, correspondant approximativement aux départements de France) et en déterminant le nombre de trajets entre elles pour un jour choisi, les trajets étant dérivés en utilisant les déplacements identifiés grâce aux données de téléphonie mobile. Les nombres de trajets sont ensuite utilisés pour construire un graphe orienté, avec des pondérations en fonction des distances entre les centres de gravité des zones (un traitement particulier est appliqué aux déplacements dans une même zone). Le nombre de voyages et le graphe sont ensuite utilisés comme données pour un modèle à compartiments (SIR-étendu), avec des comparaisons entre les dates avant et pendant l’épidémie de Covid.

Résultats principaux

Le confinement a pour effet de modérer l’effet de la structure du réseau en « petit monde » (small world). La modélisation de la dynamique d’un tel modèle montre que le confinement peut atténuer la propagation spatiale à longue distance de l’infection épidémique et peut “aplatir sa courbe” (“flatten its curve”).

Commentaire / brève évaluation, limites, ouvertures possibles

C’est un excellent article. Il applique une analyse perspicace à l’utilisation du confinement dans la lutte contre la Covid, en utilisant un test bien conçu et clairement exprimé et un logiciel en accès libre écrit par les auteurs selon un modèle bien connu. Il utilise de manière ingénieuse des données de base anonymisées obtenues auprès d’un opérateur de réseau de téléphonie mobile. Avec des données appropriées et des garanties de confidentialité, la méthode pourrait être appliquée à n’importe quel pays ou région ; la société Teralytics, qui a agrégé les données de base, propose également des données similaires pour l’Italie et les États-Unis, par exemple.