Après près d’un an et demi de la pandémie de maladie à coronavirus 2019 (COVID-19), le nombre réel de cas de personnes infectées par son virus causal – le coronavirus du syndrome respiratoire aigu sévère 2 (SRAS-CoV-2) – reste incertain. Bien que plus de 167,2 millions de cas aient été signalés dans le monde, beaucoup estiment certainement qu’il s’agit d’un sous-dénombrement massif.
Une nouvelle étude épidémiologique utilise le modèle mathématique classique Susceptible-Infected-Removed-Contained (SIR-C) pour trouver la taille du pic et la date des cas, à la fois documentés et non identifiés, et l’écart entre eux.
Une image plus précise de l’étendue de la propagation de la pandémie a une utilité claire dans le domaine de la gestion de la pandémie et de la politique de santé publique. Comme le notent les auteurs de l’étude:
La dynamique du COVID-19 a entraîné l’écart intrinsèque dans les tailles des pics et les dates de pics entre les cas confirmés et non confirmés. L’évaluation de la sous-estimation pourrait fournir un aperçu pour une prise de décision significative lorsque les incertitudes et les risques ne sont pas exclus. »
Les chercheurs – de l’Université de technologie du Fujian en Chine – ont récemment publié leurs résultats dans Résultats en physique.
Sommaire
Arrière-plan
Des projections antérieures indiquaient que le SRAS-CoV-2 pourrait continuer à provoquer des flambées périodiques répétées pendant des années, entravant le retour à la normale du monde. Cela ne ressemble à aucune épidémie précédente, qui a culminé puis a montré une baisse.
L’éventail et l’échelle des interventions non pharmaceutiques (INM) utilisées contre la pandémie ont varié d’un pays à l’autre, mais dans l’ensemble, des interventions rigoureuses et précoces ont conduit à un contrôle de la transmission virale et limité la taille des flambées locales.
Une mesure précise de la transmission virale est essentielle pour façonner les politiques de confinement et de prévention. Ceci est d’autant plus vrai compte tenu du grand nombre de cas asymptomatiques et de la longue période présymptomatique, qui ont tous deux permis une transmission plus répandue que dans le cas des patients symptomatiques.
Cela pourrait être la raison de flambées répétées dans différentes parties du monde, car les patients index importent l’infection pendant la phase présymptomatique.
D’autres facteurs influençant la propagation comprennent le nombre de reproduction et la durée de l’infection (DOI). Le nombre de reproduction est le nombre moyen d’infections secondaires causées par chaque cas index. Le DOI est l’inverse du taux d’élimination (la somme du taux de récupération et du taux de mortalité). Lorsque ceux-ci sont plus élevés, l’épidémie se prolonge plus longtemps.
Prédictions de modèle
Le modèle a été construit sur les paramètres suivants. Le nombre d’infections secondaires de chaque cas index était de 6,2 en l’absence de mesures de confinement. Avec confinement, il était de 2,48. Le DOI était supposé être 16.
Avec les données de l’épidémie, couvrant à peu près la période de février à avril (les deux mois inclus), les cas confirmés ont été estimés à un pic vers le 21 juillet, mais les cas non confirmés vers le 6 mai. se sont écoulés environ 2,5 mois entre eux. Cela indique un « épisode fondamental de sous-estimation et d’écart,»Disent les chercheurs.
Les facteurs qui déterminent l’ampleur du sous-dénombrement comprennent le taux de transmission virale, le taux de récupération et la mortalité,
Cela pourrait indiquer que dans le monde réel, l’épidémie dans une région peut culminer beaucoup plus tôt que les dates de pointe signalées, les cas identifiés augmentant régulièrement du premier au deuxième pic, tandis que les cas non confirmés diminuent.
Jusqu’à ce que les cas non confirmés atteignent leur apogée, la taille de la sous-estimation a continué d’augmenter. Le modèle a projeté un aplatissement de la trajectoire des cas initialement confirmés à partir de sa hausse exponentielle une fois que le nombre de cas sous-estimés a commencé à baisser.
Effets des mesures de confinement
Avec une augmentation du confinement pharmaceutique de 1%, on estimait que le pic arriverait 18 jours plus tôt, c’est-à-dire au 18 avril. Le pic de cas a également chuté d’un tiers. « Par conséquent, pour les maladies hautement infectieuses comme le COVID-19, la mise en œuvre de mesures de contrôle non pharmaceutiques pourrait avoir des effets significatifs. »
Avec une augmentation de 5% des NPI, le pic a été avancé de 21 jours et la taille du pic a diminué de plus de 37%. Lorsqu’elle était augmentée d’un cinquième, ou plus, l’épidémie s’éteindrait plus rapidement. Ainsi, des IPN plus stricts réduiraient plus considérablement le nombre de cas non confirmés.
Pour la quarantaine pharmaceutique, un taux de 0,03 par jour ou plus a accéléré cette dégradation, à condition que la capacité des soins de santé se soit nettement améliorée. Les soins de santé restant à un niveau stable, les INM atteindraient un nombre de reproduction inférieur à 1 avec moins de difficulté.
L’écart de sous-estimation s’est accru avec le temps jusqu’à ce que le nombre de cas non identifiés atteigne son maximum, mais a diminué par la suite. Si le DOI était augmenté, le nombre de pics augmentait et le pic se produisait plus tard. Cela a prolongé l’épidémie et l’a rendue plus difficile à contenir.
Quelles sont les conclusions?
Il a été démontré que la quarantaine pharmaceutique et le confinement non pharmaceutique ont un impact sur le taux d’augmentation des cas non identifiés et la taille du pic. Ainsi, si la capacité locale de soins de santé n’est pas capable d’augmenter de manière significative, les INP devraient être la priorité absolue, et on peut s’attendre à ce qu’ils parviennent à contrôler l’épidémie dans une mesure marquée.
L’infectivité et la transmissibilité du virus, ainsi que les mesures de confinement, interagissent pour déterminer la trajectoire de l’épidémie. La différence entre le nombre de cas confirmés et non confirmés a également joué un rôle dans la formation de la courbe, comme le montre le grand écart entre le pic des cas confirmés et non documentés.
D’autres facteurs tels qu’une densité de population élevée influencent également la prévision, et dans de tels endroits, cela peut entrer en concurrence avec des NPI stricts pour affecter la trajectoire finale. Une fois que le nombre de cas franchit un certain seuil de la population en général, il n’est plus possible de maintenir les INP.
Les études futures devraient explorer comment les patients asymptomatiques, présymptomatiques et légèrement symptomatiques affectent la courbe, ainsi que d’autres facteurs qui ne sont pas inclus dans cette étude mais influencent la transmission virale. Cependant, cette étude a pu prédire les changements de comportement même lorsque ces patients n’étaient pas identifiés.
La contribution de cette étude réside en partie dans le fait que nous avons identifié asymptotiquement la nature quantitative et qualitative de la sous-estimation. Les mesures de confinement ont été privilégiées à un stade antérieur,»Conclut l’équipe.
