URL
https://www.nature.com/articles/s41586-020-2923-3
Type d’article
Article peer-reviewed
Thème
Stratégies de contrôle
Que retenir de cet article, en 1-2 phrases ?
Le modèle proposé (méta-population SEIR dans un graphe modélisant une métropole) prédit qu’il vaut mieux réduire l’occupation maximale des « points d’intérêt » (restaurants, lieux de culte, supermarchés, etc.) que réduire la mobilité de toute la population. Il faut également mieux prendre en compte les hétérogénéités spatiales et socio-économiques.
Objectifs de l’étude / Questions abordées
Le modèle cherche à prendre en compte les hyper-propagateurs, l’hétérogénéité spatiale des risques de contamination et l’hétérogénéité socio-économique de la population. Est affichée l’ambition d’avoir un modèle quantitativement correct.
Méthode
Pour les déplacements, sont utilisées les données des réseaux de téléphonie cellulaire de dix grandes métropoles états-uniennes, correspondant aux déplacements de 98 millions de personnes entre le 1er mars et le 2 mai 2020. Ces données anonymisées sont agrégées par la compagnie SafeGraph et ont été confirmées en les comparant à des données de mobilité de Google. Pour identifier les différents groupes socio-économiques, les données du recensement états-unien sont utilisées : appartenance raciale, revenu médian. Pour le nombre de cas quotidiens, les données utilisées sont celles du New York Times. Chaque réseau est plongé dans un système SEIR standard. L’adéquation quantitative entre les données et le modèle est vérifiée.
Résultats principaux
Les prédictions quantitatives du modèle en terme de nombre quotidien d’infections sont correctes, malgré la simplicité du modèle SEIR sous-jacent et les évolutions des politiques publiques et des comportements individuels dans la période considérée. Une fois validé, le modèle est utilisé pour comparer différentes stratégies de contrôle de l’épidémie (où l’intensité de la réduction de la mobilité ainsi que la date à laquelle les mesures sont prises évoluent). Une minorité de points d’intérêt sont responsables de la majorité des contaminations. Les différentes catégories de points d’intérêt sont comparées et classées en fonction du risque de contamination. Plus un groupe socio-économique est défavorisé, plus ses membres ont de chances d’être contaminés. Ceci s’explique par une capacité inférieure à réduire les déplacements (en ayant recours au télétravail) et par des visites dans des points d’intérêts plus risqués (cafés, fast-foods).
Commentaire/brève évaluation
Les objectifs de l’article sont intéressants, le modèle parait pertinent et est amplement détaillé dans les annexes, les données semblent fiables, la comparaison avec les données aussi et les résultats font sens. Le code source des simulations est librement téléchargeable. La discussion pointe les limites du modèle comme il se doit et propose des pistes concrètes de prise en compte des résultats dans les décisions politiques.
Le point fort du modèle est très clairement la modélisation du réseau urbain et des hétérogénéités spatiales et socio-économiques. L’attention portée aux groupes sociaux défavorisés semble particulièrement intéressante. Le modèle épidémiologique sous-jacent, un simple système SEIR, pourrait par contre être raffiné.