Validation and integration in spread models of influenza: scientific insights and policy implications during influenza epidemics/pandemics

Influenza presents many challenges to society, leading to severe impacts in terms of social, economic and health-care costs. To minimize these impacts, models for the spatial spread of influenza help us prepare and plan for epidemic/pandemic events. These models also increase our scientific understanding about the epidemic process and identify optimal mitigation strategies during such events. Given the human experience with past pandemics and severe seasonal epidemics, modeling studies will continue to be a useful tool for policy-makers in reducing the burden of influenza on society. I highlight two avenues of research which may enhance our understanding of the epidemic process and improve the use of models for setting and implementing policy.Validation remains limited and predictive validation is almost non-existent in complex simulation models of influenza spread. This is a serious concern because policy-makers use predictions from such models as inputs for making important decisions. Current models of influenza spread are coming under increased scrutiny for their lack of predictive ability, but it seems that no one has actually evaluated their predictive ability in the first place. To fill this gap in knowledge, I demonstrate the process of predictive validation by generalizing an individual-based model for the spread of influenza to the urban area of Montreal, Canada. Using this model and extensive data on several past epidemics, I show that the reliability and timing of several epidemic metrics depends on two important factors: the method of forecasting and the type of the epidemic metric which we want to forecast.Predictors of health disparities are not included in current models of influenza spread. This is despite an extensive literature showing that these predictors are related to burden of influenza in vulnerable subpopulations of society. Through formulating two different integrated models, I illustrate novel approaches to address this limitation. In the first model, I integrate social deprivation within an individual-based model for the spread of influenza. Using this model, I examine hypotheses about the relationship between social deprivation and influenza burden. In the second model, I integrate socioeconomic information in a metapopulation model. I develop a novel social-attributes gravity model to describe local-scale contact processes. I perform a theoretical analysis of this model to show the consequences of local-scale heterogeneity, in contact and susceptibility, on large-scale epidemic patterns. For both models, I show their practical application through evaluating vaccination strategies which make use of never-before-available data within complex and dynamic models of influenza spread.L'influenza présente de nombreux défis pour la société, entre autres des conséquences sociales, économiques et sanitaires. Afin de minimiser les impacts de la propagation spatiale de l'influenza, certains modèles sont développés pour aider à préparer et planifier des épidémies et pandémies. Ces modèles augmentent aussi notre compréhension scientifique des processus d'épidémie et identifient les stratégies optimales d'atténuation de ces évènements. Étant donné l'expérience précédente des humains lors de pandémies et les dynamiques saisonnières de celles-ci, les études de modélisation continueront d'être un outil utile pour les politiciens afin de réduire le fardeau de l'influenza pour la société. Ici, je souligne deux axes de recherche qui peut améliorer notre compréhension du processus de l'épidémie et améliorer l'utilisation de modèles pour l'élaboration des politiques.La validation des modèles demeure limitée et la validation prévisible n'existe pas dans de modèles complexes de la propagation de l'influenza. Ce manque de validation est une grande préoccupation car les politiciens utilisent ces prévisions pour faire des décisions importantes. Les modèles actuels de la propagation de la grippe sont soumis à une surveillance accrue pour leur manque de capacité prédictive, mais il semble que personne ne sont effectivement évalué leur capacité prédictive en premier lieu. Pour combler cette lacune dans les connaissances. Je démontre le processus de validation prévisible en généralisant le modèle courant, basé sur l'individu dans la région urbaine de Montréal, Canada. J'utilise un grand jeu de données comportant plusieurs épidémies en plus de perturbations réelles pour démontrer que la méthode de prévision et la métrique du type d'épidémie peuvent avoir de grands enjeux sur le temps de détection et la fiabilité lorsque de telles estimées sont possibles.Les disparités de santé ne sont pas incluses dans les modèles courant de la répartition de l'influenza malgré le fait que la littérature démontre que les prédictions de celles-ci sont reliées au fardeau de l'influenza. Par la formulation de deux modèles intégraux différents, je démontre une nouvelle approche qui adresse cette limitation. Dans le premier modèle, j'intègre la privation sociale dans un modèle basé sur l'individu. En utilisant ce modèle, j'examine les hypothèses concernant le lien entre la privation sociale et le fardeau de l'influenza. Dans le deuxième modèle, j'intègre de l'information socioéconomique dans un modèle de métapopulations. Je développe un nouveau modèle gravitationnel d'attributs sociaux pour décrire l'état local des processus de contact. J'effectue une analyse théorique pour démontrer les conséquences de l'hétérogénéité à l'échelle locale, du contact et de la susceptibilité sur les patrons épidémiques à grande échelle. Pour les deux modèles, je démontre leur application pratique par rapport à l'évaluation des stratégies de vaccination. Ces stratégies utilisent des jeux de données complexes, jamais utilisés auparavant, et des modèles dynamiques de propagation de l'influenza