A mechanistic and data-driven reconstruction of the time-varying reproduction number: Application to the COVID-19 epidemic
Cazelles, Bernard | Champagne, Clara | Nguyen-Van-Yen, Benjamin | Comiskey, Catherine | Vergu, Elisabeta | Roche, Benjamin | Unité de modélisation mathématique et informatique des systèmes complexes [Bondy] (UMMISCO) ; Université Gaston Berger de Saint-Louis Sénégal (UGB)-Université de Yaoundé I (UY1)-Institut de la francophonie pour l'informatique-Université Cadi Ayyad [Marrakech] (UCA)-Sorbonne Université (SU)-Institut de Recherche pour le Développement (IRD [Ile-de-France])-Université Cheikh Anta Diop de Dakar [Sénégal] (UCAD) | Mathématiques et Informatique Appliquées du Génome à l'Environnement [Jouy-En-Josas] (MaIAGE) ; Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE) | Institut de biologie de l'ENS Paris (IBENS) ; Département de Biologie - ENS-PSL (IBENS) ; École normale supérieure - Paris (ENS-PSL) ; Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL) ; Université Paris Sciences et Lettres (PSL)-Université Paris Sciences et Lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS) | Swiss Tropical and Public Health Institute [Basel] | Université de Bâle = University of Basel = Basel Universität (Unibas) | Génétique fonctionnelle des maladies infectieuses - Functional Genetics of Infectious Diseases ; Institut Pasteur [Paris] (IP)-Centre National de la Recherche Scientifique (CNRS) | Trinity College Dublin | Centre de Recherches Ecologiques et Evolutives sur le Cancer (MIVEGEC-CREEC) ; Processus Écologiques et Évolutifs au sein des Communautés (PEEC) ; Maladies infectieuses et vecteurs : écologie, génétique, évolution et contrôle (MIVEGEC) ; Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie])-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie])-Maladies infectieuses et vecteurs : écologie, génétique, évolution et contrôle (MIVEGEC) ; Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie])-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie]) | BC and BR are partially supported by a grant ANR Flash Covid-19 from the “Agence Nationale de la Recherche” (DigEpi). | ANR-20-COVI-0015,DigEpi,Epidémiologie digitale : analyse des réseaux sociaux pour anticiper le niveau de transmission locale du COVID-19 dans les agglomérations françaises(2020)
International audience
Показать больше [+] Меньше [-]Английский. The effective reproduction number R eff is a critical epidemiological parameter that characterizes the transmissibility of a pathogen. However, this parameter is difficult to estimate in the presence of silent transmission and/or significant temporal variation in case reporting. This variation can occur due to the lack of timely or appropriate testing, public health interventions and/or changes in human behavior during an epidemic. This is exactly the situation we are confronted with during this COVID-19 pandemic. In this work, we propose to estimate R eff for the SARS-CoV-2 (the etiological agent of the COVID-19), based on a model of its propagation considering a time-varying transmission rate. This rate is modeled by a Brownian diffusion process embedded in a stochastic model. The model is then fitted by Bayesian inference (particle Markov Chain Monte Carlo method) using multiple well-documented hospital datasets from several regions in France and in Ireland. This mechanistic modeling framework enables us to reconstruct the temporal evolution of the transmission rate of the COVID-19 based only on the available data. Except for the specific model structure, it is non-specifically assumed that the transmission rate follows a basic stochastic process constrained by the observations. This approach allows us to follow both the course of the COVID-19 epidemic and the temporal evolution of its R eff (t) . Besides, it allows to assess and to interpret the evolution of transmission with respect to the mitigation strategies implemented to control the epidemic waves in France and in Ireland. We can thus estimate a reduction of more than 80% for the first wave in all the studied regions but a smaller reduction for the second wave when the epidemic was less active, around 45% in France but just 20% in Ireland. For the third wave in Ireland the reduction was again significant (>70%).
Показать больше [+] Меньше [-]Ключевые слова АГРОВОК
Библиографическая информация
Эту запись предоставил Institut national de la recherche agronomique