Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Page 1 sur 12 Approfondissement en Terminale S Groupe Mathématique Liaison Lycé

Page 1 sur 12 Approfondissement en Terminale S Groupe Mathématique Liaison Lycée-Enseignement Supérieur Cette fiche a été élaborée par des enseignantes et des enseignants des lycées et universités de l’académie de Créteil. Thème Etude de phénomènes d’évolution Titre Le modèle S.I.R Objectifs  Interdisciplinarité : comprendre l’intérêt/la nécessité des mathématiques dans les autres sciences  Mettre en place une modélisation mathématique  Simuler des propagations d’épidémies à l’aide d’algorithmes  A partir de ces simulations, exploiter le modèle pour comparer les caractéristiques de quelques épidémies, comprendre le rôle du « taux de reproduction », plus généralement le mécanisme de propagation d’une épidémie  Introduire et motiver le concept d’équations différentielles Prolongement possible : Etudier les solutions d’équations différentielles simples : y’ = ay, y’ = ay + b, y’ = ay + f(x). Etude des modèles de croissance de population exponentielle, logistique. Mise en place (suggestion) Séance de 2h d’accompagnement personnalisé dans une salle équipée d’ordinateurs. Après visionnage collectif de l’extrait de film et l’introduction de l’activité par le professeur, les élèves peuvent travailler en relative autonomie, le professeur intervenant comme personne ressource. Cette séance peut être suivie d’une séance complémentaire de 2h sur les équations différentielles (hors programme exigible mais intéressant pour les poursuites d’études en science ; ressource [3] chap. 4 très intéressant à ce sujet). Sources/Ressources : [1] A Contribution to the Mathematical Theory of Epidemics, W. O. Kermack; A. G. McKendrick, Proceedings of the Royal Society of London. Series A, Vol. 115, (1927), pp. 700-721 [2] The mathematics of diseases, Matt Keeling, in Plus Magazine (revue mathématique soutenue par l’Université de Cambridge) [3] Calculus in Context, the Five College Calculus Course (Etats-Unis) [4] The SIR Model for Spread of Disease, Duke University (Caroline du Nord, Etats-Unis) [5] Modélisation mathématique en épidémiologie, Marc Choisy (CNRS, IRD), in Écologie de la santé et conservation (2010), De Boeck Université. [6] Propagation d’Epidémies, CultureMATH [7] Modéliser la propagation d’une épidémie, Interstices, François Rechenmann, INRIA [8] SimFlu : Build your own epidemic, Modélisation d’une grippe (applet Excel) [9] Mathématiques & Maladies Infectieuses , conférence pour Maths en Jeans par Gauthier Sallet, Professeur à l’université Paul Verlaine, Metz [10] R0, introduction et Historique, pages 1 à 3, Gauthier Sallet, INRIA et IRD [11] Site de Jean Dutertre, médecin et épidémiologiste passionné par l’Afrique, qui a lutté contre la maladie du sommeil et le paludisme. A noter en particulier la page concernant l’historique des modèles épidémiologiques. Page 2 sur 12 0. Introduction : Extrait du film Contagion, de Steven Soderbergh (Novembre 2011)  Voir fichier Contagion-Extrait R0.avi [17:48-20:04] Un virus mortel se propage à grande vitesse sur la planète. Scientifiques et politiques se mobilisent. Dr Erin Mears (Kate Winstlet) explique l’importance de déterminer le “taux de reproduction” (“R-naught”, R-0) pour prévoir l’évolution du virus. Questions : (a) Quels sont les facteurs de transmission d’une maladie évoqués au début de l’extrait ? (b) Quelles solutions sont évoquées pour réduire le taux de transmission dans la maladie cités dans l’extrait ? (c) Qu’est-ce que R0 ? (d) Quelles sont les trois maladies évoquées dans cet extrait et le R0 correspondant ? (e) Quelles sont les facteurs évoqués par Dr Erin Mears permettant de déterminer R0 ? L’épidémiologie Dans l’extrait que nous venons de voir, des scientifiques et politiques s’inquiètent du développement très rapide d’une nouvelle maladie très contagieuse. C’est un film et donc de la fiction, mais à l’heure actuelle le paludisme, maladie transmise via un type particulier de moustiques, tue encore un enfant toutes les 30 secondes en Afrique et entre 1 et 3 millions de personnes par an, selon les estimations de l'OMS (Organisation Mondiale de la Santé). Deux milliards d'individus, soit pas moins de 40% de la population mondiale, sont exposés à cette maladie. La lèpre et la peste autrefois, la grippe aviaire récemment, le VIH… sont autant d’exemples supplémentaires de maladies contagieuses qui ont inquiété ou inquiètent encore la société, car pour de telles maladies le nombre de cas peut soudainement augmenter dans une région donnée à un moment donné, et ce de façon potentiellement incontrôlable. On parle alors d’épidémie. L’épidémiologie est l'étude des épidémies. Etudier, comprendre, analyser le développement d’une épidémie est une tâche difficile, mais indispensable pour prédire ce développement, et agir pour