La modélisation épidémiologique a joué un rôle central dans la réponse mondiale à la nouvelle éclosion de coronavirus (COVID-19) au début de 2020. La réponse à la pandémie émergente a incité plusieurs équipes de chercheurs à adapter rapidement les modèles existants, principalement des épidémies de grippe précédentes, pour prévoir la propagation de COVID-19 ainsi que ses taux de mortalité prévus.
En utilisant les modèles d'épidémiologie SIR / SEIR familiers, ces études tentent d'employer des techniques statistiques modernes pour prédire la propagation et la mortalité attendue de la pandémie de COVID-19. Les approches courantes comprennent des adaptations mécanistes de la simulation basée sur des agents au cadre SIR / SEIR qui estiment de manière probabiliste la propagation du virus par le biais d'interactions sociales générales, ainsi que des techniques de prévision autorégressives qui se mettent à jour pour refléter les données émergentes sur la propagation de la maladie dans un pays spécifique ou lieu. Dans les deux cas, les modèles associés ont été utilisés pour conseiller fortement l'adoption d'interventions politiques non pharmaceutiques comme principal outil d'atténuation des COVID-19.
Ces interventions, qui consistent en la suite désormais familière d'annulations d'événements publics, de fermetures d'écoles et d'entreprises et de fermetures à grande échelle ou de commandes d'abris sur place (SIPO), ont été mises en œuvre dans tous les pays du monde sauf une poignée de pays – souvent avec dépendance directe aux conseils de la modélisation épidémiologique. Dans un exemple bien documenté, le modèle de simulation influent pour le Royaume-Uni et les États-Unis par des chercheurs de l'Imperial College London (ICL) a incité les deux gouvernements à modifier leurs stratégies de réponse pour adopter des blocages à grande échelle à la mi-mars 2020.
Le président américain Donald Trump et le Premier ministre britannique Boris Johnson ont directement crédité ce modèle de leurs décisions respectives d'imposer des blocages, et Trump continue de citer les projections ICL de jusqu'à 2,2 millions de morts pour justifier ses actions. Ces affirmations fantastiques divergent de plus en plus des réalités de l'épidémie de coronavirus. Depuis sa sortie en mars, le modèle ICL a échoué à plusieurs reprises à anticiper avec précision le cours de la pandémie dans les deux pays, et dans son adaptation à d'autres lieux tels que la Suède.
Jusqu'à présent, la plupart des discussions sur les politiques se sont concentrées sur les interventions à l'échelle de la société visant à réduire la propagation du COVID-19 dans la population générale, mais le problème des épidémies aiguës dans les établissements de soins de longue durée (SLD) tels que les maisons de soins infirmiers est désormais difficile. nier. Bien que la portée et la qualité des données sur les éclosions de SLD varient considérablement selon les États et les pays, une forte concentration de décès liés aux COVID dans ces établissements est facilement apparente. Selon la juridiction, il n'est pas rare de trouver entre 30 et 70 pour cent des décès COVID-19 enregistrés se sont produits dans des maisons de soins infirmiers, dont plus de la moitié de tous les décès enregistrés en Europe. Des schémas similaires apparaissent dans la plupart des États américains.
La concentration d'épidémies dans les SLD n'a que récemment attiré l'attention sur une lacune de l'approche de modélisation épidémiologique qui a guidé les stratégies de réponse COVID-19 du monde. Bien que ces modèles visent à projeter la propagation de la maladie par le biais d’interactions sociales au sein de la population générale, ils ne semblent pas convenir à la capture d’épidémies aiguës parmi les populations sensibles dans les SLD et les établissements similaires fermés.
En effet, nous pouvons trouver cette lacune directement reconnue dans l'étude sur la pandémie de grippe de 2006 que l'équipe de l'Imperial College a utilisée comme base de sa simulation COVID-19. Comme ses auteurs l'avaient concédé à l'époque, «le manque de données nous empêche de modéliser de manière fiable la transmission dans les contextes importants des institutions résidentielles (par exemple, les maisons de soins, les prisons) et les établissements de soins de santé».
L’énigme présentée par les épidémies de SLD par rapport à la modélisation épidémiologique n’a pas besoin d’être spéculative, car les tendances statistiques émergentes commencent à révéler une nette divergence dans l’évolution de la pandémie lorsque les tendances de ces établissements sont comparées à la population générale. Bien que les épidémies de SLD aient représenté une part importante de la mortalité par COVID-19 dans les 50 États, l'obtention de données précises et quotidiennes sur les SLD reste un défi.
