image: Figure A shows the variation in the birth rate (pathogen transmission rate, solid line) and death rate (recovery rate of infected hosts, dotted line) over time (the time unit is a day). The gray shading represents "winter" for the pathogen (in "winter" the birth rate is lower than the death rate). Figure B shows the probability of the emergence of the pathogen (red curve), depending on the day of the year at which it is introduced. This probability is very low in "winter" (low transmission rate), but also just before winter (red shading). This very significant decrease in the probability of emergence just before winter is the "winter is coming" effect. view more
Credit: Sylvain Gandon
Lémergence de certaines épidémies, dites « saisonnières », est directement impactée par le moment darrivée du pathogène. En effet, de nombreuses infections fluctuent en fonction des saisons, telle la grippe qui se transmet mieux en hiver. Deux scientifiques de luniversité de Nantes* et du CNRS** à Montpellier ont mis au point un modèle mathématique qui permet de prédire le risque démergence dune épidémie en fonction du moment de lannée où est introduit le pathogène. Leurs prédictions théoriques, qui prennent en compte le hasard, soulignent une dynamique temporelle intéressante : ces pathologies connaissent un « hiver » qui nest pas forcement la saison du même nom mais une période qui leur est moins favorable. Selon leurs travaux, un pathogène introduit juste avant son « hiver » a alors une probabilité bien plus faible de subsister et dengendrer une épidémie importante. Les scientifiques ont nommé cet effet « winter is coming ». Leur modèle théorique permettrait donc délaborer de meilleures stratégies pour agir sur les épidémies saisonnières. Une intervention au bon moment pourrait amplifier cet effet et permettrait ainsi de générer des conditions défavorables à lémergence dune épidémie. Ces travaux viennent dêtre publiés dans PLOS Computational Biology.
###
Notes
* Philippe Carmona est membre du Laboratoire de mathématique Jean Leray (CNRS / Université de Nantes).
** Sylvain Gandon est membre du Centre décologie fonctionnelle et évolutive, CEFE (CNRS/ Université de Montpellier/IRD/EPHE/Université Paul-Valéry-Montpellier).
Journal
PLoS Computational Biology