Mathematical Modeling and Statistical Analysis of Infectious Disease Outbreaks
Modélisation mathématique et analyse statistique d’épidémies de maladies infectieuses
17 – 21 February 2020
|
Scientific Committee
Comité scientifique Thomas House (University of Manchester) Organizing Committee
Comité d’organisation Tom Britton (Stockholm University) For any further informations, contact |
 |
|
The area of mathematical modeling of infectious diseases has a long history dating back to at least Bernoulli. An important early contribution to this area was the work of Sir Donald Ross who received the Nobel prize in medicine for his work on malaria, including the first vector-host epidemic model. During the second half of the last century, some more mathematical rigorous work, also involving stochastic models, emerged, such as the celebrated threshold theorem stating that a major outbreak is possibly with positive probability if and only if the basic reproduction number R0 exceeds the critical value 1.
The 1980’s and the outbreak of AIDS was perhaps the first occasion when more serious statistical analysis of outbreak data was performed, then focusing on prediction of future outbreaks with or without preventive measures put into place. From then on, and continuously ever after, more and more realistic model extensions have been performed, allowing for main contributions from local cliques such as households, network structures, and multi-type individuals. From a statistical viewpoint this has made inference procedures more and more complicated, often using computer intensive methods such as MCMC, and more recently ABC and particle filtering methods. During the last few decades, the availability of virus sequences from infected reported cases have added new possibilities of making inferences by making use of virus evolutionary models to infer parameters of the disease spread as well. The community of modelers in this area has grown and become more and more diverse in their skills. In the 1990s, two workshops were organized in Luminy with « Mathematical modeling of infectious diseases » as their theme. Thereafter, other workshops took place in various cities/universities like the Isaac Newton institute (Cambridge), several times, Edinburgh, Stockholm, and Columbus Ohio. MFO Oberwolfach has organized workshops on versions of this theme every 3-4 years, the most recent one in February 2018. The focus of the proposed conference will cover both theoretical modeling as well as applications and real data analysis. There may more focus on theory than during the other weeks. There are many important hard problems to work on, e.g. the so-called adaptive models where individuals change behavior during and because of an outbreak. Or models that better capture and understand how antibiotic resistance works. The list of possible issues includes:
Our hope is to gather an interdisciplinary and international group of active researchers who will make important contributions to these types of problems, both during the event and later on through new collaborations. |
Le domaine de la modélisation mathématique des maladies infectieuses a une longue histoire qui remonte au moins à Bernoulli. Les travaux de Sir Donald Ross, qui a reçu le prix Nobel de médecine pour ses travaux sur le paludisme, y compris le premier modèle d’épidémie vecteur-hôte, ont constitué une importante contribution initiale dans ce domaine. Au cours de la seconde moitié du siècle dernier, des travaux mathématiques plus rigoureux, faisant également appel à des modèles stochastiques, ont vu le jour, comme le célèbre théorème du seuil selon lequel une éclosion majeure est possiblement avec une probabilité positive si et seulement si le taux de reproduction de base R0 dépasse la valeur critique 1.
Les années 1980 et l’épidémie de sida ont peut-être été la première occasion d’effectuer une analyse statistique plus sérieuse des données sur les éclosions, puis de se concentrer sur la prévision des éclosions futures avec ou sans mesures préventives mises en place. Depuis lors, et sans cesse plus tard, de plus en plus d’extensions de modèles réalistes ont été réalisées, permettant aux principales contributions des cliques locales telles que les ménages, les structures de réseaux et les individus multitype. D’un point de vue statistique, cela a rendu les procédures d’inférence de plus en plus compliquées, utilisant souvent des méthodes informatiques intensives telles que MCMC, et plus récemment ABC et les méthodes de filtrage des particules. Au cours des dernières décennies, la disponibilité de séquences virales à partir de cas signalés d’infection a ajouté de nouvelles possibilités d’inférences en utilisant des modèles évolutifs du virus pour déduire les paramètres de la propagation de la maladie. La communauté des modélisateurs dans ce domaine s’est développée et est devenue de plus en plus diversifiée dans leurs compétences. Dans