Bientôt à sec ?

Un tarissement du flux du coronavirus 19 en plein hiver dans l’hémisphère nord c’est une bonne surprise. Mais on peut lire aussi qu’une autre forme de sécheresse inattendue se déroule en ce moment, ce mois de février est le plus sec depuis les relevés de 1960. Les nappes phréatiques ne se rechargent pas. De plus en plus, on est sûr de rien.

Clap de fin pour Omicron ? Par JCD

La descente des courbes continue sans signe visible de reprise. Le variant Omicron du moment, XBB, augmente cependant tranquillement en proportion (1/3 des contaminations aujourd’hui) et chasse progressivement BQ 1.1. Il semble être environ 30% plus rapide mais cela ne suffit pas pour créer une nouvelle vague, tout au plus un faux plat. La raison étant que la barrière immunitaire est désormais telle (>99% sur les tests de prévalence en Angleterre) qu’elle devient relativement infranchissable par Omicron : là où il fallait des centaines de milliers voire des millions de contaminations ou vaccinations pour créer une barrière suffisante et stopper les vagues précédentes, il suffit désormais de quelques dizaines de milliers d’infections pour mettre un terme à une vague Omicron.

Attention néanmoins : cette barrière immunitaire n’est pas éternelle car elle diminue avec le temps. Donc clap de fin sans doute provisoire.

Alors puisque qu’il ne se passe pas grand-chose en ce moment, regardons un peu en arrière pour essayer de répondre à quelques questions, avec un peu de recul.

Les données remontées quotidiennement sont-elles cohérentes dans le temps ?

Une des données principales est le nombre de cas, une autre les entrées à l’hôpital, une autre encore les entrées en réanimation. Il y a aussi les décès quotidiens.

On sait depuis longtemps que la variable « nouveaux cas quotidiens » est très sensible aux aléas du moment : pas de test au début de la pandémie, incitation forte à tester au milieu de la pandémie, arrêt de la gratuité des tests de confort, grève des remontées, effet de lassitude de la population etc… Une illustration récente : alors que le pic de cas pour les deux dernières vagues (BA5 en octobre et BQ 1.1 en décembre) était équivalent, les entrées à l’hôpital et/ou en réanimation ont été 30% plus élevées pour BQ1.1 que BA5 : la remontée du nombre de cas a donc visiblement été sous-estimée de 30% (moins de tests, grève des remontées…). Bien que cet indicateur ne soit pas fiable en valeur absolu, il reste intéressant à observer sur de courtes périodes (de l’ordre de quelques semaines) car la tendance qu’il dévoile reste cohérente et intéressante. (ie : même si les tests diminuent de 25% d’une vague à l’autre, la tendance à la hausse ou à la baisse du variant reste valable).

Concentrons-nous plutôt sur les entrées à l’hôpital et en réanimation en observant le ratio entre ces deux indicateurs. D’abord pour Omicron. Pour ce faire, on multiplie le nombre d’entrées en réanimation (moyenne lissée 7 jours) par un facteur N, de sorte à voir si les courbes d’hospitalisation et de réanimation x N se superposent.

Entrées en réanimation x10,5 vs les entrées à l’hôpital

Hormis la passation chahutée entre Delta et Omicron (janvier 2021) ainsi que la fin de la vague BA 5 (début des grèves de remontées des labos), les deux courbes se superposent plutôt bien, avec un ratio de 10,5 (c’est à dire 10,5 fois moins d’entrées en réanimation qu’à l’hôpital, pour un jour donné).

Même chose pour Delta :

Entrées en réanimation x4,4 vs les entrées à l’hôpital

Bon niveau de superposition là aussi. Le ratio de x4,4 est cette fois ‘plus méchant’, le variant Delta étant beaucoup plus virulent qu’Omicron.

Les deux courbes précédentes (Delta et Omicron) montrent donc une grande cohérence dans le relevé terrain de ces deux indicateurs (hôpital + réanimations). La raison en est assez simple : si on choisit d’aller se faire tester (aléa), on ne choisit pas d’aller à l’hôpital ou en réanimation… (pas d’aléa).

Enfin, voici la même courbe pour la période souche historique (« Wuhan ») puis Alpha.
Une formalité ? Pas tout à fait.

Entrées en réanimation x6,4 vs les entrées à l’hôpital

Si on retrouve bien la cohérence des courbes sur la souche Wuhan, il n’en est pas de même pour Alpha : les courbes se superposent sur janvier puis se dissocient vers le 21 janvier.
Pour quelle raison ?

Regardons ailleurs, en Espagne : même constat.

Entrées en réanimation (= ICU) x9,5 vs les entrées à l’hôpital en Espagne

Au passage, on remarque que le ratio x9,5 n’est pas le même qu’en France x6,4 : tous les pays n’ont pas la même façon de compter les hospitalisations et les réanimations !

La perturbation de la vague Alpha par la vague Wuhan ne peut pas être la cause de cet écart entre les courbes car on voit bien que les deux courbes bleus et orange se recollent l’une à l’autre en juin/juillet (la souche Wuhan avait alors disparu en juillet. Il ne restait que le variant Alpha)

Idem en Italie :

Entrées en réanimation x7,5 vs les entrées à l’hôpital en Italie

Pas d’idée ?

Un dernier exemple avec Israël qui a subi une vague unique Alpha sur cette période (donc pas de perturbation liée à la souche initiale Wuhan) :

Entrées en réanimation x13 vs les entrées à l’hôpital en Israël

Même phénomène, de manière encore plus nette : les réanimations ont tendance à accélérer par rapport aux hospitalisations, puis reviennent dans le rang deux ou trois mois après.

Un indice : ceci ne peut pas être dû non plus aux remontées de données ‘avec COVID’ vs ‘pour COVID’ car les courbes Delta et Omicron subiraient le même effet de décrochage au pic, ce qui n’est pas le cas (cf deux premiers graphiques, au début de l’article)… Et un aparté, au passage : seuls une quinzaine de pays communiquent la donnée des entrées en réanimations. Rien sur le UK par exemple et seulement depuis un an pour l’Allemagne. Entre deux grèves, nous avons quand même la chance d’avoir pas mal d’informations en France !

