Tropospheric contact networks: design, estimation and use for surveillance of airborne pathogens
Réseaux de contact troposphérique : conception, estimation et utilisation pour la surveillance des pathogènes aéroportés
Résumé
Anticipating outbreaks of infectious diseases (endemic and emerging) and mit- igating their impacts are major challenges in human, animal and plant pathology. Surveillance for the detection of plant diseases and subsequent responses to limit their effects mobilize considerable human and economic resources. Many plant pathogens are airborne on both small and large spatial scales. It is therefore essential to de- velop adequate surveillance strategies (i.e. taking into account the characteristics of pathogen movement via air) to improve early detection of new airborne pathogen emergence and monitoring of endemic pathogen outbreaks.
In this context, the research carried out in my thesis consists essentially in designing methods to model, estimate and characterize tropospheric contact networks (the troposphere is the lower layer of the atmosphere) and to exploit their properties to better monitor airborne plant pathogens. This research is essentially based on mathe- matical and statistical tools, on external software for reconstructing the trajectories of air masses (in this case HYSPLIT; https://ready.arl.noaa.gov/HYSPLIT.php) using massive meteorological databases, and on the compartmental modeling of epidemics, classically referred to by the acronym SIR (susceptible, infected, recovered). The soft- ware HYSPLIT is used to reconstruct in a relatively realistic way the movements of air masses and their non-stationarity in time and space, movements which are crucial for predicting the large-scale spread of microscopic airborne pathogens.
In order to answer the above described problem, I develop in a first part of the thesis a generalist approach intended to model and infer a network of contact between geographical areas from a set of individuals’ trajectories. This approach is presented under a mathematical formalism within the framework of graph theory. The links between the nodes of the graph (in this case the above-mentioned geographical areas) are estimated by analyzing the passage (in the broad sense) of the trajectories through the nodes, which allows the inference of the contact network (or connectivity) as a whole. Different estimators for the links between nodes, based on different bio- physical hypotheses, are proposed. By applying the network construction approach to air mass trajectories over successive time periods, we obtain a spatio-temporal tropospheric contact network giving an estimate of the probability of connection for each pair of nodes donor-receiver over time. In addition, I propose to measure the error or uncertainty attached to the quantification of connections between nodes by considering several spatial and temporal sampling contexts. Once constructed and estimated, the network can be characterized topologically using classical graph theory statistics.
In a second part of the thesis, I construct an epidemiological model conditioned by a contact network in order to evaluate various surveillance strategies. The epidemi- ological model is a dynamic spatial and compartmentalized model of the SIRS type (susceptible, infected, recovered, susceptible) which represents the propagation of a pathogen through the network, whether this network is estimated from the trajectories of air masses or obtained in another way. Then, spatio-temporal monitoring strategies, some of which depend on the contact network, are proposed and evaluated in terms of their ability to detect an outbreak of an emerging pathogen at an early stage. The objective is to determine where and when to monitor the pathogen’s host population.
This work, which is based on massive meteorological data and consistent numer- ical codes, contributes to going beyond the classical paradigms of airborne plant pathogen monitoring. Moreover, it has a generic dimension that allows its application to frameworks other than plant epidemiology.
Anticiper les épidémies de maladies infectieuses (endémiques et émergentes) et atténuer leurs impacts sont des défis majeurs en pathologie humaine, animale et végétale. La surveillance pour la détection des maladies des plantes et les réactions ul- térieures pour limiter leurs effets mobilisent des ressources humaines et économiques considérables. De nombreux agents pathogènes des plantes sont disséminés par l’air sur des échelles spatiales à la fois petites et grandes. Il est donc essentiel de développer des stratégies de surveillance adéquates (c’est-à-dire prenant en compte les caracté- ristiques des mouvements des agents pathogènes via l’air) permettant d’améliorer la détection précoce d’émergences de nouveaux pathogènes aéroportés et le suivi d’épidémies de pathogènes endémiques.
Dans ce contexte, la recherche menée dans ma thèse consiste essentiellement à concevoir des méthodes visant à modéliser, estimer et caractériser les réseaux de contact troposphérique (la troposphère est la couche inférieure de l’atmosphère) et à exploiter leurs propriétés pour mieux surveiller les pathogènes aéroportés des plantes. Cette recherche est essentiellement fondée sur des outils mathématiques et statistiques, sur un logiciel externe de reconstruction des trajectoires des masses d’air (en l’occurrence HYSPLIT; https://ready.arl.noaa.gov/HYSPLIT.php) ex- ploitant des bases de données météorologiques massives, et sur la modélisation compartimentale des épidémies classiquement évoquée sous l’acronyme SIR ( suscep- tible, infected, recovered). Le logiciel HYSPLIT est utilisé pour reconstituer de manière relativement réaliste les mouvements des masses d’air et leur non-stationnarité en temps et en espace, mouvements qui sont cruciaux pour prévoir la propagation à une large échelle des agents pathogènes microscopiques à dissémination aérienne.
Pour répondre à la problématique décrite ci-dessus, je développe dans une pre- mière partie de la thèse une approche généraliste destinée à modéliser et inférer un réseau de contact entre zones géographiques à partir d’un ensemble de trajectoires d’individus. Cette approche est présentée sous un formalisme mathématique dans le cadre de la théorie des graphes. Les liens entre les nœuds du graphe (en l’occurrence les zones géographiques sus-mentionnées) sont estimés en analysant le passage (au sens large) des trajectoires à travers les nœuds, ce qui permet d’inférer le réseau de contact (ou de connectivité) dans son ensemble. Différents estimateurs pour les liens entre noeuds, fondés sur différentes hypothèses bio-physiques, sont proposés. En appliquant l’approche de construction du réseau aux trajectoires des masses d’air sur des périodes temporelles successives, on obtient un réseau spatio-temporel de contact troposphérique donnant une estimation de la probabilité de connexion pour
chaque paire de nœuds donneur–receveur au fil du temps. De plus, je propose de mesurer l’erreur ou l’incertitude attachée à la quantification des connexions entre nœuds en considérant plusieurs contextes d’échantillonnage spatial et temporel. Une fois construit et estimé, le réseau peut être caractérisé topologiquement en utilisant des statistiques classiques de la théorie des graphes.
Dans une deuxième partie de la thèse, je construis un modèle épidémiologique conditionné par un réseau de contact dans le but d’évaluer diverses stratégies de surveillance. Le modèle épidémiologique est un modèle dynamique spatial et compar- timental de type SIRS ( susceptible, infected, recovered, susceptible) qui représente la propagation d’un pathogène à travers le réseau, que ce réseau soit estimé à partir des trajectoires des masses d’air ou obtenu d’une autre manière. Ensuite, des stratégies de surveillance spatio-temporelles, dont certaines dépendent du réseau de contact, sont proposées et évaluées en fonction de leurs capacités à détecter précocement une épidémie d’un pathogène émergent. L’objectif est de déterminer où et quand surveiller la population hôte du pathogène.
Ces travaux, qui reposent sur des données météorologiques massives et des codes numériques conséquents, contribuent à dépasser les paradigmes classiques de la surveillance des pathogènes aéroportés des plantes. Ils revêtent par ailleurs une dimension générique qui laisse envisager leur application à d’autres cadres que l’épi- démiologie végétale.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
