Applications épidémiologiques : Modèles exponentiels et suites géométriques

Introduction

APPLICATIONS ÉPIDÉMIOLOGIQUES
Modèles exponentiels et suites géométriques

Découvrez comment les mathématiques modélisent la propagation des épidémies

Propagation
Contagion
Modèles

Définition de l'épidémiologie

Qu'est-ce que l'épidémiologie ?

DÉFINITION SCIENTIFIQUE
Définition

L'épidémiologie est la science qui étudie la distribution et les déterminants des maladies et des conditions de santé dans les populations humaines. Elle permet de comprendre comment se propagent les maladies infectieuses et de concevoir des stratégies de prévention et de contrôle.

Les modèles mathématiques jouent un rôle central dans l'épidémiologie pour prédire l'évolution d'une épidémie.

L'épidémiologie combine biologie, statistiques et mathématiques

Modèle exponentiel de propagation

Modèle exponentiel simple

PRINCIPE DE BASE
Hypothèses du modèle

Le modèle exponentiel suppose que chaque personne contaminée transmet la maladie à un nombre constant de personnes à chaque période. La fonction mathématique qui modélise cette propagation est de la forme :

\( N(t) = N_0 \cdot e^{rt} \)

Où :

  • \(N_0\) est le nombre initial de personnes infectées
  • \(r\) est le taux de croissance (positif)
  • \(t\) est le temps
CARACTÉRISTIQUES
Propriétés du modèle exponentiel
1 Croissance rapide au début
2 Accélération continue de la propagation
3 Tendance vers l'infini (hypothétique)
4 Modèle valide en début d'épidémie
Le modèle exponentiel est utile pour prédire la phase initiale d'une épidémie !

Suite géométrique en épidémiologie

Modèle discret

DÉFINITION DU MODÈLE DISCRET
Suite géométrique

Le modèle discret de propagation épidémique peut être représenté par une suite géométrique. Si chaque personne contaminée transmet la maladie à \(q\) personnes à chaque période, alors :

\( u_n = u_0 \cdot q^n \)

Où :

  • \(u_0\) est le nombre initial de personnes infectées
  • \(q\) est le facteur de multiplication (nombre de personnes contaminées par personne)
  • \(n\) est le numéro de la période
LIEN AVEC LE MODÈLE CONTINU
Relation entre les deux modèles

Si \(q = e^r\), alors le modèle discret devient une version discrétisée du modèle continu :

\( u_n = u_0 \cdot e^{rn} \)

Ce qui correspond au modèle exponentiel évalué aux instants discrets \(t = n\).

Nombre de reproduction de base

R₀ (R-zéro)

DÉFINITION
Qu'est-ce que R₀ ?

Le nombre de reproduction de base, noté R₀ (R-zéro), est le nombre moyen de personnes qu'une personne infectée va contaminer dans une population entièrement susceptible.

\( R_0 = \beta \cdot \tau \)

Où :

  • \(\beta\) est le taux de transmission
  • \(\tau\) est la durée moyenne d'infection
INTERPRÉTATION
Signification de R₀
  • Si \(R_0 > 1\) : l'épidémie se propage
  • Si \(R_0 = 1\) : l'épidémie stagne
  • Si \(R_0 < 1\) : l'épidémie disparaît

Exemple de propagation

Application pratique

EXEMPLE CONCRET
Situation

Une nouvelle grippe arrive dans une ville. Initialement, 10 personnes sont infectées. Chaque personne infectée contamine en moyenne 2 autres personnes par semaine.

Modéliser la propagation pendant 4 semaines à l'aide d'une suite géométrique.

Solution
1 On a une suite géométrique de premier terme \(u_0 = 10\) et de raison \(q = 2\)
2 La suite est : \(u_n = 10 \times 2^n\)
3 Calcul des termes :
  • Semaine 0 : \(u_0 = 10 \times 2^0 = 10\)
  • Semaine 1 : \(u_1 = 10 \times 2^1 = 20\)
  • Semaine 2 : \(u_2 = 10 \times 2^2 = 40\)
  • Semaine 3 : \(u_3 = 10 \times 2^3 = 80\)
  • Semaine 4 : \(u_4 = 10 \times 2^4 = 160\)

Après 4 semaines, il y aura 160 personnes infectées.

Modèle SIR

Modèle épidémiologique complet

PRINCIPE DU MODÈLE SIR
Les trois compartiments

Le modèle SIR divise la population en trois catégories :

  • S : Susceptibles (personnes non encore infectées)
  • I : Infectés (personnes actuellement infectées)
  • R : Retirés (personnes guéries ou décédées)

Les équations différentielles décrivant le modèle sont :

\( \frac{dS}{dt} = -\beta \frac{SI}{N} \)
\( \frac{dI}{dt} = \beta \frac{SI}{N} - \gamma I \)
\( \frac{dR}{dt} = \gamma I \)
PARAMÈTRES
Paramètres du modèle
  • \(\beta\) : taux de transmission
  • \(\gamma\) : taux de guérison
  • \(N\) : population totale

Le nombre de reproduction de base est \(R_0 = \frac{\beta}{\gamma}\)

Exercice d'application

Problème complet

ÉNONCÉ
Question

Une épidémie de grippe commence dans une petite ville de 1000 habitants. Initialement, 5 personnes sont infectées. Chaque personne infectée contamine en moyenne 1.5 personne par jour.