Réponse à la question à la fin de l’article, pour vous donner le temps de réfléchir…

JCD

Bye Bye Covid, par Daniel Le Breton

La Covid semble être en voie d’extinction. Aujourd’hui on se situe à un peu plus de 3000 cas par jour en moyenne en France avec quelques 250 entrées par jour à l’hôpital, un point bas depuis l’arrivée d’Omicron.

Nouveaux cas positifs au SARS-CoV-2 détectés en France, données observées et courbe gaussienne

Quelques variants se baladent encore comme XBB 1.5 pour maintenir un bruit de fond mais il n’y a pas de signal de redécollage dans les chiffres à ce jour. Allons-nous enfin avoir la paix avec cette épidémie, on croise les doigts tout en surveillant les données au plan mondial. On souhaite une bonne retraite à ce virus.

Daniel Le Breton

Plateau bas à l’hôpital, par Philippe Brouard

On garde un œil sur la décroissance des chiffres liés à la covid-19 et c’est bien appréciable. Il y a eu moins de commentaires aussi sur le site, une autre signification du recul de ce sujet de préoccupation. À propos, nous sommes désolé pour le problème technique de mise à jour des commentaires, qui persiste. Ça baisse encore, mais jusqu’à quand ? Pour éclairer la suite, voici une actualisation des calculs via le simulateur CT. Les nouvelles contaminations sont à un niveau faible, mais peinent à descendre davantage. Cette tendance se retrouve sur l’indicateur Reffectif qui se dirige vers la valeur 1, valeur retenue pour les calculs à suivre.

Réglage de Reffectif pour les jours à venir avec trois hypothèses d’évolutions, stable à 1, en légère hausse ou en légère baisse

Pour faire correspondre les calculs aux données de Santé publique France, j’ai dû modifier fortement un paramètre. Il s’agit du taux de passage de la situation « détecté positif » à l’étape « nouvelle hospitalisation ». La nouvelle valeur est 4 à 5 fois plus élevée, cette augmentation a débuté en janvier et se stabilise en ce moment. Ce n’est pas évident à interpréter d’autant plus que les bulletins hebdomadaires de Santé publique France ne détaillent plus les différences entre symptomatiques et asymptomatiques. Fiabilité de la variable « nouveaux cas quotidiens », comme l’écrit JCD. Je propose aussi une interprétation : ce pourrait être une conséquence d’un déficit de dépistage avec peut-être un taux de symptomatiques plus élevé (probablement 100%), donc une proportion plus importante de cas sévères parmi les dépistés. Pour la suite, à autres réglages constants, les niveaux de charge des services hospitaliers se prolongent comme suit :

Occupations des services hospitaliers pour covid-19 France, donnés Santé publique France et simulateur CT, actualisé au 16/02/2023

L’hypothèse médiane présente une forme de plateau bas, où le nombre de patients à l’hôpital resterait légèrement supérieur à 11 000 dont 650 en soins intensifs. Espérons que la valeur de Reffectif puisse continuer à se situer sous 1 pour crever ce seuil.

La covid reste la covid

En conséquence des calculs, l’estimation de la létalité hospitalière est assez stable depuis l’émergence du variant Omicron vers janvier 2022, soit environ 10 %. La durée moyenne de séjour a tendance à remonter, du fait qu’on arrive en fin de vague, comme observé précédemment.

Estimation de la durée moyenne de séjour et de la létalité hospitalière, selon le simulateur CT, actualisé au 16/02/2023

Tant qu’il y a de la covid-19, il y a des décès. Le plateau bas correspondrait à environ 25 nouveaux décès chaque jour. Donc continuons le combat.

Philippe Brouard

Réponse à la question, par JCD

La vaccination est tout simplement la cause de ce décrochage entre les deux courbes ! (Donc pas de lien avec le variant Alpha proprement dit : le fait que la vaccination ait commencé pendant l’arrivée de Alpha n’est qu’une coïncidence)

On sait en effet que la population très âgée va peu en réanimation mais va, par contre, beaucoup à l’hôpital. Par exemple, en France, avant le vaccin, 50% des entrées à l’hôpital étaient essentiellement générées par les 6% de la population les plus âgés (+ de 80 ans). Par contre, cette même population ne produisait que 13% des entrées en réanimation.

Conséquence : en vaccinant d’abord les plus âgés et les plus fragiles (ce qui était, à juste titre, la stratégie des autorités médicales/des gouvernants dans le monde), l’hôpital était soulagé beaucoup plus rapidement que les réanimations : la courbe bleue (hôpital) est plus basse que la courbe orange (réanimation). La tendance s’équilibre quand environ 40% de la population est vaccinée (+ de 50/55 ans) : la courbe orange recolle alors à la courbe bleue. On peut vérifier ces ‘temps forts’ sur les courbes en les corrélant aux dates de vaccination. Par exemple, les 40% de vaccinés ont été atteints fin mai en France, le 1/6/2021 en Italie, le 4/6/2021 en Espagne, le 15/2/2021 en Israël ce qui correspond plus ou moins aux dates auxquelles les courbes orange et bleue fusionnent sur chacun des graphiques.

Conclusion : l’observation des données d’hospitalisation et de réanimation permet de voir que cette donnée est globalement cohérente, on pourrait presque dire « fiable, avec des biais constants » s’il y en a. Par ailleurs, ces données permettent de valider à posteriori l’effet de la vaccination de manière assez efficace car on compare deux courbes à un instant T, dans 2 situations identiques (ie même pays, même population, au même moment), ce qui permet d’éviter les débats infinis lorsqu’on compare deux pays à des moments différents de leur vécu épidémique.

JCD

  1. Sébastien MEDARD dit :

    Merci de continuer à nous informer !

    • Williamson dit :

      Superfétatoire… pour ceux qui survivent à l’infection (et qui ne font pas un covid long).
      Vous êtes en plein biais du survivant.
      Etre vacciné c’est la garantie d’une certaine immunisation équivalent à une infection qui se termine bien, avec bien moins d’effets secondaires qu’une vraie infection.

  2. Valère dit :

    Une grosse étude récente du Lancet met fin au débat sur la protection vaccination vs contamination sans vaccin.

