URL

https://www.frontiersin.org/articles/10.3389/fmed.2020.00274/full

Type d’article

Article peer-reviewed

Thème

Stratégies de contrôle

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

Ajuster un modèle SIR simple aux données sur les cas d’infection et les décès permet d’estimer (i) le nombre de reproduction efficace du virus (R_e), (ii) la fraction de la population infectée durant le premier confinement en France. Cette étude a permis de quantifier l’efficacité du confinement (R_e divisé par 7) et la distance à laquelle le pays était du seuil d’immunité collective au printemps 2020.

Objectifs de l’étude / Questions abordées

L’objectif de l’étude était de quantifier les effets du premier confinement en France en termes épidémiologiques (nombre de reproduction du virus et immunité collective).

Méthode

Les auteurs ajustent un modèle SIR simple aux données sur les cas d’infection et les décès (EHPAD non-inclus) durant le premier confinement en France (du 31 mars au 14 avril 2020 dans l’étude). Le modèle est le même que dans la référence des même auteurs Roques, L., Klein, E. K., Papaix, J., Sar, A., & Soubeyrand, S. (2020). Using early data to estimate the actual infection fatality ratio from COVID-19 in France. Biology, 9(5), 97, mais l’ajustement est ici réalisé par inférence Bayésienne. La distribution du nombre de décès est supposée poissonienne. La distribution du nombre de cas d’infection est supposée binomiale, avec une probabilité d’être testé positif qui dépend d’un biais d’observation à estimer en même temps que les paramètres du modèle épidémiologique. Le taux de guérison est supposé connu (1/10 par jour), de même que la sensibilité des tests (70%). Le nombre initial d’individus guéris et immunisés n’est pas identifiable et est fixé à zéro sans perte de généralité. Les paramètres restant à estimer sont le nombre de reproduction du virus, le taux de létalité des infections, le nombre initial d’individus infectieux et le biais d’observation. Des distributions a priori non-informatives sont utilisées pour tous les paramètres sauf le taux de létalité dans un souci d’identifiabilité. Sa distribution a priori est tirée d’une étude précédente des mêmes auteurs sur la phase initiale de l’épidémie en France. Les distributions postérieures des paramètres sont calculées par MCMC. Ces distributions postérieures divergent des distributions a priori non-informatives (sauf pour le taux de létalité), ce qui montre que le modèle a permis de capturer l’information contenue dans les données.

Résultats principaux

Cette étude a permis d’estimer (i) le nombre de reproduction efficace du virus en France (R=0,47 - IC à 95% : 0,45—0,5) durant le premier confinement (du 31 mars au 14 avril 2020 dans l’étude), (ii) la fraction de la population infectée (et par conséquent immunisée) au 10 mai (3,7% - IC à 95% : 3—4,8%). Le premier confinement a permis de diviser par 7 le nombre de reproduction efficace du virus. Au printemps 2020, la population française était encore loin d’atteindre un niveau d’immunité collective suffisant pour que l’épidémie s’éteigne progressivement.

Commentaire / brève évaluation, limites, ouvertures possibles

Les estimations obtenues sont globalement cohérentes avec celles obtenues par des approches comparables utilisant des données d’hospitalisation et d’autres plus complexes (avec structure en âge par exemple) mais avec beaucoup plus de paramètres. Les résultats du modèle sont facilement reproductibles (au moins les estimations moyennes par maximum de vraisemblance) par des étudiants par exemple. C’est un très joli travail de modélisation simple et reproductible appliquée en temps de crise, et un très bel exemple à enseigner.