Dans une étude récente publiée dans Géographie appliquéeles chercheurs ont exploré la variabilité spatiale dans la sensibilisation du public à l’efficacité des tests de dépistage de la maladie à coronavirus 2019 (COVID-19).
Une transmission virale rapide avec une recrudescence de pandémies comme le COVID-19 s’est généralement produite en raison d’une transmission virale invisible par des patients asymptomatiques. Les établissements de santé s’appuient sur le dépistage volontaire (VS) à grande échelle pour détecter (et isoler) ces transmetteurs invisibles et les personnes présentant des symptômes au plus tôt pour atténuer la maladie.
L’augmentation de la sensibilisation du public aux risques a amélioré l’efficacité des stratégies de prévention des épidémies, car une forte sensibilisation du public pourrait augmenter l’utilisation des ressources de test et, par conséquent, augmenter les demandes de ressources/kits de test. Cependant, l’efficacité des tests peut être affectée par les demandes spatiales (SD) pour les ressources au cours de différentes périodes. En outre, le DD pourrait être accru par la sensibilisation du public aux risques dans différentes régions en fonction de la proximité spatiale des installations de test et de l’attractivité des mouvements humains.
À propos de l’étude
La présente étude a enquêté sur la variabilité spatiale dans l’augmentation de la sensibilisation du public pour améliorer l’utilisation des ressources médicales et la volonté de faire face à la pandémie de coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2).
Des modèles de simulation spatiale ont été mis en œuvre pour intégrer la dynamique d’une épidémie et les différents niveaux de sensibilisation du public au risque dans l’espace et dans le temps. Par la suite, l’impact de la proximité des ressources de test et de l’attractivité des mouvements humains sur les tests de dépistage du SRAS-CoV-2 à différents niveaux de sensibilisation du public a été étudié.
Les données de la région de Taipei, un centre socio-économique et métropolitain densément peuplé de Taiwan (1363 kilomètres carrés de superficie et six millions d’habitants), ont été utilisées pour évaluer la faisabilité du cadre du modèle intégré. Les unités d’analyse spatiale comprenaient 543 TAZ (zones d’analyse du trafic, avec une taille moyenne de TAZ et une population de 2,5 kilomètres carrés et 12 500, respectivement.)
Trente stations de test SARS-CoV-2 dans les hôpitaux établis par le CECC (Central Epidemic Command Center) ont été utilisées pour représenter les installations d’approvisionnement en ressources, qui ont toutes fourni des tests RT-PCR (réaction en chaîne par polymérase en temps réel). Le volume quotidien moyen de mouvements humains parmi les TAZ a été estimé par TRTS-IV (modèle de demande des systèmes de transport en commun rapide de Taipei, quatrième version), et les estimations ont été réalisées par DORTS (département des systèmes de transport en commun rapide) du gouvernement de Taipei en 2015.
Le modèle intégré comprenait trois composantes. Le premier volet a utilisé un modèle compartimental SEPIA modifié pour simuler la progression spatio-temporelle de l’épidémie. Le deuxième composant a traité les demandes dynamiques de ressources de test COVID-19 en intégrant les demandeurs probables et la volonté de test.
Le troisième composant a utilisé le modèle 2SFCA (zone de captage flottante en deux étapes) pour évaluer la SA (accessibilité spatiale) afin de tester les ressources à chaque emplacement en fonction de la demande dynamique. Tous les composants ont interagi à plusieurs reprises et la coévolution avec le temps reflétait les effets des tests de comportement contre les épidémies.
Les mesures ICR (augmentation du taux de capture) et DIP (diminution de la proportion d’infection) ont été évaluées pour déterminer respectivement les améliorations dans l’utilisation des ressources et la réduction de l’épidémie. De plus, l’influence des facteurs géographiques sur l’indice des avantages locaux a été étudiée en mesurant l’attractivité et la proximité de chaque lieu.
Résultats
La sensibilisation accrue du public a accru la volonté de dépistage, ce qui a entraîné une satisfaction partielle des demandes aux heures de pointe de la pandémie ; cependant, les pénuries de ressources de test n’ont pas augmenté de manière significative la gravité du COVID-19. L’augmentation de la volonté de tester ou de la sensibilisation du public ne pouvait pas augmenter de manière notable l’utilisation des ressources une fois que l’utilisation des ressources avait atteint un niveau élevé.
Par conséquent, un déséquilibre entre la demande de ressources et l’utilisation des ressources a été observé. La valeur maximale de la fraction d’individus présentant des symptômes graves a chuté de façon spectaculaire, bien que le pic épidémique soit apparu plus tôt en cas de sensibilisation accrue du public.
La demande élevée déclenchée par une volonté croissante de se faire tester ne pourrait donc pas être entièrement satisfaite dans le cas d’une sensibilisation du public de haut niveau. Dans le cas d’une faible sensibilisation du public, se concentrer sur des zones peu attrayantes (comme la périphérie urbaine ou les régions résidentielles) pourrait augmenter les avantages du test, et la volonté de tester a montré des schémas temporels similaires.
Au contraire, dans le cas d’une forte sensibilisation du public, la distance aux stations de test était plus critique pour augmenter les avantages du test ; l’attribution de ressources de test supplémentaires à des emplacements éloignés des stations de test pourrait améliorer les avantages du test. La volonté de tester a augmenté plus tôt au cours d’une épidémie et est devenue plus élevée aux heures de pointe.
Les valeurs DIP et ICR pour la majorité des TAZ ont progressivement augmenté avec une augmentation de la sensibilisation du public. Cependant, les valeurs de certaines TAZ se sont avérées rester faibles, ce qui indique que l’utilisation des ressources et la réduction des épidémies étaient difficiles à améliorer dans ces régions. La gamme ICR était généralement plus large que celle du DIP, avec des différences plus importantes entre les deux en ce qui concerne l’augmentation de la sensibilisation du public.
Les résultats ont indiqué que les valeurs ICR du modèle présentaient une plus grande hétérogénéité spatiale que les valeurs DIP et que la sensibilisation croissante du public élargissait les différences entre elles. En général, les valeurs DIP et ICR n’étaient pas corrélées et étaient incohérentes entre les TAZ dans le cas d’une forte sensibilisation du public. L’attractivité a dominé les différences spatiales dues aux variables géographiques.
Dans l’ensemble, les résultats de l’étude ont mis en évidence la variabilité spatiale dans l’augmentation de la sensibilisation du public aux risques pour le dépistage du COVID-19. Les résultats pourraient aider les autorités sanitaires à allouer des ressources et à concevoir des stratégies de test contre les épidémies virales en fonction des niveaux de sensibilisation du public.