    Vaccination ou infection, même combat contre le Covid-19. Selon une des plus vastes études sur ce sujet, une personne contaminée par le virus est aussi bien protégée qu’une personne vaccinée contre le coronavirus. « Même si une infection donne une protection qui diminue au fil du temps, le niveau de celle-ci (…) semble aussi durable, voire plus que celui conféré par la vaccination », conclut ce travail publié dans la revue The Lancet.
    Il en va de même en cas d’infection passée au coronavirus : la protection est plutôt faible contre une réinfection à Omicron, mais solide contre une forme grave.

    Il me semble que ceci démontre que la vaccination des enfants était totalement superfétatoire.

  3. Whynot dit :

    Bonjour à tous, et merci aux auteurs pour leur (quelque part on l’espère conclusif) article.

    @Valère : je n’ai pas du tout la même lecture que vous de l’extrait… Il démontre ce qui a déjà été démontré par ailleurs, à savoir que l’immunité « naturelle » et l’immunité vaccinale, c’est kif kif. Point.
    Vous y voyez peut-être : « les enfants ne développant que très peu de formes graves, il valait mieux les laisser se contaminer naturellement ça protège aussi bien voire mieux, donc ça ne servait à rien de les vacciner »
    Peut-être, mais visiblement ce n’est pas la comparaison enfants / adultes qui est abordée par l’étude, mais la comparaison « protection immunitaire / protection vaccinale ». Je ne vois donc vraiment pas en quoi on peut en dire que la vaccination des enfants était totalement superfétatoire (merci à vous au passage, j’ai découvert un mot grâce à vous 😉 ), désolé.

    Je n’affirme pas que l’inverse serait vrai, mais à mon sens ce débat-là n’est pas tranché à ma connaissance…

    • Valère dit :

      Merci de m’avoir repris sur cette extrapolation laxiste – en effet les enfants n’étaient pas l’objet de cette étude.
      Je me demande s’il y a des laboratoires qui continuent d’examiner la santé des rats inoculés il y a 2-3 ans, si la validation des vaccins prenaient auparavant (avant l’urgence Covid) au moins 5 ans, c’est qu’il fallait – entre autre – attendre de voir les effets sur la fin de vie, sur la reproduction, sur les rats et autres mammifères…

  4. Framboise31 dit :

    Merci beaucoup PB, JCD et DLB!
    On tient le bon bout et on ne le lâche pas 😉
    À côté de ça, on attend : la pluie, la paix, un journalisme beaucoup plus analytique et moins dans l’urgence du scoop, des politiques plus humbles, un avenir moins sombre, des jeunes pleins de projets, etc
    Plein de sujets à débat qui alimenteront ce type de blog! Chouette!

  5. « De plus en plus, on est sûr de rien. »

    Le 11 février 2023 la France Métropolitaine était « toute verte »
    Le taux d’incidence était inférieur à 50, seules la Corse et l’ile de la Réunion résistaient.
    A part La Réunion qui passe au vert le 14 Février, l’amélioration ne semble cependant pas stable (Hérault, Ile de France).
    Peux t-on dire que le taux d’incidence est suffisamment « fiable, avec des biais constants » pour trouver du sens à ces soubresauts ?

  6. Claude dit :

    Bonjour.
    Je suis un peu surprise de votre optimisme. Certes les indicateurs sont très bas et loin des valeurs de janvier 2022.La tension hospitalière est stable mais tous les autres sont en hausse et le R va bientôt dépasser 1. J’espère m’alarmer pour rien.
    Cordialement

    • JCD dit :

      Bonjour Claude,

      Le R (hebdo) vaut effectivement autour de 1,1 en ce moment et va monter encore un peu pendant quelques jours :

      – La baisse naturelle de BQ1.1 (qui contrebalançait la hausse de XBB) avait tendance à faire baisser R ‘artificiellement’. R augmente donc seulement maintenant et passe au dessus de 1 (alors que ça fait quasiment 2 mois que XBB s’installe). C’est donc normal/prévisible : XBB agissait masqué jusqu’à présent et se dévoile maintenant !

      – XBB est désormais dominant : le fait que R dépasse 1 alors que XBB est déjà dominant veut dire que XBB a peu de ‘réserve sous le pied’ ie que R ne va pas monter beaucoup plus haut (si on avait R>1 avec un XBB à 5% de part de marché, on aurait de quoi s’inquiéter).

      – L’immunité est telle que la marge de contamination de XBB est très faible. Là ou il fallait des millions de cas (ou de vaccins) pour inverser la courbe au début de l’épidémie et d’omicron, il suffit maintenant de quelques dizaines de milliers de cas pour atteindre le pic.

      Donc d’ici 1 ou 2 cycles de reproduction du virus (fin février), le mini-pic sera atteint. Avec un nombre de cas qui augmente de 10% à chaque semaine, on ne verra qu’une petite bosse/un faux plat à peine plus haut qu’aujourd’hui (donc moins de 4 000 cas en moyenne hebdo)

      Bref, mini impact, pas d’inquiétude de reprise à avoir avec XBB.

  7. « De plus en plus, on est sûr de rien », dites-vous ..

    Le 11 février 2023 la France Métropolitaine était « toute verte » (Voir la carte: covid.cortot.fr )
    Le taux d’incidence était inférieur à 50 dans tous les départements sauf en Corse et à l’ile de la Réunion.
    A part La Réunion qui passe au vert le 14 Février, l’amélioration ne semble cependant pas très stable ( Hérault, Ile de France)

  8. Bab dit :

    Bonjour
    Merci aux 3 auteurs.
    Toujours très très intéressantes leurs publications..
    Est ce que le parallèle avec l historique de l épidémie de grippe espagnole sera effectif ?
    Début vers 1917 , fin vers 1921.
    Covid, début vers fin 2019, fin vers fin 2023 ?? 🤞
    Historiquement environ 4 ans dans les 2 cas…
    A voir, à suivre 👣

  9. RilaX dit :

    @jcd

    Est-ce a dire que l’efficacité des vaccins n’est mesurable que de janvier a juin 2021 ?
    Vu que les courbes se superposent à nouveau, je pose la question.

    @tous merci pour votre travail précieux.

