Modéliser la pandémie

Les facteurs clés pour modéliser une pandémie et guider l'élaboration des politiques comprennent les taux d'infection; les taux de mortalité associés aux infections; la capacité et l'efficacité des politiques, des systèmes médicaux et des sociétés à s'adapter à la dynamique changeante d'une pandémie; et d'autres facteurs structurels (Verity et al. 2020). La compréhension de ces facteurs est nécessaire pour remobiliser les travailleurs sans risquer une surcharge médicale (Baldwin 2020). Dans Jinjarak et al. (2020), nous faisons le point sur les données recueillies au cours des trois premiers mois de la pandémie de COVID-19, retraçant les associations entre la mortalité par COVID-19 et les interventions politiques en cas de pandémie tout en tenant compte des schémas de diffusion de la pandémie mondiale. Les interventions politiques en cas de pandémie, à notre avis, font référence aux politiques de confinement et de fermeture qui visent à limiter les contacts sociaux. Notre spécification empirique contrôle ces considérations, sous réserve des données limitées disponibles sur les facteurs clés. Plus précisément, la rareté des tests COVID-19 et les informations limitées sur la précision des tests disponibles impliquent une vaste sous-estimation des taux d'infection par habitant, peut-être d'un facteur à deux chiffres.
1
Le sous-dénombrement des taux de mortalité de la population COVID-19 est également répandu mais d'un ordre de grandeur inférieur aux erreurs associées aux taux d'infection.
2
Par conséquent, nous nous concentrons principalement sur la prise en compte des taux de mortalité de la population COVID-19 par habitant pendant la première phase de la pandémie, en contrôlant les facteurs politiques et structurels soumis à la disponibilité et à la qualité des données. Nous prévoyons de réexaminer ces questions avec des données de meilleure qualité et à plus long terme au cours des prochains trimestres.
Une bonne partie des pays a atteint un pic local de la nouvelle courbe de taux de mortalité quotidienne de la population COVID-19 au cours de la période d'échantillonnage (voir figure 1). En appliquant diverses techniques, nous étudions les facteurs expliquant la forme empirique de la courbe de mortalité du début de la pandémie au pic local, en mettant l'accent sur l'impact de l'intensité des politiques en interaction avec les variables structurelles. Comme la plupart des études similaires, les résultats doivent être considérés avec un scepticisme sain. Premièrement, la qualité et la disponibilité des données sont une limitation majeure, car chaque pays a ses défis avec la collecte, l'agrégation et la communication des données. Deuxièmement, «de meilleures performances» dans la première phase d'atténuation d'une pandémie ne garantissent pas des performances futures supérieures, car la dynamique d'une nouvelle pandémie virale est encore inconnue. De par sa conception, l'aplatissement de la courbe pandémique déplace une certaine incidence de la mortalité vers l'avant.
3
Figure 1 Exemples de pays et nouvelles courbes de mortalité, 23 janvier 2020-28 avril 2020
Remarque: nouveau taux de mortalité mobile sur sept jours par pays. L'axe des Y est normalisé pour que tous les pays correspondent à la même échelle. Période: 23 janvier - 28 avril 2020. Pays à cas particulier omis des parcelles ci-dessus: Chine, Singapour et Vietnam.
Notre étude s'appuie sur les données quotidiennes de politique et de cas COVID-19 rapportées par Oxford et l'Université John Hopkins, ainsi que sur les données de mobilité d'Apple et divers contrôles. Notre étude d'estimation de référence examine les sous-échantillons de l'OCDE et des marchés émergents (EM) sur la base des données du 23 janvier 2020 au 28 avril 2020, soit les 97 premiers jours de la pandémie.
Premièrement, nous étudions l'évolution des taux de croissance de la mortalité hebdomadaire au fil du temps et à travers les pays. En appliquant les projections locales (Jorda 2005), les données du panel suggèrent que l'administration de politiques pandémiques plus strictes était associée à des taux de croissance de la mortalité futurs significativement plus faibles au cours de la première phase pandémique.
4
En considérant les fondamentaux des pays à évolution lente de la période antérieure à COVID-19 comme exogènes, nous constatons que les pays du 75e centile dans la proportion de personnes âgées (personnes de 65 ans ou plus) ont vu une réduction beaucoup plus forte des taux de croissance de la mortalité par rapport aux dix mêmes augmentation unitaire de l'indice de rigueur des politiques, SI, par rapport aux pays où la proportion de personnes âgées est relativement faible (25e centile).
5
Dans les pays plus éloignés de l'équateur, les mesures de l'IS ont eu un impact plus fort sur la croissance de la mortalité que les pays plus proches de l'équateur. Cette hétérogénéité peut être conforme à ce que certains décrivent comme un facteur de risque de température associé à de nombreux virus de la grippe (voir la figure 2). Les pays avec des proportions plus élevées de personnes âgées ou des températures plus fraîches au cours de la période de janvier à avril peuvent être plus à risque en ce qui concerne COVID-19, augmentant l'efficacité des mesures de rigueur pour ces pays. Une plus grande rigueur politique est également plus fortement associée à une croissance plus faible de la mortalité pendant la première phase de la pandémie dans les pays à plus forte densité de population; une plus grande proportion d'employés occupant des emplois vulnérables; et une plus grande liberté démocratique (mesurée avec l'indice de démocratie EIU), mais la signification économique n'est pas aussi frappante. Alors que la densité de la population et les employés occupant des emplois vulnérables sont des facteurs de risque intuitifs pour une pandémie comme COVID-19, le rôle de la liberté démocratique est un sujet de débat permanent. Nos résultats concordent avec l'idée que des droits individuels plus étendus peuvent être préjudiciables dans cette situation, ce qui rend plus difficile pour le gouvernement de mettre en place des quarantaines strictes et de faire respecter les citoyens.
