TOMASO Alberti (Inaf) & FARANDA Davide (LSCE-IPSL, CNRS)
https://arxiv.org/abs/2004.10060
Alors que COVID-19 se propage rapidement à travers le monde, la nécessité de fournir des prévisions en temps réel de l’évolution de l’épidémie pousse les modèles dynamiques et statistiques au-delà de leurs capacités. Ici, nous nous concentrons sur l’extrapolation à long terme des prédictions statistiques des infections à COVID-19. En prenant comme cas d’étude l’évolution épidémique du total des infections à COVID-19 dans les provinces chinoises et les régions italiennes, nous constatons que les prévisions sont caractérisées par de grandes incertitudes aux premiers stades de la croissance épidémique. Ces incertitudes diminuent considérablement une fois le pic des épidémies atteint. Les différences dans l’incertitude des prévisions au niveau régional peuvent être utilisées pour mettre en évidence le retard dans la propagation du virus. Nos résultats préviennent que l’extrapolation à long terme des dénombrements d’épidémies doit être traitée avec une extrême prudence, car elle dépende non seulement de la qualité des données, mais aussi du stade de l’épidémie, en raison de la nature intrinsèquement non linéaire de la dynamique sous-jacente. Ces résultats suggèrent que les projections épidémiologiques en temps réel devraient inclure de larges plages d’incertitude et recommandent la compilation de bases de données de haute qualité du nombre d’infections, incluant notamment les patients asymptomatiques.