Modèles probabilistes spatialisés pour la propagation de pathogènes par les mouvements commerciaux d'animaux

Spatial stochastic models for the spread of pathogens through commercial animal movements

• Auteur / Autrice : Andrée Barnier
• Direction : Estelle Kuhn
• Type : Projet de thèse
• Discipline(s) : Mathématiques aux interfaces
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard
• Partenaire(s) de recherche : Laboratoire : MaIAGE - Mathématiques et Informatique Appliquées du Génome à l'Environnement
• Partenaire(s) de recherche : Equipe de recherche : Dynenvie, Modélisation dynamique et statistique pour les écosystèmes, l'épidémiologie et l'agronomie
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Graphes aléatoires

Données spatialisées

Épidémiologie

Mouvements d'animaux

Random graphs

Spatial data

Epidemiology

Animal movements

Résumé

Les mouvements commerciaux d'animaux constituent un vecteur privilégié pour la propagation de maladies infectieuses (paratuberculose bovine, PRRSV, fièvre catarrhale ovine…) En France, les exigences de traçabilité se sont traduites par la mise en place de bases de don-nées nationales de suivi des animaux (BDNI et BDPorc notamment). Les mouvements d'animaux sont soumis à de fortes contraintes géographiques (Dutta et al. 2014), qui sont insuffisamment prises en compte dans les modèles existants (Hoscheit et al. 2017, Knight et al. 2021). Dans cette thèse, nous étudierons des modèles de graphes aléatoires spatialement explicites permettant de reproduire les interactions à courte et longue distance constatées empiriquement dans les mouvements commerciaux d'animaux. Nous nous placerons dans le cadre des réseaux scale-free percolation (SFP, Deijfen et al. 2013), qui combinent une inhomogénéité intrinsèque des nœuds avec un aléa dépendant de leur distance géographique. Nous établirons rigoureusement des relations générales entre les propriétés génératives du réseau (distance géographique et relations commerciales) et les caractéristiques des processus épidémiques qui s'y propagent. Nous combinerons ensuite les données de mouvements d'animaux avec des informations géographiques de haute résolution (SIG) pour aboutir à une représentation spatialisée des réseaux commerciaux d'animaux d'élevage permet-tant la calibration des modèles de graphes étudiés et l'étude de scénarios épidémiques variés.

Commercial movements of animals are a major vector for the spread of infectious diseases (bovine paratuberculosis, PRRSV, ovine catarrhal fever, etc.). In France, traceability require-ments have led to the establishment of national animal tracking databases (notably BDNI and BDPorc). Animal movements are subject to strong geographical constraints (Dutta et al. 2014), which are insufficiently considered in existing models (Hoscheit et al. 2017, Knight et al. 2021). In this thesis, we will investigate spatially explicit random graph models that can reproduce the short and long-distance interactions empirically observed in commercial animal move-ments. We will place ourselves in the framework of scale-free percolation networks (SFP, Deijfen et al. 2013), which combine intrinsic inhomogeneity of nodes with a randomness depending on their geographical distance. We will rigorously establish general relationships between the generative properties of the network (geographical distance and trade rela-tions) and the characteristics of the epidemic processes propagating on it. We will then combine animal movement data with high resolution geographic information (GIS) to pro-duce a spatial representation of livestock trade networks that will permit the calibration of the graph models under study and the exploration of various epidemic scenarios.