Figure 2 Impacts sur la mortalité: réponse du gouvernement, données démographiques, géographie et niveau de développement
Remarque: les carrés rouges (cercles bleus) représentent l'impact de la projection locale d'un indice de stringence supérieur de dix unités sur la croissance de la mortalité pour les pays du 75e centile (25e centile) de la caractéristique du pays.
Ensuite, nous passons aux résultats de la régression transnationale. Les variables dépendantes comprennent le taux de mortalité record enregistré (calculé comme les décès cumulés de la population au pic de la nouvelle mortalité quotidienne, par pays); le nouveau pic de mortalité enregistré (calculé comme les nouveaux décès de la population au pic de la nouvelle mortalité quotidienne, par pays); et le rapport du «nouveau taux de mortalité maximal» à la «durée de la pandémie par rapport au premier pic» mesuré en jours (planéité / pente raide de la courbe du taux de mortalité) (voir la figure 3). Les pays où la mortalité précoce est plus élevée (mortalité cumulative au cours de la première semaine suivant le premier décès) ont tendance à avoir de nouveaux pics de mortalité plus élevés mais des courbes de mortalité plus plates dans la première phase pandémique. En outre, les pays ayant mis en place des interventions politiques plus agressives avant le premier décès (SI précoce) ont tendance à afficher une mortalité cumulée et nouvelle inférieure au pic et des courbes de mortalité plus plates.
6
Les pays où la population âgée est plus importante ont tendance à avoir des taux de mortalité maximaux plus élevés. Nous trouvons également des preuves suggérant que les pays avec des taux de croissance de la mortalité plus élevés lors de l'épidémie avaient également des taux de mortalité de pointe plus élevés. Dans l'ensemble, les preuves suggèrent (mais n'affirment pas nécessairement) que la rigueur des politiques a directement réduit les taux de mortalité maximaux et aplati la courbe de mortalité, et que d'autres forces étaient également en jeu (par exemple, la démographie, les conditions pandémiques initiales).
Figure 3 Caractéristiques de la courbe de mortalité quasi en cloche
Non seulement les taux de mortalité au cours de la première phase pandémique diffèrent d'un pays à l'autre, mais il existe également des variations considérables dans la durée pendant laquelle les nouveaux décès ont continué de grimper (mesurés en jours). Nous appelons cela la «durée de la pandémie jusqu'au premier pic» (PD). Il faut être prudent lorsque l'on interprète les effets des covariables sur la PD en termes de modification de la forme des courbes de mortalité, car une PD plus longue pourrait s'accompagner d'un taux de mortalité maximal plus élevé et donc d'une courbe plus abrupte, ou d'un taux de mortalité maximal plus bas et donc une courbe plus plate. L'ajustement d'une courbe de Kaplan-Meier pour la PD sur tous les pays de l'échantillon, en nombre de jours, suggère que les pays ayant des interventions politiques plus strictes au début (SI précoce> 19) avaient des PD significativement plus faibles sur le chemin du premier pic local de la courbe de mortalité quotidienne; atteint le pic, avec une probabilité de 75%, en environ 40 jours par rapport aux pays sans de telles interventions (SI précoce <19); et a mis dix jours de plus pour atteindre la même probabilité de pic (voir la figure 4).
Figure 4 Analyse de la durée de la période de temps de pointe de la mortalité.
Remarque: L'axe des Y indique la probabilité que le pic de mortalité / cas soit «à venir». L'axe des ordonnées plus élevé implique une probabilité de crête plus faible. L'axe des X reflète le nombre de jours écoulés depuis la réalisation de la première mortalité. Les zones ombrées représentent des intervalles de confiance à 95%.
Pour mieux comprendre la variation transnationale de la DP sous un modèle de risques proportionnels de Cox, nous signalons que pour la plupart (mais pas toutes) les spécifications, des interventions politiques plus strictes dès le début sont associées à des durées plus courtes de la DP. Des taux de mortalité plus élevés au début sont associés à des durées de pandémie plus courtes jusqu'au pic, tandis que les pays réalisant des pics de mortalité plus élevés ont tendance à avoir des durées de pandémie plus longues au pic. De plus, les pays ayant une population âgée plus importante, une densité de population plus élevée et une part plus importante d'emplois vulnérables ont tendance à afficher des durées de pandémie plus courtes jusqu'au pic. De plus, selon certaines spécifications, le niveau de liberté démocratique semble être un déterminant très important de la durée de la pandémie jusqu'au pic. Ainsi, les pays considérés comme plus «démocratiquement libres» ont connu des durées de pandémie plus longues. Les pays plus éloignés de l'équateur avaient également tendance à connaître une PD plus longue. Bien qu'à ce stade, nous signalions des associations statistiques suggestives, davantage de données et de recherches sont nécessaires pour fournir une identification plus complète de tous ces facteurs.
Nous concluons en avertissant que nos résultats sont soumis à des limitations de données, y compris les sous-dénombrements des infections à COVID-19 et la mortalité. La «meilleure ou la pire performance» d'un pays dans la première phase de la pandémie ne garantit pas des résultats futurs similaires. L'aplatissement des courbes de mortalité et d'infection peut déplacer la mortalité et l'ajustement douloureux vers l'avant. L'ouverture prématurée de l'économie sans tests appropriés, recherche de contacts et quarantaine sélective de segments vulnérables ou touchés de la population peut induire une accélération future de la pandémie (Acemoglu et al.2020). Davantage de recherches médicales et d'avancées vers de meilleurs traitements et d'éventuelles vaccinations, la qualité des politiques publiques locales et mondiales et les capacités d'ajustement des pays détermineront la dynamique future de la pandémie (Lipsitch et al.2020).