En savoir plus

Contexte et enjeux

La lutte contre les maladies infectieuses du bétail se propageant entre des exploitations par le commerce d’animaux est un enjeu majeur, notamment pour garantir une agriculture durable. Dans ce contexte, l’utilisation d’approches mathématiques appropriées pour décrire et contrôler de tels systèmes s’avère très utile. En particulier, les modèles épidémiologiques mécanistes fournissent une description fine de la propagation des agents pathogènes. De plus, sur la base de ces modèles, il est possible de concevoir des stratégies pour la gestion de la propagation de maladies infectieuses, tel que l’allocation optimale de ressources parmi un ensemble de sous-populations (exploitations). Cependant, la complexité computationnelle de ce problème fait qu’il est intrinsèquement difficile, en particulier pour les réseaux de grande dimension. 

Résultats

Dans leur article paru dans Journal of The Royal Society Interface, des chercheuses de l'unité MaIAGE (INRAE, Université Paris-Saclay) à Jouy-en-Josas et de l'unité BIOEPAR (INRAE, Oniris) ont abordé ce problème pour une maladie du bétail qui se propage sur un grand réseau commercial d'animaux selon un modèle épidémiologique stochastique et qui prend en compte la démographie et les mouvements des animaux. Il est supposé qu’une certaine ressource à quantité limité (un vaccin ou un traitement) est allouée de façon dynamique parmi les troupeaux appartenant au réseau, afin de contrôler la propagation de la maladie. L’allocation est faite d’après un classement des troupeaux donné par une fonction de score. Ainsi, la ressource est allouée aux troupeaux selon ce classement, jusqu'à la limite de la disponibilité de la ressource. Une approche d’optimisation dite “gloutonne” a été adaptée au cadre de la métapopulation afin d’obtenir de nouveaux scores qui minimisent les approximations de deux fonctions objectif différentes : le nombre cumulé de troupeaux infectés, et le nombre cumulé d’animaux infectés dans la métapopulation, ceci pour chacun des deux types de ressources considérées (vaccin et traitement). Ces nouveaux scores sont comparés avec plusieurs heuristiques (topologiques, démographiques, épidémiologiques) à travers de simulations intensives. Les résultats des simulations montrent que les informations sur l'état de santé du troupeau semblent cruciales pour éradiquer la maladie. En effet, bien que les scores basés sur la topologie du réseau puissent limiter la propagation de la maladie, les scores les plus performants sont basés sur des quantités épidémiologiques. En particulier, les nouveaux scores sont parmi les plus efficaces pour réduire la prévalence de la maladie.

Perspectives

Ce travail contribue à l’étude du problème d’allocation de ressources pour contrôler des maladies qui se propagent dans un large réseau de métapopulation, en particulier dans le contexte de commerce animal. L'approche développée pourrait être adaptée à d'autres modèles épidémiologiques ou à d'autres mesures de contrôle dans le cadre des métapopulations.

Valorisation

Ces travaux s’inscrivent dans le projet ANR CADENCE (2016-2022), porté par l’unité MaIAGE et impliquant l’unité BIOEPAR. Le code du modèle est disponible publiquement :  https://github.com/CristanchoLina/DRAAnimalMetapop.

Références bibliographiques

Cristancho Fajardo, L., Ezanno, P. & Vergu, E. 2022. Dynamic resource allocation for controlling pathogen spread on a large metapopulation network. J. R. Soc. Interface. 19: 20210744. https://doi.org/10.1098/rsif.2021.0744

Illustrations