    • JCD dit :

      @Rilax

      L’effet du vaccin est mesurable, de manière générale, dès qu’on compare 2 populations ‘témoins’ les plus homogènes possibles sauf sur 1 critère. Ex : l’une vaccinée, l’autre pas.
      L’observation a commencé avec les tests en labo avant la mise sur le marché, puis a continué avec les données des instituts sanitaires type SPF ou encore UK HSA (très beau travail de suivi mensuel) ou encore des études ad-hoc.
      C’est comme ça qu’étaient tracée, par exemple, la courbe Vaximpact montrant qu’un vacciné avait 20 fois moins de chance d’aller à l’hôpital (ou pire) qu’un non vacciné, lors du Delta.

      Donc l’efficacité des vaccins est mesurable tout au long de la pandémie mais avec toutefois de plus en plus de difficultés au fil du temps.
      Omicron a été tellement ‘partagé’, si l’on peut dire, que trouver une population non vaccinée-non infectée est impossible depuis début 2022 (cf https://covidtracker.fr/atteindre-le-sommet-cest-encore-une-question-doxygene/ ). Donc difficile de faire le tri désormais entre une protection vaccinale et une protection post-infection.

      Pour en revenir à l’année 2021 et à l’article, l’approche est différente : plutôt que de regarder l’effet ‘hospitalisant’ du virus sur des vaccinés versus les non vaccinés, on regarde ce qui se passe uniquement sur la population des vaccinés et sur la sévérité de l’hospitalisation. Ceci n’est possible que parce que la vaccination a été faite par classe d’âge, d’une part, et que d’autre part le vaccin est d’autant plus efficace que la maladie est grave (ce qui crée une différence entre l’évolution des hospitalisations et celle des réanimations).
      Je n’ai d’ailleurs pas tracé les courbes de décès mais celles-ci devrait être ‘meilleures’ que celles d’hospitalisation (les 6% les plus âgés formaient 63% des décès).

  10. quinaou dit :

    Bonsoir. Je découvre votre dernier article ce soir. Et,surprise, zéro commentaire ! Je vous suis depuis le lancement de ce site en 2020, pendant le premier confinement. Il fut un temps où je n’eteignais pas la lumière le soir avant d’avoir jeter un oeil sur covidtracker. Je ne suis pas assez balèze en maths pour vous avoir suivi pleinement dans vos démonstrations. Cependant ,ayant toujours gardé depuis le début vos données comme seules références ,j’ai pu depuis 3 ans suivre les arrivées de vagues , les montées et redescentes…J’ai lu tous les articles et commentaires. J’ai aporis bcp avec interet .Ce soir je tiens juste à vous dire BRAVO et MERCI. Vous avez rendu un immense service a beaucoup de gens pendant cette période si extraordinaire de pandémie mondiale.!
    L’absence de commentaires est sans doute le signe que, de fait, nos préoccupations sont autres aujourd’hui.. multiples et toutes aussi graves les unes que les autres. Encore merci et bravo !

    • Philippe Brouard dit :

      Bonjour Quinaou, merci pour votre message, ça fait bien plaisir de recevoir votre soutien. Certes, l’intérêt pour scruter l’évolution de la covid baisse et c’est tant mieux. Si seulement la valse des infos pouvait tourner sur des sujets plus réjouissants, ça serait d’autant plus appréciable, rêvons un peu.

  11. Christine F. dit :

    Ah non, ça n’est pas juste! Je suis passée deux fois lire les commentaires quelques jours d’intervalle. Rien. Alors que moi, je guette vos articles, espérant le retour des Arlésianno-Gaussiennes, qui montent et descendent vos collines, que je sue sang et eau à les suivre pour essayer de comprendre quelque chose, que je vois les lignes de réalité s’éloigner puis se rapprocher du modèle.
    Où sont donc passés vos commentateurs des mois derniers, qui faisaient ressembler, cet endroit désormais vide, à une foire d’empoigne ? Dans quelle autre bataille se sont-ils engagés ?

    Nul doute qu’ils reviennent cependant, pour peu qu’ un bêta bien nommé leur indique à nouveau le chemin.

    • Philippe Brouard dit :

      Bonjour Christine, les commentaires sont toujours là, mais avec un problème de délai pour s’afficher, nous continuons à rechercher le moyen de résoudre ce désagrément (problème de cache).

  12. quinaou dit :

    Bjr. Les. commentaires ne s’affichent pas…☹️

  13. Hervé dit :

    Bonjour JCD,
    merci pour votre explication par la vaccination dans votre « Réponse à la question ».
    Depuis juin 2021, nous ne pouvions que remarquer l’explosion entre février et avril 2021 des réas par rapport aux entrées en hôpital.
    Ce phénomène est très visible sur cette page de Covidtracker: https://covidtracker.fr/covidtracker-france/
    Personnellement, je n’avais pas trouvé d’explication autre qu’une différence de comportement entre le déclencheur hospitalier dans la mise en réa et le déclencheur non hospitalier (le malade ou le médecin) pour l’hospitalisation.
    i.e, il me paraissait évident que l’hôpital avait temporairement revu à la baisse son seuil d’acceptation en réanimation.
    Si désormais la vaccination est la bonne explication, alors, vu les courbes Covitracker, elle aurait permis d’éviter une explosion des entrées à l’hôpital entre janvier et mars 2021.

    • JCD dit :

      Bonjour @Hervé,
      Oui, effectivement, on a évité une saturation des hôpitaux mais aussi un pic de réanimation beaucoup plus haut et donc un 3ème confinement…
      (Confiner était d’ailleurs la préconisation de Pasteur/l’INSERM à l’époque mais ils n’avaient pas vraiment pris en compte les premiers effets du vaccin ni sur le ralentissement des contaminations, ni sur l’effet immédiat sur l’hôpital).

      2 choses :
      – En suivant votre lien (qui concerne les lits en réanimation et hospitalisation et pas les entrées, mais le résultat est le même), on voit que effectivement, on a eu ‘3 bosses’ sur l’hospitalisation fin 2020 / début 2021, la troisième bosse (alpha) étant aussi haute que la première (wuhan). La deuxième bosse correspond à la montée de alpha contrecarée par les premières salves de vaccinations (mais salves pas assez intense pour freiner suffisamment alpha, d’où la troisième bosse)
      Sur le graphique en rouge (réanimation), la troisième bosse est bien plus haute que la première : ca illustre le même propos que cet article.
      Mieux, en gris (décès), on voit que la troisième bosse est la plus petite des trois bosses : ca illustre ce que je répondais en commentaire à Rilax quelques lignes plus haut : la performance des vaccins est encore meilleure sur les décès que sur les hospitalisations lors des toutes premières salves de vaccination.

