Une nouvelle étude publiée sur le serveur de préimpression medRxiv * en mai 2020 signale l'utilisation d'un modèle SEIR dynamique pour identifier les variations du nombre reproducteur de SARS-CoV-2 au fil du temps, en utilisant des techniques d'apprentissage automatique. Cela pourrait aider à modéliser et à prédire les résultats de diverses solutions de santé publique.
Sommaire
Le nombre reproductif
Le nombre de reproducteurs est devenu le terme le plus discuté dans la pandémie actuelle de COVID-19. Ce nombre, représenté par R0, fait référence au nombre de nouvelles infections qu'un individu infecté peut provoquer dans une population sensible. Il a été utilisé pour justifier et expliquer pourquoi les fermetures, la distanciation sociale et d'autres stratégies d'atténuation sont nécessaires pour maintenir le nombre de cas et le nombre de morts dans cette pandémie.
Si le R0 est supérieur à 1, chaque infection se multiplie et l'épidémie continuera de croître. Lorsqu'il tombe en dessous de 1, l'épidémie se poursuivra mais à un taux de mortalité plus faible, car moins de 1 cas infecté suit la résolution d'un cas antérieur par décès ou rétablissement.
En raison de changements dans le pays, la culture, le type de calcul et le stade de la flambée, le R0 a été signalé avec des magnitudes très différentes. Même si elle est importante, il semble compliqué d'arriver à une valeur précise et calculée en raison des limites des données et des inexactitudes de rapport. De plus, l'observation directe de R0 semble impossible.
Le premier R0 signalé provenait de Wuhan, à 2,2, à la suite de la recherche de contacts directs. Cela est devenu suspect en raison du volume de cas, conduisant à la panne des systèmes de santé et des installations de test inadéquates à ce stade, ainsi qu'à l'évolution des définitions de cas. Même aujourd'hui, le choix du modèle, les conditions de départ et d'autres hypothèses façonnent le calcul final, ce qui a conduit à une large gamme de valeurs R0 de 2,2–3,6 à 4,1–6,5.
Le modèle SEIR
L'étude actuelle utilise le modèle SEIR. Il s'agit d'un modèle à compartiments, courant dans les études épidémiologiques. Il montre comment la maladie progresse à travers les interactions entre 4 compartiments, à savoir, sensible, exposé, infectieux et récupéré. Il est basé sur trois paramètres, les taux auxquels les personnes sensibles deviennent exposées (β), les exposés deviennent infectieux (α) et les infectieux se rétablissent (γ). Les deux derniers sont inversement associés à la période de latence et à la période infectieuse, respectivement.
La période de latence est le temps pendant lequel un individu exposé n'est pas encore infectieux, et la période infectieuse est la durée pendant laquelle une personne infectée peut infecter d'autres personnes. Ceux-ci peuvent différer de 2 à 6 jours et de 3 à 18 jours.
Ce modèle capture l'aspect le plus crucial d'un modèle épidémiologique, c'est-à-dire la transition d'un état sensible à un état exposé. Cela changera avec la taille des populations sensibles et infectieuses et le taux de contact entre elles, tout en étant inversement proportionnel à la période de contact.
Le débat sur le verrouillage
Dans les 45 jours suivant le premier cas de COVID-19 signalé en Europe, le 24 janvier 2020, la pandémie avait touché les 27 pays de l'Union européenne, entraînant un verrouillage à l'échelle de l'UE de toutes les frontières extérieures. Au cours des deux semaines suivantes, de nombreuses restrictions et interdictions de voyager locales ont suivi, avec une baisse de 95% des voyages en avion entre les pays de l'UE. Cela a déclenché un immense désaccord, principalement en raison d'un manque de consensus sur la manière dont cela pourrait réduire le nombre de nouveaux cas.