1. Donner la suite géométrique modélisant la propagation.

2. Combien de personnes seront infectées après 7 jours ?

3. Calculer le nombre de reproduction de base R₀.

Solution de l'exercice

Correction détaillée

QUESTION 1 : SUITE GÉOMÉTRIQUE
Solution question 1

On a une suite géométrique avec :

  • Premier terme : \(u_0 = 5\) (personnes infectées initialement)
  • Raison : \(q = 1.5\) (chacune contamine 1.5 personne par jour)

Donc : \(u_n = 5 \times 1.5^n\)

Cette suite modélise le nombre de nouvelles infections chaque jour.

QUESTION 2 : NOMBRE D'INFECTÉS AU JOUR 7
Solution question 2

Utilisons la formule : \(u_7 = 5 \times 1.5^7\)

\(1.5^7 = 17.086\)

\( u_7 = 5 \times 17.086 = 85.43 \)

Il y aura environ 85 personnes infectées après 7 jours (nouvelles infections).

Pour le total cumulé, il faut additionner tous les termes de la suite jusqu'à n=7.

QUESTION 3 : NOMBRE DE REPRODUCTION DE BASE
Solution question 3

Le nombre de reproduction de base est le nombre moyen de personnes qu'une personne infectée va contaminer.

Dans cet exemple, chaque personne contamine 1.5 personne par jour.

\( R_0 = 1.5 \)

Puisque \(R_0 > 1\), l'épidémie se propage.

Résumé

Points clés

DÉFINITIONS ESSENTIELLES
Modèles de propagation
  • Modèle exponentiel continu : \(N(t) = N_0 \cdot e^{rt}\)
  • Modèle discret (suite géométrique) : \(u_n = u_0 \cdot q^n\)
  • Nombre de reproduction de base : \(R_0 = \frac{\beta}{\gamma}\)
Critères de propagation
  • Si \(R_0 > 1\) : l'épidémie se propage
  • Si \(R_0 = 1\) : l'épidémie stagne
  • Si \(R_0 < 1\) : l'épidémie disparaît
Modèle SIR
  • S : Susceptibles
  • I : Infectés
  • R : Retirés
Maîtrisez ces concepts pour comprendre la propagation des épidémies !

Exercices supplémentaires

Approfondissement

EXERCICE 1
Question

Une épidémie commence avec 3 personnes infectées. Chaque personne contamine 2 personnes par période. Modéliser cette propagation avec une suite géométrique.

a) Donner la formule de la suite.

b) Combien de personnes seront infectées après 5 périodes ?

c) Calculer R₀.

EXERCICE 2
Question

Une maladie a un taux de transmission β = 0.4 et un taux de guérison γ = 0.2. Calculer R₀ et dire si l'épidémie se propage.

SOLUTIONS
Solutions

Exercice 1 :

a) Suite géométrique : \(u_n = 3 \cdot 2^n\)

b) Après 5 périodes : \(u_5 = 3 \cdot 2^5 = 3 \cdot 32 = 96\) personnes

c) \(R_0 = 2\) (chaque personne contamine 2 autres)

Exercice 2 :

\(R_0 = \frac{\beta}{\gamma} = \frac{0.4}{0.2} = 2\)

Comme \(R_0 > 1\), l'épidémie se propage.

Graphiques interactifs

Visualisation des modèles

COMPARAISON DES MODÈLES
Analyse des courbes

Sur le graphique ci-dessus, vous pouvez observer différentes courbes de propagation épidémique :

  • Propagation rapide (R₀ élevé)
  • Propagation modérée
  • Propagation lente (R₀ proche de 1)

Plus R₀ est grand, plus la propagation est rapide.

Applications réelles

Études de cas

COVID-19
Épidémie de COVID-19

La pandémie de COVID-19 a été modélisée à l'aide de modèles épidémiologiques. Initialement, R₀ était estimé entre 2 et 3, ce qui explique la propagation rapide du virus.

Les mesures de distanciation sociale ont permis de réduire R₀, ralentissant la propagation.

GRIFFE ESPAGNOLE (1918)
Grippe espagnole

La grippe espagnole de 1918 a tué environ 50 millions de personnes. R₀ était estimé entre 1.4 et 2.8.

Les modèles mathématiques ont aidé à comprendre la propagation de cette épidémie historique.

CHOLERA
Choléra

Le choléra se propage principalement par voie hydrique. Son R₀ varie selon les conditions sanitaires. Les modèles aident à planifier les interventions sanitaires.

Conclusion

Félicitations !

FÉLICITATIONS !
MAÎTRISE DES APPLICATIONS ÉPIDÉMIOLOGIQUES
Vous comprenez maintenant les modèles mathématiques de propagation des épidémies !

Continuez à pratiquer pour renforcer vos compétences

Compris
Retenu
Appliqué