URL

https://doi.org/10.1101/2021.01.11.21249565  

Type d’article

Preprint  

Thème

Stratégies de contrôle  

Résumé détaillé et factuel de l’article

Objectifs de l’étude : Cet article examine les difficultés liées aux prédictions de l’impact d’un confinement lorsqu’on a peu de données disponibles, et montre que les modèles à compartiments restent limités dans ce contexte, le fait de complexifier les modèles ayant des avantages concrets sur les résultats. Le problème majeur qui restreint l’efficacité de l’étude est le manque de données relatives aux autres compartiments que H (hospitalisés), car il est impossible, sans tests sur des échantillons de la population, de faire une estimation sur d’autres compartiments, tels que I (infectés). De plus, le nombre non négligeable de cas de forme asymptomatique de la maladie rajoute des compartiments sur lesquels on ne peut pas faire d’estimation.

Modèles : Trois modèles à compartiments différents ont été utilisés, dont les équations sont données explicitement dans l’article : 1. Le modèle SEIRAH est le plus simple, sans structure d’âge, et ayant les compartiments S (susceptibles), E (exposés), A (asymptomatiques), I (infectés), H (hospitalisés) et R (rétablis supposés immunisés ou décédés). 2. Le modèle Inserm tenant compte de l’âge pour certains paramètres et décomposant la période d’incubation en rajoutant à E le compartiment Ip pour ceux qui, tout en étant dans la période d’incubation, sont déjà contagieux. Ce modèle décompose aussi le compartiment I pour définir trois degrés de sévérité dont le plus élevé nécessite une hospitalisation, le compartiment H est aussi étendu en ICU (soins intensifs). On opère aussi la distinction entre les rétablis et les décédés en rajoutant le compartiment D (décédés). 3. Le modèle EHESP tenant compte de l’âge pour certains paramètres et qui se distingue en plus du modèle SEIRAH en décomposant I en Ip, I et Inh (infectés non hospitalisés).

Résultats :

  • Reproduction de la dynamique épidémique : les résultats sont très bons pour le compartiment H et on s’y attendait car c’est celui sur lequel les données sont disponibles. Cependant, les valeurs des paramètres diffèrent, notamment entre le modèle SEIRAH et les deux autres. Pour les autres compartiments, on n’a pas les valeurs réelles donc on ne peut que comparer les 3 modèles entre eux. Les auteurs constatent que SEIRAH donne des résultats assez différents des deux autres.
  • Prédiction pendant le confinement : les résultats sont bien meilleurs cette fois pour le modèle SEIRAH que pour les deux autres, qui ont largement surestimé le nombre d’individus dans H.
  • Prédiction après le confinement : il y a eu deux méthodes.
    • L’estimation sur les données pendant tout le confinement. Cette méthode fonctionne correctement pour les modèles EHESP et Inserm mais pas pour le modèle SEIRAH qui a largement surestimé le nombre d’hospitalisés. Les valeurs de R0 calculées sont très proches pour l’ensemble de la France dans le cas du modèle EHESP mais moins pour Inserm, et très mauvaises pour SEIRAH. Cependant les résultats sont beaucoup moins convaincants au niveau des régions.
    • L’estimation, d’une part, des paramètres portant sur la période sans confinement à partir des données de pré-confinement, d’autre part, des paramètres portant sur la période de confinement avec les données jusqu’à la fin du confinement. Ici les trois modèles fonctionnent très bien. Les valeurs de R0 calculées sont très proches pour l’ensemble de la France. Cependant, là aussi, les résultats sont beaucoup moins convaincants au niveau des régions. On reste donc réservé quant à la réussite de ces prédictions.  

Commentaire / brève évaluation, limites, ouvertures possibles

L’étude est menée rigoureusement et de façon détaillée. Cependant, rien n’est mentionné sur l’initialisation des algorithmes de maximisation de vraisemblance. Les modèles seraient sans doute améliorés si on faisait des tests sur des échantillons de la population afin de pouvoir faire une estimation sur d’autres compartiments que sur H.