Forecasting the local progression of the Covid-19 epidemic from medical emergency calls: the example of the Paris area - Inria - Institut national de recherche en sciences et technologies du numérique
Pré-Publication, Document De Travail Année : 2020

Forecasting the local progression of the Covid-19 epidemic from medical emergency calls: the example of the Paris area

Prévoir la progression locale de l'épidémie de Covid-19 à partir des appels au numéro d'urgence 15: l'exemple de l'agglomération parisienne

Frederic Adnet
  • Fonction : Auteur
Érick Chanzy
  • Fonction : Auteur
Frédéric Lapostolle
  • Fonction : Auteur
  • PersonId : 760497
  • IdRef : 060773766
Thomas Loeb
  • Fonction : Auteur
Caroline Télion
  • Fonction : Auteur

Résumé

We portray the evolution of the Covid-19 epidemic during the crisis of March-April 2020 in the Paris area, by analyzing the medical emergency calls received by the EMS of the four central departments of this area (Centre 15 of SAMU 75, 92, 93 and 94). Our study reveals strong dissimilarities between these departments. We provide an algorithm, based on a piecewise linear approximation of the logarithm of epidemic observables, allowing one to monitor the epidemic. Our methods combine ideas from several elds of mathematics: tropical geometry, PerronFrobenius theory, probability and optimization, transport PDE in population dynamics.
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 donnons un algorithme, utilisant une approximation linéaire par morceaux du logarithme des observables épidémiques, qui permet de surveiller l'évolution. Nos méthodes sont inspirées par plusieurs domaines des mathématiques: géométrie tropicale, théorie de Perron--Frobenius, probabilités et optimisation, modèles d'EDP de transport en dynamique de population.
Fichier principal
Vignette du fichier
main-en.pdf (685.63 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02648075 , version 1 (29-05-2020)
hal-02648075 , version 2 (12-06-2020)

Identifiants

  • HAL Id : hal-02648075 , version 1

Citer

Stéphane Gaubert, Marianne Akian, Xavier Allamigeon, Marin Boyet, Baptiste Colin, et al.. Forecasting the local progression of the Covid-19 epidemic from medical emergency calls: the example of the Paris area. 2020. ⟨hal-02648075v1⟩
758 Consultations
797 Téléchargements

Partager

More