Recherche du numéro de reproduction dynamique
La présente étude visait à trouver des corrélations entre les blocages et l'évolution des conditions d'épidémie. Il utilise un modèle SEIR dynamique pour refléter l'évolution des taux de contact sous les paramètres de verrouillage. Le modèle permet de calculer le R0 précis dans différentes conditions et le délai entre toute mesure de santé publique et son effet sur la propagation de l'épidémie. Ce dernier est un paramètre essentiel pour décider comment assouplir les blocages de manière progressive, ainsi que pour fournir des estimations des risques à chaque ligne de conduite.
R (t), le nombre de reproduction effectif, est un paramètre important dans ce modèle car il reflète le changement de R0 (le nombre de reproduction de base) avec le temps et les stratégies d'atténuation. Le R0 à travers l'Europe est de 4,5, étant le plus élevé en Espagne, en France et en Allemagne avec près de 6,0, et le plus bas en Estonie, en Slovénie et à Malte avec environ 1,4.
Le nombre reproductif effectif actuel Rt est beaucoup plus faible, avec une valeur moyenne de l'UE de 0,72, étant le plus élevé en Slovaquie, en Suède et en Bulgarie à environ 1,1 et le plus bas en Autriche, à Chypre et en France à environ 0,3. La réduction relative du nombre de reproducteurs est la plus importante en Suède, en Hongrie et au Danemark, allant de 0,58 à 0,44.
Le délai entre les restrictions des voyages en avion et la réduction du nombre reproductif effectif varie de 1 jour en France et au Luxembourg à 30 jours à Malte, avec une moyenne européenne de 13 jours.
Le modèle SEIR montre que l'immunité collective est atteinte à environ 78% d'infection si le nombre reproducteur est de 4,5.
Avantages du modèle dynamique SEIR
Le modèle dynamique utilisé ici permet une variation du taux de contact, aidant ainsi à prévoir des états stables temporaires qui sont éloignés de l'équilibre d'immunité du troupeau final. Ceux-ci peuvent montrer des changements massifs et rapides une fois que les restrictions de voyage et les régulations de distanciation sociale sont assouplies, mais peuvent être étudiées avec ce modèle.
L'évolution du nombre reproductif effectif peut également mesurer la force des mesures de santé publique pour aider à façonner les politiques visant à contenir la pandémie.
Elle éclaire également beaucoup les effets des interventions de santé publique, notamment les restrictions aux déplacements, où la France a réagi le plus rapidement et la Suède le moins. Le retard de tout effet observable sur la courbe de transmission est également le plus faible en France, à un jour, et le plus lent en Suède, à 21 jours.
L'apprentissage automatique est également exploité par les chercheurs pour évaluer l'énorme volume de données de la pandémie et examiner les tendances et les corrélations. Cela a donné le nombre de reproduction effectif dans l'UE, par exemple. Ce chiffre est supérieur au nombre cité par l'Organisation mondiale de la santé (OMS) sur la base d'une étude de recherche des contacts précoces à Wuhan, à 2,2, mais comparable au chiffre actuellement cité de 5,7 pour l'épidémie de Wuhan.
Quitter le verrouillage
Les chercheurs ont postulé trois ensembles de conditions; celui dans lequel le nombre reproductif actuel Rt est constant au nombre reproductif effectif R (t); et les deux autres reflétant l'effet d'un changement de Rt au numéro de reproduction de base R0 pour ce pays, soit sur un mois, soit sur trois mois.
La Suède n'a pas imposé de verrouillage obligatoire et son nombre de reproducteurs est toujours supérieur à 1, parmi les quelques pays d'Europe qui se trouvent dans une situation similaire. Cependant, la situation suédoise ne changera probablement pas si les recommandations modérées actuelles sont supprimées, contrairement à la forte hausse prévue dans certains autres pays comme l'Autriche après la suppression du verrouillage. La différence réside dans la volonté de l’individu d’assumer la responsabilité de sa santé.
Les chercheurs concluent: «Notre modèle dynamique offre la flexibilité de simuler les effets et les délais de diverses stratégies de contrôle et de sortie des épidémies pour éclairer la prise de décision politique et identifier des solutions qui minimisent l'impact du COVID-19 sur la santé mondiale.»
*Avis important
medRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé, ou traités comme des informations établies.
