Prévisions fiables à court terme COVID-19

Une nouvelle étude menée par des chercheurs de l’Université Texas A&M publiée dans PLOS ONE détaille un nouveau modèle pour faire des projections à court terme des cas quotidiens de COVID-19 qui est précis, fiable et facilement utilisé par les responsables de la santé publique et d’autres organisations.

Dirigés par Hongwei Zhao, professeur de biostatistique à la Texas A&M School of Public Health, les chercheurs ont utilisé une méthode basée sur le cadre SEIR (États sensibles, exposés, infectés et récupérés) pour projeter l’incidence du COVID-19 dans les deux à trois semaines à venir. sur les cas d’incidence observés uniquement. Ce modèle suppose un changement constant ou faible du taux de transmission du virus qui cause le COVID-19 sur une courte période.

Le modèle utilise des données accessibles au public sur les nouveaux cas signalés de COVID-19 au Texas à partir du référentiel de données COVID-19 du Center for Systems Science and Engineering de l’Université Johns Hopkins. Les chercheurs du Texas A&M ont utilisé ces données sur l’incidence des maladies au Texas et dans une sélection de comtés comprenant le campus Texas A&M pour estimer le taux de transmission du COVID-19.

« Les résultats indiquent que ce modèle peut être utilisé pour prédire raisonnablement les cas de COVID-19 deux à trois semaines à l’avance en utilisant uniquement les chiffres d’incidence actuels », a déclaré Zhao. << La simplicité de ce modèle est l’un de ses plus grands atouts, car il peut être facilement mis en œuvre par des organisations disposant de peu de ressources. Les prévisions de ce modèle peuvent aider les organisations de soins de santé à se préparer aux surtensions et aider les responsables de la santé publique à déterminer si les mandats masqués ou d’autres politiques seront nécessaire. »

Ils ont prévu les infections futures selon trois scénarios possibles: un taux de transmission soutenu et constant; celui où le taux de transmission est cinq pour cent plus élevé que les niveaux actuels, reflétant une diminution des pratiques de prévention de la transmission ou une augmentation des conditions qui favorisent la transmission; et une où la transmission est inférieure de cinq pour cent.

L’estimation du taux de transmission effectif actuel peut être délicate, car les variations quotidiennes des infections et des rapports peuvent influencer considérablement cette estimation. Ainsi, les chercheurs ont lissé les variations des rapports quotidiens en utilisant une moyenne pondérée sur trois jours et ont effectué un lissage supplémentaire pour tenir compte des anomalies de données telles que les comtés signalant plusieurs mois de cas en même temps.

Les chercheurs ont comparé leurs projections à l’incidence rapportée au Texas sur quatre périodes en 2020: le 15 avril, le 15 juin, le 15 août et le 15 octobre. Le nombre de nouveaux cas quotidiens de COVID-19 signalés était relativement faible à la mi-avril, alors que de nombreuses entreprises étaient fermé, puis a commencé à augmenter au début de mai après le début des réouvertures par étapes au Texas. Les chiffres ont fortement augmenté après le Memorial Day, puis ont suivi une tendance à la baisse après la promulgation d’un mandat de masque à l’échelle de l’État au cours de l’été. Les infections ont de nouveau augmenté après la fête du Travail, mais ont ensuite semblé se stabiliser jusqu’à la mi-octobre, date à laquelle le taux de transmission a de nouveau augmenté considérablement.

L’application à l’échelle de l’État du modèle a montré qu’il fonctionnait raisonnablement bien, seule la prévision de la deuxième période s’écartant de l’incidence réelle enregistrée, peut-être en raison de l’évolution spectaculaire des chiffres au moment où une grande vague de COVID-19 s’est produite autour des vacances du Memorial Day. . Le modèle a également bien fonctionné au niveau des comtés, bien que la diminution de la population et les changements de population, tels que les étudiants qui entraient et sortaient de la région pendant l’année scolaire, aient influencé la déclaration des nouveaux cas.

Cependant, le modèle est limité par les données qu’il utilise. Les politiques et ressources locales de test et de rapport peuvent affecter l’exactitude des données, et les hypothèses sur le taux de transmission basées sur l’incidence actuelle sont moins susceptibles d’être exactes à l’avenir. Et à mesure que de plus en plus de personnes contractent le COVID-19 et se rétablissent, ou sont vaccinées, la population sensible changera, affectant peut-être la transmission.

Malgré ces limites, les chercheurs ont déclaré que le modèle peut être un outil précieux pour les établissements de soins de santé et les responsables de la santé publique, en particulier lorsqu’il est combiné avec d’autres sources d’informations. La pandémie du COVID-19 n’est pas encore terminée, il est donc important de disposer d’un outil capable de déterminer quand et où une autre surtension pourrait survenir. De même, les chercheurs espèrent utiliser ces nouveaux outils à leur disposition pour les besoins futurs en matière de maladies infectieuses.

De plus, le modèle a été utilisé pour créer un tableau de bord qui fournit des données en temps réel sur la propagation du COVID-19 à l’échelle de l’État. Il a été utilisé localement par les administrateurs d’université et les responsables de la santé publique.

Parmi les autres chercheurs de l’École de santé publique impliqués dans cette étude figuraient Marcia Ory, Tiffany Radcliff, Murray Côté, Rebecca Fischer et Alyssa McNulty, ainsi que les chercheurs du département de statistique Huiyan Sangand et Naveed Merchant.