URL
https://www.medrxiv.org/content/10.1101/2021.04.23.21255958v2.full.pdf
Type d’article
Preprint
Thème
Epidemiologie
Que retenir de cet article, en 1-2 phrases ?
Modélisation bayésienne de l’évolution des taux R de reproduction local et importé, avec une résolution relativement classique et demandant une forte calibration des hyperparamètres employés dans les lois a priori.
Objectifs de l’étude / Questions abordées
Le modèle propose une dynamique d’évolution du taux d’infection en le décomposant en cas locaux et cas importés, tout en autorisant des erreurs d’allocation à l’une des deux modalités.
Méthode
Le modèle est très classique, avec un nombre de cas Poissonnien, des lois conjuguées sur tous les paramètres et aucune hypothèse visible sur la dynamique, ce qui nécessite la spécification d’hyperparamètres pour chaque époque observée. La méthodologie MCMC est standard et repose sur un package R existant.
Résultats principaux
Les auteurs peuvent produire une simulation de la loi a posteriori sur leurs paramètres et en déduire une prévision sur les taux à venir. Les performances ne font que refléter le modèle simulé, sans comparaison avec des outils alternatifs. La méthode est mise en œuvre, d’une part, sur des données simulées avec un modèle stochastique individu-centré de propagation du SARS-CoV-2 déjà existant et, d’autre part, sur des données réelles de surveillance dans les villes de Hong Kong et Victoria (Australie).
Commentaire / brève évaluation, limites, ouvertures possibles
L’article n’apporte rien de nouveau, ni d’un point de vue méthodologique (statistique), ni d’un point de vue épidémiologique, puisqu’il s’agit d’un modèle myope n’informant pas sur la dynamique de la propagation. Le modèle permet néanmoins de séparer le taux de reprodution R local du taux de reproduction R importé, en tenant compte des erreurs d’assignation.