Details

Autor(en) / Beteiligte

• Gaubert, Stéphane
• Akian, Marianne
• Allamigeon, Xavier
• Boyet, Marin
• Colin, Baptiste
• Grohens, Théotime
• Massoulié, Laurent
• Parsons, David P.
• Adnet, Frédéric
• Chanzy, Érick
• Goix, Laurent
• Lapostolle, Frédéric
• Lecarpentier, Éric
• Leroy, Christophe
• Loeb, Thomas
• Marx, Jean-Sébastien
• Télion, Caroline
• Tréluyer, Laurent
• Carli, Pierre

Titel

Understanding and monitoring the evolution of the Covid-19 epidemic from medical emergency calls: the example of the Paris area

Ist Teil von

• Comptes rendus. Mathématique, 2020-11, Vol.358 (7), p.843-875

Ort / Verlag

Académie des sciences (Paris)

Erscheinungsjahr

2020

Quelle

EZB-FREE-00999 freely available EZB journals

Beschreibungen/Notizen

• We portray the evolution of the Covid-19 epidemic during the crisis ofMarch-April 2020 in the Paris area, by analyzing the medical emergencycalls received by the EMS of the four central departments of this area(Centre 15 of SAMU 75, 92, 93 and 94). Our study reveals strongdissimilarities between these departments. We show that the logarithmof each epidemic observable can be approximated by a piecewise linearfunction of time. This allows us to distinguish the different phasesof the epidemic, and to identify the delay between sanitary measuresand their influence on the load of EMS. This also leads to analgorithm, allowing one to detect epidemic resurgences. We rely on atransport PDE epidemiological model, and we use methods fromPerron-Frobenius theory and tropical geometry. Nous décrivons l'évolution de l'épidémie de Covid-19 dans l'agglomération parisienne, pendant la crise de Mars-Avril 2020, en analysant les appels d'urgence au numéro 15 traités par les SAMU des quatre départements centraux de l'agglomération (75, 92, 93 et 94). Notre étude révèle de fortes disparités entres ces départements. Nous montrons que le logarithme de toute observable épidémique peut être approché par une fonction du temps linéaire par morceaux. Cela nous permet d'identifier les différentes phases d'évolution de l'épidémie, et aussi d'évaluer le délai entre la prise de mesures sanitaires et leur effet sur la sollicitation de l'aide médicale urgente. Nous en déduisons un algorithme permettant de détecter une resurgence éventuelle de l'épidémie. Notre approche s'appuie sur un modèle d'EDP de transport de l'évolution épidémique, ainsi que sur des méthodes de théorie de Perron-Frobenius et de géométrie tropicale.