Accueil Actualités Problématiques de retraitement des données COVID-19 et modélisation SIRD avancée

Problématiques de retraitement des données COVID-19 et modélisation SIRD avancée

Les modèles épidémiologiques sont aujourd’hui largement utilisés dans les études d’impacts de la pandémie COVID-19 appliquées aux secteurs sanitaires et économiques.

Parmi ces approches, le modèle SIRD, particulièrement répandu, permet de disposer de projections des différents compartiments d’une population de référence (susceptibles, infectés, rétablis, décédés) sur un horizon court et moyen terme. Il apparaît néanmoins nécessaire de faire évoluer la méthodologie SIRD standard afin de capter certains faits stylisés associés à l’épidémie COVID-19, notamment en intégrant un compartiment spécifique dédié aux cas de contaminations asymptomatiques.

Nous présentons dans une première partie les ajustements à appliquer au modèle ainsi qu’aux données COVID-19. La mise en œuvre de ces ajustements sur les données françaises COVID-19 permet ensuite de projeter les différents compartiments à fin 2020.

Partie 1. Retraitement des données et ajustements du modèle SIRD

Cette partie reprend les notions et formalisations détaillées dans notre précédent billet dédié à la modélisation SIRD [1], auquel le lecteur intéressé pourra se référer.

Ajustement n°1 : intégration des cas asymptomatiques et des cas non signalés au sein des contaminés

Ajustement n°2 : modification du comptage des contaminés

Evolution de la dynamique du modèle SIRD

Méthodologie de calibrage du modèle SIRD

Pistes d’approfondissement envisageables

Comment mesurer l’effet d’une politique de confinement ?

Adaptation stochastique du modèle SIRD

Partie 2. Calibrage du modèle sur les données françaises COVID-19

Les paramètres du modèle épidémiologique SIRD présenté précédemment ont été calibrés sur les données  françaises COVID-19, pour la période comprise entre le 23/01/2020 et le 26/04/2020[1]. Ces données ont été retraitées à partir des méthodologies détaillées dans la première partie permettant d’incorporer des proportions d’individus asymptomatiques dans les populations de contaminés et de rétablis.

Le modèle a également fait l’objet d’un backtesting sur la fenêtre de données comprises entre le 26/04/2020 et le 04/05/2020, date de réalisation de l’étude.

Ajustement du modèle SIRD aux données

Backtesting du modèle SIRD

Projection du modèle SIRD

Pour aller plus loin…

Le modèle SIRD présenté dans le cadre de cette étude permet de disposer de projections des différents compartiments considérés (susceptibles, contaminés symptomatiques et asymptomatiques, rétablis, décédés) sur un horizon court et moyen terme.

Nous avons également présenté plusieurs pistes d’approfondissements permettant de construire une approche stochastique autour de ce modèle déterministe et d’effectuer différents ajustements sur les paramètres après estimation. Il est ainsi envisageable de simuler des scénarios de confinements / déconfinements en ajustant successivement le taux de contagion qui peut être considéré, comme évoqué plus haut, proportionnel à la quantité de contacts observés dans une population. De même, une amélioration des traitements médicaux liés aux COVID-19 pourrait être reflétée en adaptant de manière cohérente les taux de létalité ou de rétablissement du modèle.

Ces modalités de traitements permettent d’effectuer aisément des calculs de sensibilités du modèle SIRD à de potentielles évolutions du contexte sanitaire qui peuvent être confrontées aux informations disponibles sur les capacités des unités de soin d’une zone géographique d’intérêt. Ceci permet notamment d’anticiper le risque pandémique à moyen terme en évaluant ses impacts sanitaires et économiques.

Il est néanmoins crucial de noter la forte sensibilité des résultats obtenus à la structure du modèle et à son paramétrage, d’autant que les dire d’experts qui permettent de spécifier certaines hypothèses peuvent encore considérablement évoluer avec les progrès de la recherche médicale sur le COVID-19 dans les prochains mois.

par addactis – mai 2020

Laurent DEVINEAU, Executive Partner
Marielle de la Salle, Head of Modeling Lab

Adressez vos questions et commentaires aux auteurs  :  Contacter l’équipe

Notes

1 Utilisation conjointe des sources de données European Centre for Disease Prevention and Control (ECDC) et Johns Hopkins University.
2 Cf. notre précédent billet addactis [1] pour plus de détails sur l’estimation du nombre de reproduction R0 .

Sources :

[1] Modèles épidémiologiques et problématiques de calibrage sur les données COVID-19 – billet addactis, avril 2020
[2] Imperial College COVID-19 Response Team, Impact of non-pharmaceutical interventions to reduce COVID-19 mortality and healthcare demand, mars 2020
[3] Massonnaud et al., COVID-19: Forecasting short term hospital needs in France, mars 2020
[4] Di Domenico et al., Impact attendu du confinement en Île-de-France et stratégies de sortie possibles, avril 2020