      – Autre façon de se remémorer l’effet visible du vaccin lors de la l’arrivée du variant alpha : le nombre de commentaires affolés sur les plateaux télés à l’époque sur le thème : « Les hospitalisés sont beaucoup plus jeunes avec le variant alpha ». Ce qui était absolument faux : le vaccin avait simplement commencé à retirer des lits d’hôpitaux les 50% de personnes âgées de plus de 80ans qui auraient du s’y trouver (ainsi que les autres gens âgés fragiles vaccinés eux aussi en priorité) -> Illusion de rajeunissement des malades.

  14. Daniel Le Breton dit :

    Question à 100 balles: alors que l’épisode s’approche du zéro, les présences à l’hôpital ne baissent plus (13000 dont 730 en soins intensifs). Est-ce un effet de la durée de séjour ou un artefact comme le placement potentiel de malades en Ephad?

    • JCD dit :

      @Daniel,
      Je pense que c’est le petit soubresaut du XBB mais l’inflexion est passée le week end dernier et on devrait retomber à R=1 demain donc faux plat pendant quelques jours encore…

    • Pierre dit :

      L’allongement de la durée de séjour (expliqué sur le blog il y a 2 ans environ) doit expliquer une partie du plateau.

      Il y a une sous-estimation des cas puisqu’on teste de moins en moins (d’autant plus que prise en charge 100% par sécu terminé depuis peu).

      Autre hypothèse : à l’hôpital et en particulier en réa, le taux d’incidence est nettement plus élevé que dans la population générale, donc le risque pour les autres hospitalisés dans le même service d’être contaminés est non négligeable.
      Ce serait donc en partie hospitalisé avec et non pour Covid, en partie prolongation des hospitalisations à cause du Covid et de ses éventuelles complications.

      Bientôt à sec : on ne sera malheureusement jamais à sec, le virus sera toujours là.
      Mais pour ce 3e anniversaire, on peut clairement fêter la fin de l’épidémie/pandémie (sans attendre les 4 ans comme pour les précédentes pandémies comme grippe Espagnole). On a gagné du temps grâce à la vaccination.

      Personnellement, les 12 premiers mois de l’épidémie, c’était en moyenne au moins un décès par mois et au moins une hospitalisation par semaine en moyenne (pour 2000 personnes).
      Le premier trimestre 2022, un seul décès (quasi centenaire) et 2 hospitalisations (quadra & quinqua avec multiples facteurs de risque), tous non vaccinés.
      Depuis 12 mois, aucun décès et aucune hospitalisation.

  15. NicoM dit :

    Encore merci aux 3 auteurs et surtout à JCD pour son analyse interessante sur le décrochage des courbes hospi/réas dans divers pays.

    Je serais taquin je dirais que décidément c’est mono factoriel quand ça colle et multifactoriel quand ça colle pas… Les lecteurs de longue date comprendrons 😉.

    Mais pour redevenir sérieux je ne comprends pas pourquoi ce sont les hospitalisations qui baissent relativement aux réanimations alors que je pense que vous avez raison quand vous dites « Ceci n’est possible que parce que la vaccination a été faite par classe d’âge, d’une part, et que d’autre part le vaccin est d’autant plus efficace que la maladie est grave (ce qui crée une différence entre l’évolution des hospitalisations et celle des réanimations). » Ca devrait donc être les réas qui baissent plus que les hospi non ? Le fait que l’on envoie moins les très âgés en réa ?

    Ce qui nous a évité un 3eme confinement c’est le bon sens et les finances publiques les vaccins eux ont limités les cas les plus graves ce qui est formidable pour les patients et les soignants.

    « Les hospitalisés sont beaucoup plus jeunes avec le variant alpha ». Ce qui était absolument faux : le vaccin avait simplement commencé à retirer des lits d’hôpitaux les 50% de personnes âgées de plus de 80ans qui auraient du s’y trouver » la je suis 1000% d’accord avec vous ça me semblait tellement évident à l’époque lorsque j’entendais cet « argument » débile du rajeunissement…

    • JCD dit :

      @NicoM

      Merci. L’intérêt de comparer les vaccinés qui vont à l’hôpital vs les réanimations, c’est qu’on est a priori sur un seul paramètre. Tous les autres paramètres (type de population, timing, niveau d’immunité etc…) sont identiques ce qui objective l’analyse. Mais il y a peut-être des variables multifactorielles que je n’ai pas vues. Si vous en voyez, n’hésitez pas.

      Par ailleurs, la raison pour laquelle les réas ne baissent pas plus que les hospitalisations, au global, est que les personnes très âgées ne vont pas en réanimation (trop fragiles). Donc quand on vaccine les plus âgées, on vide surtout des lits d’hôpitaux.
      Par contre, il est fort probable que si on regardait sur les autres classe d’âge plus jeunes (donc non plus de manière globale, mais de manière ciblée par tranche d’âge), on verrait une « meilleure performance » sur les réas que sur l’hôpital.

      Malgré cette ‘moindre performance’ en apparence, j’attire votre attention sur le fait que les réanimations ont aussi été largement réduites grâce au vaccin : début/mi avril 2021, au pic de cas/réanimation, la France est alors vaccinée à presque 15%. Ceci correspond à presque 50% des réanimations évitées, 75% des hospitalisations et 85% des décès en moins.
      Donc le pic à 6 000 lits de réanimation aurait du quasiment faire le double : 12 000 lits… que nous n’avions pas (le premier pic de mars 2020 était à 7 000 lits).
      C’est bien la vaccination qui nous a évité un troisième confinement. Aucun doute la dessus. Le bon sens, ça peut aider, mais ça ne fait pas tout…

      • NicoM dit :

        @JCD

        Oui oui, votre analyse est très intéressante c’est pour ça que j’en ai parlé.

