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






Extinction Rebellion







Changeons ce systeme injuste, Soyez votre propre syndic



"Un démenti, si pauvre qu'il soit, rassure les sots et déroute les incrédules"   Talleyrand