• Une modélisation pour limiter la transmission des maladies infectieuses dans les aéroports et les gares - Salle de presse de l’Inserm
    https://presse.inserm.fr/une-modelisation-pour-limiter-la-transmission-des-maladies-infectieuses-dans-les-aeroports-et-les-gares/66702


    Le modèle s’intéresse au cas de Heathrow à Londres.
    © Unsplash

    Dans les lieux à forte densité de population, comme dans les aéroports ou les gares, la distanciation sociale peut difficilement être maintenue et le risque de transmission des maladies infectieuses est accru. Afin de réduire ce risque, il est essentiel de mieux comprendre les dynamiques de transmission dans ces espaces et les mesures d’atténuation efficaces qui peuvent être mises en place à moindre coût. C’est l’objectif d’un modèle mathématique développé par des équipes de l’Inserm et de Sorbonne Université à Institut Pierre Louis d’épidémiologie et de santé publique avec l’Institut espagnol CSIC-IFISC.

    En prenant l’exemple de l’aéroport de Heathrow à Londres et de maladies comme la grippe H1N1 et la Covid-19, ce modèle permet d’identifier les lieux où le risque de transmission est le plus grand au sein d’espaces à forte densité de population. En ciblant uniquement ces lieux avec des mesures comme la filtration de l’air ou l’utilisation de lampe Far-UVC, les scientifiques montrent aussi qu’il est possible de réduire les contaminations de manière significative. Les résultats complets sont publiés dans Nature Communications.

    • l’article original

      Spatial immunization to abate disease spreading in transportation hubs | Nature Communications
      https://www.nature.com/articles/s41467-023-36985-0


      Heatmap showing the cells in the airport area in which contagions occur when running the SIR model. In a, after one day of simulation and in b after two days. Color code normalized for each period considered.

      Abstract
      Proximity social interactions are crucial for infectious diseases transmission. Crowded agglomerations pose serious risk of triggering superspreading events. Locations like transportation hubs (airports and stations) are designed to optimize logistic efficiency, not to reduce crowding, and are characterized by a constant in and out flow of people. Here, we analyze the paradigmatic example of London Heathrow, one of the busiest European airports. Thanks to a dataset of anonymized individuals’ trajectories, we can model the spreading of different diseases to localize the contagion hotspots and to propose a spatial immunization policy targeting them to reduce disease spreading risk. We also detect the most vulnerable destinations to contagions produced at the airport and quantify the benefits of the spatial immunization technique to prevent regional and global disease diffusion. This method is immediately generalizable to train, metro and bus stations and to other facilities such as commercial or convention centers.