        Ma petite ironie venait de ma vexation de m’être fait tacler lorsque j’avais passé 2 heures à comparer plusieurs pays entre eux à rechercher une corrélation entre le taux de vaccination et le taux de contamination et qu’instantanément vous et quelques autres m’avaient répondu « c’est pas comparable, c’est trop multifactoriel… » (spoiler : il n’y avait pas de corrélation – gageons que s’il y en avait une vous auriez trouvé ma recherche formidable…)

        Concernant votre dernier paragraphe, je continue de penser que dire « la vaccination a permis d’éviter un confinement » est un raisonnement elliptique. (un raisonnement elliptique est un raisonnement dans lequel on omet une ou plusieurs prémisses qui semblent inutiles car considérées comme évidentes et certaines pour les interlocuteurs – Pour que la conclusion soit correcte, il faut que la prémisse manquante soit vraie et que l’élaboration de la conclusion respecte les règles du raisonnement déductif.). (source : site toupie.org).

        La raisonnement est : la vaccination a évité des hospi/réas/décès donc la vaccination a permis au gouvernement de ne pas prendre de mesure plus forte.

        Mais rien ne dit que cette mesure plus forte aurait été le confinement. Certains pays ont confinés, d’autres pas. Et pourquoi alors ne pas dire « la vaccination a permis d’éviter le port du masque ». « La vaccination a permis d’éviter les gestes barrières » etc.

        Cet argument a été une tactique de communication du gouvernement pour nous pousser à tous nous vacciner. C’est pour ça que ça m’énerve un peu que l’on reprenne cet argument sans recul.

        Mais attention, je ne nie absolument pas que les vaccins aient été très efficaces au départ contre les formes graves, j’en suis même persuadé.

        Au fait, petite info du jour, les tests ne sont plus remboursés à 100% par l’assurance maladie à compter du 1er mars (sauf +65, etc.). Ça risque de faire baisser le nombre de cas…

        • JCD dit :

          @NicoM,

          Si on remonte le temps, et qu’on ‘dé-vaccine’ la population début 2021 dans le modèle, il aurait fallu, pour éviter un 3ème confinement :
          – Soit réduire de 10% le taux de reproduction à partir de fin février 2021 (2 mois avant le pic de fin avril, donc)
          – Soit réduire ce taux de plus de 25% à partir de fin mars 2021 (1 mois avant le pic de fin avril, donc, si on s’était réveillé plus tard)

          Les mesures déjà mises en place début 2021 étaient, pour rappel : couvre feu à 19h + fermeture des boutiques non essentielles + ½ jauge lycée + sortie non limitée en temps mais à moins de 10 km. Tout ça en plus des masques, gel, télétravail ‘fortement conseillé’ etc…

          Au vu du niveau de contrainte déjà élevé à cette période, j’ai du mal à voir ce qui aurait pu être fait ‘en plus’ et qui ne soit pas un confinement (= obligation encore plus forte de rester chez soi, de type 1h de sortie par jour + télétravail « obligatoire »).

          Qu’aviez vous en tête comme ‘mesure plus forte’ qui ne soit pas un confinement, qu’on aurait pu anticiper de deux mois et qui permette de gagner encore 10% (ou mieux 25%) sur le taux de reproduction ?

          • NicoM dit :

            @JCD

            Je ne sais pas trop quoi vous répondre…

            Votre rôle d’analyste est de faire des calculs et des hypothèses. Décider un confinement est une mesure politique prise au vue des hypothèses et calculs des analystes, mais pas seulement. Un confinement est extrêmement couteux pour les finances publiques, et extrêmement dommageable pour la société.

            Donc rien ne dit que les politiques auraient décidés d’un confinement quand bien même les chiffres auraient été 10%, 25%, même 100% supérieurs et quand bien même ils nous juraient du contraire.

            Rappelez vous l’Espagne, ils ont clairement dit qu’ils n’auraient pas les moyens de confiner à nouveau. Rappelez vous que Macron n’a pas cédé à tous les médecins alarmistes qui lui réclamaient un confinement vers février 2021.

            Est-ce que sans vaccins, donc avec un taux d’hospitalisation supérieur, ils auraient reconfinés ? Peut-être bien que oui, peut-être bien que non. Nul ne le sait.

            Ce que j’ai en tête comme « mesure plus forte » qui permette de gagner 10, voire 25% sur le taux de reproduction ? Je ne suis même pas sûr qu’un confinement, sauf peut-être un confinement ultra strict à la Chinoise, permette de gagner 10% sur le taux de reproduction…

            • JCD dit :

              @NicoM,

              Que le confinement soit une décision politique ne remet pas en cause le constat : sans vaccination, on aurait atteint plus de 12 000 lits en réanimation (et encore, je n’ai pas pris en compte dans mes calculs l’effet ‘ralentissement de la contagion’ lié vaccin)

              La nécessité de mesures beaucoup plus fortes est donc une évidence puisque toutes les politiques sanitaires occidentales n’ont eu qu’un but premier (plus ou moins avoué) : ne pas faire saturer l’hôpital (avant les considérations économiques ou même le nb de morts). Risque de faire sauter l’hôpital => mesures de plus en plus fortes pour éviter cela.

              Quoi qu’en dise l’Espagne, si ils avaient été à nouveau confrontés à la perspective de ‘sur-souscrire 2 fois au moins’ la capacité de leurs lits d’hôpitaux/réanimation, ils auraient bien évidemment du reprendre des mesures extra-fortes pour ne pas voir les gens mourir dans la rue.

              Pour rappel, les 2 confinements (mars et novembre 2020) ont eu pour effet de faire tomber le taux de reproduction autour de 0,6. Soit une division par 2 ou 3 du taux de reproduction de l’époque (en partant d’une situation ou il y avait peu/pas de mesures en place).
              (Confinement = on casse les chaines de contaminations = on diminue le taux de reproduction).
              On est donc bien au dela de votre doute sur la capacité des confinements à faire mieux que 10%.
              Pour étayer vos réserves, avez-vous des données factuelles montrant que les confinements mis en place dans les pays occidentaux n’ont pas réduit le taux de reproduction de manière drastique ?

              On en revient donc à la question que je vous posais : en l’absence de vaccin, quelles mesures plus fortes que celles déjà en place aveiz-vous en tête et qui ne soient pas un confinement ?

  16. Tessea dit :

    Une excellente nouvelle pour la santé publique, le reporting CovidTracker et l’avis des spécialistes permet de voir une nette amélioration en matière de tension hospitalière qui était l’alpha et l’omega l’hiver dernier.

