Détection de la source de contagion dans les épidémies et les infodémies : analyse mathématique et algorithmes de réseau

La propagation rapide des maladies infectieuses et des rumeurs en ligne présente des similitudes en termes de vitesse, d'échelle et de modèles de contagion. Bien que ces deux phénomènes aient historiquement été étudiés séparément, la pandémie de COVID-19 a mis en évidence les conséquences dévastatrices que peuvent avoir des crises simultanées d'épidémies et de désinformation sur le monde. Peu après l'apparition du COVID-19, l'Organisation mondiale de la santé a lancé une campagne contre l'infodémie COVID-19, qui fait référence à la diffusion de fausses informations liées à la pandémie en ligne, provoquant une panique généralisée et entravant les efforts de rétablissement. Sans aucun doute, rien ne se propage plus rapidement que la peur. Les réseaux servent de plate-forme cruciale pour la propagation virale, car les actions d'utilisateurs très influents peuvent rapidement rendre d'autres susceptibles de la même chose. Le potentiel de contagion dans les épidémies et les rumeurs dépend de la source initiale, soulignant la nécessité d'algorithmes de traçage des contacts numériques rapides et efficaces pour identifier les super-propagateurs ou le Patient Zéro. De même, détecter et éliminer les colporteurs de rumeurs est essentiel pour prévenir la prolifération d'informations nuisibles dans les réseaux sociaux en ligne. Identifier la source de contagions à grande échelle nécessite de résoudre des problèmes d'optimisation complexes sur des graphes expansifs. Une identification précise de la source et une compréhension du processus de propagation dynamique nécessitent une compréhension complète de la surveillance dans de vastes réseaux, y compris des structures topologiques et de la véracité de la propagation. En fin de compte, l'efficacité des algorithmes de traçage numérique des contacts et de détection de la source des rumeurs repose sur cette compréhension. Cette monographie fournit un aperçu des théories mathématiques et de la conception d'algorithmes computationnels pour la détection de la source de contagion dans de grands réseaux. En utilisant la centralité des réseaux comme outil d'inférence statistique, nous pouvons identifier avec précision la source des contagions, tracer leur propagation et prédire les trajectoires futures. Cette approche fournit des aperçus fondamentaux sur la capacité de surveillance et le comportement asymptotique de la propagation de la contagion dans les réseaux. La théorie mathématique et les algorithmes computationnels sont essentiels pour comprendre la dynamique de la contagion, améliorer les capacités de surveillance et développer des stratégies efficaces pour prévenir la propagation des maladies infectieuses et de la désinformation.