WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Evaluation de la dynamique spatio-temporelle de l'évolution de la covid a Libreville par une approche machine learning


par Bakari RAMADANE
Institut Africain d’Informatique - Diplôme d’Ingénieur Informaticien 0000
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CHAPITRE III : ETAT DE L'ART DE LA MODELISATION DES EPIDEMIES

La modélisation des épidémies a pour but essentiel de comprendre et contrôler, la propagation d'une maladie infectieuse transmissible. Elle consiste à construire un modèle qui permet de rendre compte de la dynamique de la maladie à partir de données et d'hypothèses sur la population.Dans cette session nous allons présenter d'abord les modèles à base de compartiment, puis les modèles à base de réseaux de pétri enfin et les modèles à base d'agent.

7. Modèles à base des compartiments

Les modèles à base des compartiments divisent la population en un certain nombre de compartiments ou classes différents, correspondant à des statuts épidémiologiques différents : sensible, infecté, guéri... . Des équations différentielles expriment alors l'évolution du nombre de personnes dans chaque compartiment au cours du temps.

a) Travaux connexes sur les modèles à base des compartiments

MATONDO MANANGA Herman, dans l'article intitulé : « Modélisation de la Dynamique de Transmission de la Covid-19 en République Démocratique du Congo à l'Aide du Modèle SEIRS à Six Classes», décrit, dans le temps, la dynamique de transmission de la Covid-19 en environnement déterministe au moyen des équations différentielles ordinaires. Le modèle qu'il proposé est une extension du modèle classique SEIRS ayant 6 compartiments. Son compartiment E est éclaté en deux : A correspondant au compartiment des asymptomatiques et I correspondant au compartiment de symptomatiques. Les autres compartiments sont : ?? : compartiment des susceptibles, ?? : compartiment des exposés, ?? : compartiment des guéris et ?? : compartiment des décédés dû à la Covid-19. La Figure 5 ci-dessous, est le diagramme de transfert de la population d'un compartiment à un autre.

 

Figure 4: diagramme du modèle SEAIRD(MATONDO MANANGA, 2021)

Le peuplement de différents compartiments procède comme suit : dans S, un susceptible devient exposé après un contact adéquat durant une période d'incubation moyenne de 14 jours, soit il manifeste les symptômes, devient symptomatique et entre dans le compartiment I ; soit il ne manifeste pas de symptômes et passe dans la classe des asymptomatiques A. Un infecté de la classe ?? peut, après un traitement, guérir et passer à la classe de guéris R ; soit, il peut également mourir de la Covid19 et passe dans la classe ??. Enfin, un guéri de la Covid-19 peut de nouveau devenir susceptible avec un taux ??. D'où l'hypothèse selon laquelle tous les asymptomatiques ne meurent pas du Covid-19 mais tous guérissent de la maladie après un certain temps. Du diagramme de la figure 5, on déduit le système d'équations différentielles ci-dessous qui décrivent la dynamique temporelle de la pandémie de la covid-19 en République Démocratique du Congo.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Piètre disciple, qui ne surpasse pas son maitre !"   Léonard de Vinci