Les experts mondiaux de la santé soupçonnent depuis longtemps que l’incidence du COVID-19 est plus élevée que ce qui a été rapporté. Désormais, un algorithme d’apprentissage automatique développé à UT Southwestern estime que le nombre de cas de COVID-19 aux États-Unis depuis le début de la pandémie est près de trois fois supérieur à celui des cas confirmés.
L’algorithme, décrit dans une étude publiée aujourd’hui dans PLOS ONE, fournit des estimations mises à jour quotidiennement du nombre total d’infections à ce jour ainsi que du nombre de personnes actuellement infectées aux États-Unis et dans les 50 pays les plus durement touchés par la pandémie.
Au 4 février, selon les calculs du modèle, plus de 71 millions de personnes aux États-Unis – 21,5% des Américains – avaient contracté le COVID-19. Cela se compare au nombre considérablement plus petit de 26,7 millions de cas confirmés déclarés publiquement, explique Jungsik Noh, Ph.D., professeur adjoint de l’UT Southwestern au département de bioinformatique de Lyda Hill et premier auteur de l’étude.
Sur les 71 millions d’Américains estimés avoir eu le COVID-19, 7 millions (2,1% de la population américaine) avaient des infections actuelles et étaient potentiellement contagieuses le 4 février, selon l’algorithme.
L’étude écrite de Noh est basée sur des calculs effectués en septembre. À cette époque, rapporte-t-il, le nombre de cas cumulés réels dans 25 des 50 pays les plus durement touchés était cinq à 20 fois plus élevé que le nombre de cas confirmés alors suggéré.
En regardant les informations actuellement disponibles sur l’algorithme en ligne, les estimations sont maintenant plus proches des chiffres rapportés – mais toujours beaucoup plus élevées. Le 4 février, le Brésil comptait plus de 36 millions de cas cumulés selon les estimations de l’algorithme, près de quatre fois plus que les 9,4 millions de cas confirmés signalés. La France en comptait 14 millions contre 3,2 millions déclarés. Et le Royaume-Uni en avait près de 25 millions au lieu d’environ 4 millions – plus de six fois plus. Le Mexique, une valeur aberrante, avait près de 15 fois le nombre de cas signalés – 27,6 millions au lieu de 1,9 million de cas confirmés.
«Les estimations des infections réelles révèlent pour la première fois la gravité réelle du COVID-19 aux États-Unis et dans les pays du monde entier», déclare Noh.
L’algorithme utilise le nombre de décès signalés – considéré comme plus précis et complet que le nombre de cas confirmés en laboratoire – comme base de ses calculs. Il suppose ensuite un taux de mortalité par infection de 0,66%, basé sur une étude antérieure de la pandémie en Chine, et prend en compte d’autres facteurs tels que le nombre moyen de jours entre l’apparition des symptômes et le décès ou le rétablissement. Il compare également son estimation au nombre de cas confirmés pour calculer un ratio d’infections confirmées / estimées.
Le COVID-19 reste incertain – en particulier le taux de mortalité – et les estimations sont donc approximatives, dit Noh. Mais il pense que les estimations du modèle sont plus précises et excluent moins de cas que les cas confirmés actuellement utilisés comme guide pour les politiques de santé publique. Il est important d’avoir une estimation plus complète de la prévalence de la maladie, ajoute Noh.
«Ce sont des statistiques critiques sur la gravité du COVID-19 dans chaque région. Connaître la gravité réelle dans différentes régions nous aidera à lutter efficacement contre la propagation du virus», explique-t-il. « La population actuellement infectée est la cause des infections et des décès futurs. Sa taille réelle dans une région est une variable cruciale requise pour déterminer la gravité du COVID-19 et élaborer des stratégies contre les épidémies régionales. »
Aux États-Unis, les taux d’infection varient considérablement d’un État à l’autre. La Californie a enregistré près de 7 millions d’infections depuis le début de la pandémie, contre 5,7 millions pour New York, selon les projections de l’algorithme pour le 4 février. En outre, le modèle estime que la Californie comptait 1,3 million de cas actifs à cette date, affectant 3,4% de la population de l’État. .
Autres estimations du modèle pour le 4 février: En Pennsylvanie, 11,2 pour cent de la population présentaient des infections actuelles – le taux le plus élevé de tous les États, contre un minimum de 0,15 pour cent de ceux vivant dans le Minnesota; à New York, premier point chaud, 528 000 personnes avaient des infections actives, soit environ 2,7% de sa population. Pendant ce temps, au Texas, 2,3% avaient des infections actuelles.
Noh dit qu’il a développé l’algorithme l’été dernier tout en essayant de décider de renvoyer sa fille de sixième à l’école en personne. Il n’y avait nulle part où trouver les données dont il avait besoin pour évaluer la sécurité de le faire, dit-il.
Une fois qu’il a construit l’algorithme de la machine, il a découvert que la région où il vivait avait un taux d’infection actuel d’environ 1%. Alors sa fille est allée à l’école.
Noh a vérifié ses résultats en comparant ses résultats avec les taux de prévalence existants trouvés dans plusieurs études qui utilisaient des tests sanguins pour rechercher des anticorps contre le virus SRAS-CoV-2, qui cause le COVID-19. Pour la plupart des zones testées, les estimations des infections de son algorithme correspondaient étroitement au pourcentage de personnes qui avaient été testées positives pour les anticorps, selon le PLOS ONE étude.
Le modèle en ligne utilise les données de décès COVID-19 de l’Université Johns Hopkins et du COVID Tracking Project, une organisation bénévole créée pour aider à suivre COVID-19, pour exécuter ses mises à jour quotidiennes. Cependant, les estimations publiées dans le PLOS ONE L’étude date du 3 septembre. À cette époque, environ 10% de la population américaine avait été infectée par le COVID-19, selon l’algorithme de Noh.
La source:
Centre médical UT Southwestern
Une étude montre comment un seul gène BRCA1 défectueux accélère le développement du cancer