URL

https://arxiv.org/abs/2101.03369

Type d’article

Preprint

Thème

Stratégies de contrôle

Que retenir de cet article, en 1-2 phrases ?

L’article présente un modèle compartimental de propagation de l’épidémie comprenant 7 états (sain, infecté non détecté, isolé, hospitalisé, hospitalisé en soins intensifs, décédé et guéri). Les paramètres du modèle sont supposés constants par morceaux. Ils sont calibrés par statistique bayésienne et méthode de Markov Chain Monte-Carlo.

Objectifs de l’étude / Questions abordées

Les objectifs de l’étude sont

  • proposer un modèle épidémiologique compartimental réaliste dont certains états sont observables par les autorités italiennes
  • calibrer le modèle sur les données (nationales et régionales) par statistique bayésienne et méthode MCMC
  • prévoir les pics et les flambées de l’épidémie

Méthode

La méthode employée est basée sur

  • un modèle épidémiologique compartimental de 7 états intégrant différentes phases de propagation (vacances, retour à l’école, reconfinement partiel, reconfinement plus strict, levée de certaines restrictions) durant lesquelles les paramètres sont constants
  • une première calibration des paramètres (supposés constants par morceaux en fonction du temps) à l’aide d’un algorithme des moindres carrés pour obtenir une fourchette de valeurs dans la loi a priori
  • une construction de la loi des paramètres basée sur la statistique bayésienne et un algorithme MCMC pour simuler un échantillon

Résultats principaux

Le modèle compartimental basé sur 7 états permet d’étudier et d’analyser la seconde vague de l’épidémie qui touche l’Italie depuis l’automne 2020. Quatre des 7 états sont connus au jour le jour grâce aux données. Ils permettent de calibrer les paramètres et de fournir une première approximation utilisée pour déterminer les bornes de la loi a priori. Le modèle est, entre autres, capable d’estimer le nombre de personnes infectées non détectées, ainsi que les taux de transmission et le R0. Il permet aussi de faire de la prévision (nouvelle vague, pic) à court terme.

Commentaire / brève évaluation, limites, ouvertures possibles

Limites du modèle : l’exploitation du modèle en vue de faire de la prédiction peut être faite uniquement à court terme en cas de changement de politiques de restriction. La calibration du modèle a été faite au niveau régional, elle n’est pas possible au niveau provincial, par manque de données. Certains paramètres du modèle ont été fixés à zéro afin de réduire le nombre de paramètres à calibrer.
Ouvertures possibles : généraliser le modèle en différenciant les classes d’âge, améliorer la robustesse afin de calibrer plus de paramètres, prendre en compte l’hétérogénéité spatio-temporelle de l’épidémie au niveau régional en introduisant des termes de mobilité.