Def 1 épidémie
Apparition et propagation maladie infectieuse contagieuse qui frappe en même temps un même endroit
Def 2 épidémies
Ce qui touche un grand nombre de personnes en se propageant
Endémie
Présence stable et durable d’une maladie infectieuse
Pandémie
Épidémie qui atteint un grand nombre de personnes dans une zone géographique très étendue
Prévalence
Taux de personnes présentant une maladie à un moment donné
Prend en compte les nouveaux cas et les personnes préalablement diagnostiquées
Incidence
Taux de nouvelles personnes présentant une maladie sur une période donnée
Modèle statistique
Pour faire des pronostics, expliquer le devenir
Modèles construits à postériori sur la base de données déjà récoltées
Modèle mathématique
Au vu d’hypothèse théoriques
Modèles plutôt construits à priori
Ex: SIR
Coefficient bêta
Vitesse associé à la transition S=>I
Indique la force de contamination de la maladie
Incidence= bêta x S(t) x I(t) / N
Coefficient gamma
Vitesse associée à la transition I=>R
Représente le taux de guérison
Téta= 1/ gamma
N=
S+I+R
Équation différentielle S
-bêta x S(t) x I(t)
Équation différentielle I
( bêta x S(t) x I(t) ) - ( gamma x I(t)
Équation différentielle R
Gamma x I(t)
R0
Représente le nombre de nouvelles infections causées en moyenne par chaque personne infectée
>1 => épidémie va se développer
=1 => situation endémique
<1 => épidémie va se résoudre
Politique pour épuisement de S
Delta =
Taux de vaccination
Politique pour la disparition de I
Isolement des personnes infectées
Confinement
Mais long et peut être dramatique
Si gamma petit
Épidémie longue => fin par épuisement de S
Si gamma grand
Épidémie courte
Fin par disparition de I
Autres paramètres jouants sur une épidémie
Prévalence diabète France 2020
5,3%
Incidence cancer France 2018
330/ 100 000
Fin de l’épidémie par absence d’infectés
Y>B => R0<1