  17. Charlekimartel dit :

    Dites moi ce que vous en pensez
    Covid 19 : COmmutation Virus Divers
    – commutation de 19 virus de l’hiver
    (commutation : remplacement)
    Comme si ils auraient concentré 19 virus de l’hiver en un seul … (Après tout, qu’est ce qu’on sait réellement de la science…)
    Si c’était vraiment celà, ça serait à croire que la science nous encadrerait de « savants fous »
    Je valide les « Anti-vax »
    Le monde où nous vivons, serait il un laboratoire où nous ne serions que des cobayes ? …
    Perso, ça faire peur

  18. HAUTIER dit :

    Bonsoir,
    Je lis avec intérêt toutes les données, tous les articles, tous les commentaires…
    Peut-être n’est-ce pas l’endroit pour poser cette question, mais je n’en vois pas d’autre, hors twitter.
    Il me semble que les mises à jour des courbes se sont arrêtées au 20 février.
    Je le regrette, car je lis ces données tous les soirs avec attention…
    Et l’épidémie, comme vous le dites, n’est pas terminée…
    Allez-vous remettre ces courbes en ligne ? Elles me manquent !!
    Merci

  19. ffrancis dit :

    Seul le blog reste source d’information, plus de mise à jour des donnéees

  20. Whynot dit :

    @Charlekimartel

    Pffffffffff, voilà ce que j’en pense (puisque vous demandez en préambule ce qu’on en pense)…
    La science consisterait juste en une bande de savants fous qui nous encadrent dans le but de faire de nous des cobayes et nous contrôler, en gros ?
    C’est grâce à la science que vous pouvez proférer des âneries pareilles à travers votre clavier et votre écran, ça vous inspire quoi ?

  21. Bab dit :

    Bonsoir
    Hum hum, y aura t y pas comme un petit frémissement de reprise ?
    Petit sursaut ? Ou franche reprise ?
    Les semaines à venir nous le diront.
    Mais du fait des divers derembourments et autres, le thermomètre ne doit pas remonter tout a fait les mêmes indicateurs…
    Malgré cela que disent les gaussiennes ?
    A suivre 👣

    • Daniel Le Breton dit :

      Les Gaussiennes sont au repos Bab, ce qui n’empêche pas de constater une reprise. La difficulté d’analyse tient dans la répartition géographique de la reprise qui est loin d’avoir touché tout le territoire, donc c’est plat et ça dure. L’amplitude reste modeste et on suit les chiffres à l’hôpital plutôt que les cas répertoriés puisque le remboursement du dépistage a disparu. On voit ainsi que l’évolution à l’hôpital suit de près celle des cas (qui sont en partie détectés à l’hôpital).

      • Bab dit :

        Merci Daniel pour votre retour.
        Bah avé le 49.3, à venir les gaussiennes vont peut-être elles aussi avoir à jouer les prolongations 🙁
        A suivre 👣

      • NicoM dit :

        @DLB,

        Lors de ma discussion avec JCD, je me faisais la réflexion suivante, dites moi si mon raisonnement se tient.

        Une gaussienne traduit un phénomène naturel, c’est à dire que beaucoup d’évènements « naturels » sont modélisables dans une courbe de Gauss, n’est ce pas ?

        Ce faisant, tout évènement « artificiel » venant interférer dans ce phénomène naturel devrait se traduire par une cassure dans la courbe, n’est ce pas ?

        Je me souviens de mon prof qui évoquait la chute des feuilles d’un arbre à l’automne, qui suivait une courbe de Gauss. Évidemment, si l’arbre venait à être taillé, la courbe en serait toute chamboulée…

        Ma question est donc : avez-vous constaté des moments pour lesquelles les courbes perdaient leurs courbes naturelles, changeaient de pente bizarrement (accélération ou décélération non modélisée) et si oui, de quelle ampleur ?

        Il me semble que ce serait un très bon indice pour estimer l’efficacité des mesures entreprises, vous ne croyez pas ?

  22. SONIA dit :

    merci de nous informer quotidiennement avec une analyse très fine de l évolution du covid ;JE vous suis tous les matins depuis presque 3 ANS et ce n est pas la baisse des chiffres statistiques qui ralentit vos investigations ;
    on est pas a l abri d un nouveau variant plus agressif ;ON compte sur vous pour continuer a informer .BON COURAGE

  23. NicoM dit :

    @JCD
    https://covidtracker.fr/bientot-a-sec/#comment-15211

    Eh bien voilà, vous m’avez chauffé, j’ai pris du temps pour vous répondre, comme lors des grandes heures de ce site… Le pire c’est qu’à la base je vous complimentais sur votre analyse des effets probables du vaccin sur les statistiques hospitalière.

    Votre explication repose donc sur 2 axiomes :
    1 – Sans vaccins et sans confinement, nous aurions atteint une situation hospitalière dramatique, vous citez le chiffre de 12000 patients.
    2 – Seul le confinement aurait été en mesure de permettre de ne pas atteindre ces chiffres parce qu’il est d’une redoutable efficacité, en divisant par 2 ou 3 le taux de reproduction.

    Et donc, face à un tel chaos, la décision de confiner aurait donc dû dans ce cas s’imposer à tout gouvernant.

    Mais ces axiomes sont-ils si évidents que cela ? Challengeons les…

    Premier axiome : sans vaccins, et sans confinement, aurait-on atteint avec un fort degré de certitude, 12 000 patients en réanimation ?

    Le nombre maximum de patients en réanimation en France toutes vagues confondues a été de 7019. C’était le 8 avril 2020, 22 jours après la mise en place du 1er confinement. Votre chiffre de 12000 correspond donc à 1,7 fois plus de patients en plus que lors de la pire vague, soit un écart considérable. Évidemment, vous allez me dire qu’on a eu « que » 7019 patients en réanimation grâce au 1er confinement.

    Raisonnons donc autrement. 12000 patients en réanimation dans un pays de 68 millions d’habitants correspondent à 176,5 réanimés par million d’habitants. Une telle valeur a-t-elle été atteinte par ne serait-ce qu’un pays dans le monde (y compris donc les pays qui n’ont pris que très peu de mesures anti-covid) ?

