Simulateur d'éloignement social

Avec ce simulateur, on peut interactivement explorer les effets d'éloignement social sur la propagation d'une maladie. Chaque point représente une personne qui peut être saine (blanc), immunisée (jaune), malade (rouge), ou morte (grise). Une personne saine tombe malade quand le point entre en collision avec un malade. Quand une personne malade survie à l'infection, elle devient immune.

Déplacez les barres de défilement pour changer les parametres et constatez les changements. Une explication détaillée est disponible ci-dessous.

Éloignement social		10%
Taux de mortalité		3%
Durée de la maladie		2.0s

○ saine	● immune	● malade	● morte	temps
%	%	%	%	s

Éloignement social contrôle à quel point la population fait respecter l'éloignement social. A 0% il n'y a pas d'éloignement social et les gens bougent à la vitesse maximale, de sorte à ce qu'ils se touchent beaucoup. A 100%, personne ne bouge et ils ne se touchent pas du tout.

Taux de mortalité est la probabilité qu'un malade meurt. Si vous le mettez à 0%, personne ne mourra, alors qu'une mortalité à 100% implique que tout ceux qui tombent malade mourront.

Durée de la maladie détermine la durée de leur malade. Plus le temps de la maladie est grand, plus grande sera la probabilité que la personne malade propage l’infection. On mesure le temps en secondes parce que la simulation marche très vite.

La simulation fait intentionnellement quelques hypothèses simplificatrices, parmi eux: Il n’y pas de période d’incubation les gens sont contagieux toute la durée de leur maladie; et la probabilité de propager l’infection par contact est de 100%.

L'auteur Andrej Bauer s’est inspiré, pour cette simulation, d'un article du Washington Post de Harry Stevens. Le code source est disponible librement sous la forme d'un projet GitHub social-distancing-simulator. Merci d'aider à améliorer le code en le traduisant dans ta langue.

Voir cette page en d'autres langues.

Décharge de responsabilités: Le but de cette simulation est purement pédagogique. Il démontre la complexité d'éloignement social dans un milieu épidémique à l’aide d’un modèle mathématique artificiel. Il ne faut pas l’utiliser comme conclusion dans les cas de vraies maladies.