Épidémiologie sur réseau pour l'évaluation des risques dans la prévention et le contrôle des infections

Network epidemiology aimed at risk assessment in infection prevention and control

• Auteur / Autrice : Alexandre Darbon
• Direction : Vittoria Colizza
• Type : Thèse de doctorat
• Discipline(s) : Biomathématiques
• Date : Soutenance le 29/03/2019
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Pierre Louis de santé publique : épidémiologie et sciences de l'information biomédicale (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut Pierre Louis d'épidémiologie et de santé publique (Paris ; 2014-....)
• Jury : Président / Présidente : Marius Gilbert
• Jury : Examinateurs / Examinatrices : Lionel Tabourier
• Jury : Rapporteur / Rapporteuse : Marius Gilbert, Mario Giacobini

Mots clés

Mots clés contrôlés

Italie

Brucellose bovine

Santé publique

Modèles mathématiques

Épidémiologie

Maladies infectieuses -- Prévention

Mots clés libres

Seuil épidémique

Réseaux temporels

Risque épidémique

Modélisation mathématique

Épidémiologie computationnelle

Théorie des réseaux

Santé publique

Analyse des données

Epidemic threshold

Temporal networks

Risk assessment

Mathematical modeling

Computational epidemiology

Network theory

Public health

Data analysis

Résumé

L’objectif de ma thèse est de proposer des solutions contre la propagation des maladies infectieuses dans des cas précis, en tenant compte de l'évolution des contacts entre les hôtes. Ce travail porte en particulier sur la détermination du seuil épidémique, un indicateur clé du risque épidémique. Il exploite et étend un formalisme mathématique issu de la théorie des réseaux, qui permet de déterminer le seuil épidémique dans des situations réelles, pour en dégager des mesures de santé publique. Un premier projet met en lumière des facteurs à l'origine de la persistance de la brucellose bovine en Italie en dépit des mesures d'éradication en place. L'approche théorique permet de calculer le seuil épidémique dans chaque région du pays à l'aide de données exhaustives sur les déplacements de bovins entre les exploitations italiennes sur plusieurs années, ainsi que des relevés datés de flambées épidémiques. Est ensuite présentée une extension du formalisme qui prend en compte différentes durées moyennes d’infection dans le calcul du seuil épidémique. Ce travail montre dans différents contextes épidémiologiques comment l’hypothèse classique selon laquelle la durée moyenne d’infection est homogène peut biaiser l’estimation du risque épidémique. Cette méthode permet également d'identifier les hôtes d'une population qui sont principalement responsables du risque épidémique global.

My doctoral thesis aims to propose solutions against the spread of infectious diseases in specific contexts, taking into account how host contacts evolve in time using a temporal network representation. It focuses on the determination of the epidemic threshold, a key indicator of the epidemic risk. By leveraging and extending a mathematical formalism from network theory, this work enables the computation of the epidemic threshold in real situations in order to identify public health measures. A first project addresses the persistence of bovine brucellosis in Italy despite the existing eradication measures. Using comprehensive data on cattle movements between Italian farms over several years, as well as time-stamped outbreak records, the epidemic threshold computation in each region of the country provides information on regions vulnerability and proposes factors that may explain disease persistence. An extension of the formalism is then presented, including heterogeneous average infectious periods in the epidemic threshold computation. This work shows in different epidemiological contexts how the classical assumption that the average infectious period is the same for all hosts in a population may bias epidemic risk assessments. This method also identifies the hosts in a population that are primarily responsible for the global epidemic risk.