le freiner voire l’empêcher. Ces études permettent aussi de prévoir les conséquences pour la population d'actions que la vaccination, la mise en quarantaine ou la distribution de tests de dépistage. Les mathématiques sont au cœur de ces études épidémiologiques. L’objectif de cette séance d’AP est de comprendre quelques mécanismes de propagation d’une maladie contagieuse en étudiant un modèle classique en épidémiologie : le modèle « S.I.R. ». : « le médecin n'oubliera pas que les expressions : plus, beaucoup, moins, souvent, ne signifient rien, qu'il faut compter en médecine pour sortir du vague, que c'est un des moyens dont on ne saurait faire abstraction dans la recherche de la vérité. » Pierre Charles Alexandre Louis (1787-1872), médecin français à l’origine de la « méthode numérique » (l’ancêtre de l’épidémiologie et des essais cliniques modernes). Page 3 sur 12 1. Le modèle « S.I.R. » Le modèle1 « S.I.R. » a été présenté pour la première fois par KERMACK & McKENDRICK à Londres et Cambridge en 1927 pour expliquer a posteriori2 l’évolution de l’épidémie de peste à Bombay en 1905-1906. A chaque instant on décide diviser la population en trois catégories (qu’on appelle « compartiments » dans le langage de l’épidémiologie) : - les individus « Susceptibles » ou « Sains » (S) : ceux qui n’ont jamais eu la maladie, et peuvent la contracter ; - les individus « Infectés » (I) : les malades, ce sont aussi les contagieux (c’est une hypothèse de ce modèle) ; - les individus « Rétablis » (R, comme « Recovered » en anglais) : ceux qui ont déjà eu la maladie et sont désormais immunisés contre cette maladie (c’est une hypothèse de ce modèle). On inclut dans ce groupe les personnes décédées (puisqu’elles ne peuvent plus contracter la maladie, et parce que c’est pratique). Il paraît plus naturel de travailler avec le nombre de personnes dans chaque catégorie, mais certains calculs seront plus simples si on utilise plutôt la proportion de personnes dans chaque catégorie, ce qui nous permet de connaître tout aussi bien la progression de l’épidémie. On note donc : S(t), I(t) et R(t) la proportion d’individus de chacune des catégories (les sains, les infectés, les rétablis) à l’instant t. Notre objectif est de connaître l’évolution de S(t), I(t) et R(t) au cours du temps. Pour cela on cherche dans un premier temps à déterminer les règles qui régissent les variations de ces variables. 1 Qu’est ce qu’un modèle ? Pour étudier une situation réelle, on commence par extraire de la situation ses caractéristiques principales. Les hypothèses et simplifications faites permettent alors de décrire la situation mathématiquement : on a créé un modèle. On substitue ainsi au monde réel le monde « idéal » (et simplificateur) des mathématiques. Ensuite on utilise des techniques mathématiques connues pour analyser, étudier le modèle. Les conclusions obtenues sont ensuite retraduites dans le langage du monde réel. Par définition un modèle est faux, puisqu’incomplet et imparfait. Par confrontation à l’expérience et au réel les modèles peuvent être affinés. 2 Pourquoi chercher à expliquer a posteriori ? Encore une fois pour mieux comprendre le phénomène et pouvoir agir dans le futur si on se retrouve dans une situation similaire où le modèle semble pouvoir être appliqué. A.G. McKendrick était un médecin écossais militaire de l’armée britannique, qui s’est spécialisé ensuite en épidémiologie. W.O. Kermarck, écossais lui aussi, était mathématicien de formation et a beaucoup travaillé dans le domaine de la chimie. Page 4 sur 12 Pour le modèle « S.I.R. » les règles retenues sont les suivantes :  La maladie est une maladie assez brève : on néglige les phénomènes démographiques (naissances, décès, immigration). La taille de la population étudiée peut donc être considérée comme fixe.  La seule façon pour qu’un individu quitte le groupe des sains est en devenant infecté. Il est raisonnable de penser que le nombre de nouveaux cas sur une durée donnée est proportionnel au nombre de contacts sur cette durée entre les individus susceptibles et les individus infectés (S(t) × I(t)). On note ce coefficient de proportionnalité β.  Les personnes malades (infectés) sont toutes infectieuses : elles peuvent transmettre la maladie.  Chaque personne qui a guéri de cette maladie est immunisée pour toujours contre cette maladie : la personne ne peut plus retomber malade.  Nous faisons aussi l’hypothèse que toutes les personnes tombées malades finissent par guérir (ou mourir, selon la maladie, mais on ne fera pas la différence ici : dans les deux cas les individus ne peuvent plus retomber malade). Ainsi qu’une proportion γ des individus infectés passe dans le groupe des individus rétablis tous les jours. Par exemple si la durée moyenne d’infection est de λ = 4 jours, en moyenne chaque jour γ = 1/4 de la population infectée uploads/Sante/ 5-modele-sir.pdf