les années 1990, deux rencontres ont été organisées à Luminy sur le thème « Modélisation mathématique des maladies infectieuses ». Par la suite, d’autres workshops ont eu lieu dans diverses villes/universités comme l’institut Isaac Newton (Cambridge), plusieurs fois, Edimbourg, Stockholm, et Columbus Ohio. Oberwolfach (MFO) a organisé des workshops sur des versions de ce thème tous les 3-4 ans, dont le plus récent en février 2018. La conférence proposée portera à la fois sur la modélisation théorique et sur les applications et l’analyse de données réelles. Il se peut que l’accent soit davantage mis sur la théorie que durant les autres semaines. Il y a de nombreux problèmes difficiles importants sur lesquels il faut travailler, par exemple les modèles dits adaptatifs où les individus changent de comportement pendant et à cause d’une épidémie, ou encore des modèles qui capturent et comprennent mieux comment fonctionne la résistance aux antibiotiques. La liste des problèmes possibles comprend :
Notre souhait est de réunir un groupe interdisciplinaire et international de chercheurs actifs qui apporteront d’importantes contributions à ce type de problèmes, à la fois pendant l’événement et plus tard dans le cadre de nouvelles collaborations. |
Samuel Alizon (CNRS – Laboratoire MIVEGEC, Montpellier) Approximate Bayesian Computation Phylodynamics
Viggo Andreasen (Roskilde University, Denmark) The dynamics of repeated epidemics
Frank Ball (The University of Nottingham) Epidemics on networks with adaptive dynamics
Forrest Crawford (Yale University) Structural versus agnostic methods for estimating causal vaccine effects
Carolina Fransson (Stockholm University) Stochastic epidemics on inhomogenous random graphs with degree-dependent contact rate
Simon Frost (University of Cambridge) Towards reproducibility and transparency in mathematical and computational epidemiology
Julia Gog (University of Cambridge) Some challenges in influenza modelling
Edward Ionides (University of Michigan, Ann Arbor) Island filters for inference on metapopulation dynamics
Eben Kenah (The Ohio State University) Pairwise regression, phylogenetics, and epidemiologic methods for infectious disease transmission
Istvan Kiss (University of Sussex) Network inference from population-level observation of epidemics
Wasiur Khudabukhsh (The Ohio State University) Survival Dynamical Systems for the population-level analysis of epidemics
Catherine Larédo (INRA, Jouy-en-Josas) Diffusion approximation and Inference for partially observed epidemic dynamics
Sonja Lehtinen (ETH Zürich) On the evolutionary ecology of multidrug resistance in bacteria
Martin Lopez-Garcia (University of Leeds) Exact approaches for the analysis of stochastic epidemic processes on small networks
Malwina Luczak (University of Melbourne) Near-criticality in mathematical models of epidemics
Pierre Magal (IMB Université de Bordeaux) A Spatial Model of Honey Bee Colony Collapse Due to Pesticide Contamination of Foraging Bees
James McCaw (The University of Melbourne) Modelling influenza re-infection dynamics to quantify the roles of innate and adaptive immunity
Joel C. Miller (Harvard University) The interaction of social structure and interventions on the age-distribution of infections
Phil O’Neill (University of Nottingham) Modelling, Bayesian inference and model assessment for outbreaks with whole-genome-sequence data
Joonha Park (Boston University) Inference on high-dimensional implicit dynamic models using a guided intermediate resampling filter
Lorenzo Pellis (University of Manchester) Systematic selection between age or household structure for models aimed at emerging epidemic predictions
Andrea Pugliese (University of Trento) Modelling West Nile virus transmission in Emilia-Romagna region (Italy): 2018 vs. previous seasons
David Rasmussen (North Carolina State University) Inferring pathogen fitness from phylogenies using generalized birth-death models
Grzegorz Rempala (The Ohio State University) Binomial Ranom Measures and Survival Dynamical Systems on Random Graphs
Gianpaolo Scalia Tomba (LUISS, Roma) Estimating parameters in the initial phase of an epidemic
Samuel Soubeyrand (INRA Avignon) A statistical learning approach for inferring transmissions in disease outbreaks from deep sequencing data
Robin Thompson (University of Oxford) Assessing the threat of major outbreaks of vector-borne diseases under a changing climate
Viet Chi Tran (Université Gustave Eiffel, Lille) User-driven exploration of social networks with application in epidemiology
Pieter Trapman (Stockholm University) The duration of a supercritical SIR epidemic on a configuration model
Piet Van Mieghem (TU Delft) Network Reconstruction from Viral State Observations and Prediction of the Epidemic Nodal State
Elisabeta Vergu (INRA, Jouy-en-Josas) Indicators of nodes criticality based on a metapopulation SIR model for epidemic control on an animal trade network
