Mobilité humaine et propagation des épidémies

Human mobility and epidemics

• Auteur / Autrice : Giulia Pullano
• Direction : Vittoria Colizza
• Type : Thèse de doctorat
• Discipline(s) : Biomathématiques
• Date : Soutenance le 28/09/2021
• 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 : Alain Barrat
• Jury : Examinateurs / Examinatrices : Stefania Rubrichi
• Jury : Rapporteur / Rapporteuse : Marco Fiore, Shweta Bansal

Mots clés

Mots clés contrôlés

Épidémie de Covid-19

Épidémiologie

Maladies infectieuses

Téléphonie mobile

Mobilité spatiale

Biomathématiques

Mots clés libres

Mobilité humaine

Maladies infectieuses

Modèles mathématiques

COVID-19

Données de mobilité

Données de téléphonie mobile

Épidémiologie computationnelle

Human mobility

Infectious disease transmission

Mobility data

Résumé

La mobilité humaine affecte la probabilité d'entrer en contact avec des individus infectés et donc la probabilité de propagation de la maladie. Dans les dernières décennies, les données relatives aux téléphones portables ont été utilisées pour suivre les comportements individuels à des fins épidémiologiques. Dans les situations d'urgence, les individus peuvent modifier leurs comportements en raison des restrictions de mobilité mises en place par les gouvernements, ou de comportements individuels d'adaptation à l'épidémie, comme l'aversion au risque. La COVID-19 a mis en évidence la nécessité de disposer de données sur la mobilité en temps réel pour contribuer à atténuer la diffusion virale. Les opérateurs de réseau mobile et les entreprises ont donc fait des efforts pour partager rapidement leurs données dans le cadre d'accords conformes au respect de la vie privée. Les informations massives et détaillées sur la mobilité ont ainsi ouvert de nouveaux défis sur la quantification des variations de mobilité et sur l'intégration de ces données dans les modèles. Ma thèse de doctorat a répondu à cette question en traitant des travaux de recherche théorique et appliquée visant à intégrer les données de mobilité en temps réel à différentes échelles spatiales dans des modèles mathématiques pour des applications de santé publique, en particulier sur l’épidémie de covid-19 en France.

Human mobility affects the mixing among populations and thus crucially alter the probability of coming in contact with infected individuals and the likelihood of disease propagation. To date, mobile phone data have been largely used to track individual behaviours within countries. During emergencies, individuals may change their behaviours due to mobility restrictions put in place by governments to mitigate the epidemic activity; or individual adaptive behaviours to the epidemic, like risk aversion. COVID-19 pandemic has underlined the necessity of real-time mobility data to help mitigate the viral diffusion. Network operators and companies across the world made thus huge efforts to quickly share their data through privacy compliant agreements. The massive and detailed information of human mobility has thus opened new challenges on i) quantifying the impact mobility restrictions in terms of mobility changes; ii) integrating real-time mobility data into models, in order to increase their predictive power by accounting for mobility changes. My doctoral thesis answered this question by dealing with theoretical and applied research work aimed at integrating real-time mobility data on different spatial scales into mathematical models for public heath applications. In particular, I focused on the context of COVID-19 epidemic in France.