Le Commonwealth du Massachusetts présente une exception à ce déficit de données. Se classant parmi les États américains les plus durement touchés en dehors de la région de New York, le Massachusetts a commencé à suivre les statistiques quotidiennes détaillées de cas et de mortalité COVID-19 pour les établissements de SLD le 10 avril 2020. À ce stade relativement précoce de la pandémie, les SLD et les non -Les décès de SLD dans le Massachusetts étaient proches de la parité. Ils ont alors commencé à diverger rapidement. Au 29 juin, les décès de SLD représentaient 5111 des 7895 décès confirmés dans le Commonwealth, soit 64,7% de tous les décès.
Les tendances claires de ces données suggèrent que le coronavirus serait mieux compris si nous commencions à le traiter comme deux pandémies simultanées: une épidémie grave mais aiguë qui ravage les maisons de soins infirmiers et les SLD avec des décès extrêmement élevés concentrés parmi les personnes âgées et les infirmes, et une seconde vague significativement plus douce dans la population générale.
Étant donné que presque toutes les stratégies d'atténuation se sont concentrées sur la limitation de la propagation dans la population générale par le biais de fermetures et de mandats similaires, la réponse politique a presque entièrement raté la cible malgré un effet dévastateur sans précédent sur notre économie et notre tissu social.
Les données quotidiennes du Massachusetts illustrent la divergence des deux pandémies simultanées. Comme on peut le voir dans le graphique ci-dessous, ils montrent une croissance régulière de la part des décès dus au COVID-19 résultant des éclosions d'établissements de SLD depuis le début de la tenue des registres. De plus, ces deux tendances continuent de se séparer. Pour le mois de juin, le Massachusetts n'a enregistré en moyenne que 9 décès COVID-19 par jour dans la population générale. En revanche, les établissements de soins de longue durée de l’État ont enregistré en moyenne 27 décès par jour bien qu’ils ne représentent qu’une infime partie de la population.
Lorsqu'ils ont été lissés à l'aide d'une moyenne mobile sur 7 jours, les décès quotidiens dans la population générale hors SLD ont culminé à la fin avril et ont commencé à décliner fortement à la fin de mai 2020. Alors que les décès dans les SLD du Massachusetts se sont stabilisés à partir de leur sommet précoce à peu près à la même époque, ils restent rester à environ trois fois le péage quotidien de la population générale.
Remarque: Le Massachusetts a modifié sa méthode de comptage le 1er juin pour inclure les décès probables de COVID-19 qui n'ont pas été confirmés par des tests directs. Le bref pic des décès de SLD à peu près à cette époque est probablement un artefact de ce changement dans les rapports, et non le bref pic observé dans le graphique
La gravité de l'éclosion de SLD peut être observée dans le bilan des décès cumulés de ce sous-ensemble de la population. Au moment d'écrire ces lignes, la mortalité due à COVID-19 semble englober près de 10% de la population de SLD pré-pandémique du Commonwealth, estimée à 53 000 habitants. À titre de comparaison, environ 2 784 décès de la population générale non liée aux SLD au 30 juin proviennent d'environ 6,9 millions de personnes.
La nette différence entre les tendances observées dans les SLD et la population générale fait ressortir la nécessité d'évaluer davantage l'adéquation des stratégies actuelles de modélisation épidémiologique COVID-19 pour saisir avec précision la dynamique de la pandémie en cours. En effet, l'approche de modélisation semble projeter un modèle de mortalité entièrement différent de ce que nous observons dans les données réalisées – même lorsque les totaux de décès cumulés se rapprochent de certains des scénarios modélisés plus doux du modèle ICL et de projections similaires.
Étant donné que la plupart des interventions politiques visant à atténuer le COVID-19 reposaient sur des modèles décrivant sa propagation dans la population générale, les preuves émergentes d'un schéma très différent concentré dans les établissements de SLD sont très importantes pour évaluer les interventions politiques adoptées en mars.
En termes simples, nous avons adopté les mauvaises mesures et les avons utilisées pour cibler de manière inefficace le moindre des deux pandémies, tout en négligeant ou même en exacerbant l'épidémie beaucoup plus grave qui continue de se propager dans notre population vulnérable de maisons de soins infirmiers.
Phillip W. Magness
Phil Magness est chercheur principal à l'American Institute for Economic Research.
Il est l'auteur de nombreux ouvrages sur l'histoire économique, la fiscalité, les inégalités économiques, l'histoire de l'esclavage et la politique éducative aux États-Unis.
