Ajout de la transmission du paludisme

Il existe trois façons principales d’ajouter le paludisme à une simulation. Les méthodes n° 1 et 2 sont utilisées pour les situations idéales, tandis que la méthode n° 3 est la méthode standard à utiliser pour la modélisation d’une géographie spécifique.

1. Foyers

Forcer une fraction donnée (demographic_coverage) de la population simulée à subir une nouvelle infection à une ou plusieurs dates spécifiées avec une campagne add_outbreak_individual().

Cet exemple infecte 5% de la population chaque année pendant 5 ans, à partir du jour 0 :

from emodpy_malaria.interventions.outbreak import add_outbreak_individual
import emod_api.campaign as campaign

def add_outbreak_individual(campaign,
                            start_day = 0,
                            demographic_coverage = 0.05,
                            repetitions = 5,
                            timesteps_between_repetitions = 365
                   )

Un ciblage supplémentaire de l’épidémie peut être ajouté à l’aide des paramètres décrits ici.

2. Taux d’inoculation entomologique forcé (EIR)

Pour les simulations sans moustiques, une campagne d’EIR forcée peut être utilisée pour imposer des piqûres infectieuses. Les données de séries chronologiques EIR sont généralement recréées à partir de sources bibliographiques antérieures qui fournissent des niveaux EIR mensuels, entrés ici sous la forme d’une liste mensuelle annualisée EIR du site (monthly_site_EIR_annualized). La fonction add_scheduled_input_eir() est appelée et reçoit l’EIR mensuel calculé (les valeurs annuelles divisées par 12) à appliquer aux simulations. Vous pouvez également choisir d’utiliser les valeurs quotidiennes si vous interpolez à partir des valeurs mensuelles en utilisant l’argument daily_eir au lieu de monthly_eir. L’EIR peut être mis à l’échelle en utilisant le facteur scaling_factor pour appliquer le même changement à tous les points temporels de l’EIR, dans cet exemple nous mettons à l’échelle l’EIR pour qu’il soit 75% des valeurs d’entrée. De plus, l’EIR peut être configuré pour dépendre de l’âge avec age_dependence réglé sur “OFF”, “LINEAR”, ou “SURFACE_AREA_DEPENDENT”.

from emodpy_malaria.interventions.inputeir import add_scheduled_input_eir
import emod_api.campaign as campaign

monthly_site_EIR_annualized = [15.99, 5.41, 2.23, 10.33, 7.44, 11.77, 79.40, 85.80, 118.59, 82.97, 46.62, 33.49]
monthly_EIR = [x/12 for x in site_EIR_annualized]
EIR_scale_factor = 0.75
add_scheduled_input_eir(campaign=campaign, start_day=1, monthly_eir=monthly_EIR,
                            age_dependence="SURFACE_AREA_DEPENDENT",
                            scaling_factor=EIR_scale_factor)

Des informations supplémentaires sur cette “intervention” sont disponibles dans la documentation emodpy_malaria.

3. Définir la prévalence initiale

La prévalence initiale est définie dans le fichier démographique, dans le bloc ['Defaults']['IndividualAttributes']. Voir documentation sur le fichier demographics pour plus d’informations.

Elle peut être définie simplement, comme dans l’exemple demographics, ou vous pouvez également ajouter une valeur de prévalence initiale tirée d’une distribution uniforme si vous le souhaitez. Dans cet exemple, la valeur est tirée d’une distribution uniforme de 0,1 à 0,2. Des moustiques spécifiques au contexte doivent également être ajoutés à la simulation pour maintenir la transmission dans la population à l’aide de la configuration du vecteur.

import emodpy_malaria.demographics.MalariaDemographics as Demographics

def build_demog():
  
    demog = Demographics.from_template_node(lat=1.00, lon=1.00, pop=1000, name="Example_Site_Name", forced_id=1)
    demog.SetInitPrevFromUniformDraw(min_init_prev=0.1, max_init_prev=0.2, description="prevalence_draw_example" )
    
    return demog