    La réponse est oui, mais ce chiffre correspond à un record. (Source : covidtracker/world – graphiques « our world in data », graphique “ICU”).
    Il s’agit de l’Argentine le 16 mars 2021 à 180,61, ce qui correspondrait à 12281 patients en réanimation en France.

    C’est donc possible. Mais de tels taux restent exceptionnels : seuls 6 pics dans 4 pays ont dépassé un taux de 120 (soit un équivalent de 8160 patients réanimés en France) dans tous les pays (ou les chiffres sont disponibles) pour toutes les vagues.

    Conclusion : il est possible que la France ait pu atteindre un pic à 12000 réanimés, mais il est impossible d’en faire une certitude, tant un tel niveau est exceptionnel.

    2eme axiome : Est-il vrai que « les 2 confinements (mars et novembre 2020) ont eu pour effet de faire tomber le taux de reproduction autour de 0,6. Soit une division par 2 ou 3 du taux de reproduction de l’époque » ?

    La encore, je me suis basé sur les données « covidtracker/world – graphiques « our world in data », graphique “Reproduction Rate”), car le calcul national du « R » démarre le 1er juin 2020 soit après le 1er confinement.

    Donc ce grahique montre que :

    Il est rigoureusement exact que les taux de reproduction sont descendus à environ 0,6 lors des 2 confinements.

    Mais :

    Les taux de reproduction avaient déjà commencé à chuter avant la mise en place des confinements de 3,09 le 5 mars 2020 à 2,46 le 17 mars, 1er jour du 1er confinement et de 1,38 le 26 octobre à 1,33 le 30 octobre, 1er jour du 2eme confinement.

    Le taux de reproduction du 1er confinement remonte lors du déconfinement vers le 15 mai jusqu’à atteindre 1,40 le 28 mai, mais il redescend à nouveau jusqu’à 0,82 le 11 juin, toujours en plein déconfinement donc.

    Le taux de reproduction remonte assez fortement (de 0,66 à 1,05) en plein 2eme confinement, du 26 novembre au à 0,66 à 1,05 le 19 décembre (déconfinement le 15 décembre).

    Bref, dans les 2 cas, certaines données semblent montrer une efficacité des confinements tandis que d’autres montrent le contraire. Sans compter que ce taux a continué son yo-yo en l’absence de toute mesure de confinement… Voire de toute mesure tout court, comme ces derniers mois.

    Conclusion : votre 2eme axiome ne semble pas très évident… Mais vous allez me dire que mes petits calculs ne valent rien par rapport aux vraies études faites par de vrais scientifiques. C’est vrai. Alors qu’est ce qui est sorti dans le domaine ? Eh bien pas grand-chose je trouve, et surtout rien de récent avec du recul (ou alors je n’ai pas trouvé)…

    La page wikipedia « Confinements liés à la pandémie de Covid-19 en France » est intéressante, notamment ici dans sa partie « efficacité ». Je vous laisse regarder, mais la méta analyse « plos one » citée à la fin fait état de « Results of the meta-analysis showed that adoption of NPHIs has resulted in a 4.68% (95% CI, -6.94 to -2.78) decrease in daily case growth rates, 4.8% (95 CI, -8.34 to -1.40) decrease in daily death growth rates, 1.90 (95% CI, -2.23 to -1.58) decrease in the COVID-19 reproduction number, and 16.5% (95% CI, -19.68 to -13.32) decrease in COVID-19 daily ICU admission”. Nb : 1,9% ou 1,9 point ?

    Par ailleurs, est évoqué ici l’ensemble des mesures de restriction, pas juste les confinements. Enfin, j’espère que cette méta analyse prend en compte les études observationnelles et non les études théoriques type « imperial College » (parce que ces études sont la base théorique des confinements, donc on ne peut les prendre en compte dans un jugement a posteriori)…

    Maintenant si, pour étayer vos calculs, vous avez d’autres données factuelles montrant que les confinements mis en place dans les pays occidentaux ont réduits les taux de reproduction de manière drastique, n’hésitez pas à nous les communiquer !

    • NicoM dit :

      Je complète mes propos d’hier, je suis revenu sur cette étude du 23 novembre 2021 publiée ici : https://pubmed.ncbi.nlm.nih.gov/34813628/ parce qu’elle me semble assez intéressante.

      D’une part, je me demandais si  » j’espère que cette méta analyse prend en compte les études observationnelles et non les études théoriques type « imperial College » » et bien ils ont bien exclu de leur analyse les études « théoriques » et les « modélisations ». (cf figure 1).

      Par ailleurs, leur figure 4 traite spécifiquement de l’impact des mesures sur le taux de reproduction, ce qui nous intéresse dans notre discussion avec JCD. Si je comprends bien, le taux de reproduction est bien diminué de presque 2 points, ce qui est considérable, et différentes mesures sont prises en compte, c’est très interessant.

      Donc l’ordre de grandeur qu’a pris JCD serait bien correct, selon cette méta analyse.

      Reste que ce serait quand même bien de continuer à faire des études en 2023, 2024 etc. avec du recul, cette méta analyse a eu lieu en 2021, ça date un peu et on avait encore « le nez dans le guidon »…

    • JCD dit :

      @NicoM

      Tout d’abord merci pour votre réponse détaillée et factuelle.

      Sur le point numéro 1 (réanimation) :
      Le seuil maximum de 180 lits par million d’habitants que vous avez calculé correspond à la capacité maximale d’accueil en réanimation de l’Argentine, donc correspond aux moyens humains, financiers que ce pays a décidé d’allouer aux réanimations.
      En aucun cas, ce chiffre de 180 ne reflète la limite ultime de ce que le virus aurait pu générer comme besoins en lits de réanimation !

      Le chiffre de 180 veut juste dire que l’Argentine (victime d’un pic de cas à ce moment là) a réussi à pousser les murs de ses hôpitaux. Mais ça veut surtout dire qu’ils sont passés près de la catastrophe.
      Que se serait il passé si le virus avait ‘poussé plus loin’ ?
      Réponse : les malades se seraient retrouvés à l’hôpital au lieu de la réanimation… et seraient morts. C’est malheureusement ce qui a pu se passer dans les pays pauvres, sans grosse infrastructure hospitalière (ces pays étant souvent aussi dans l’incapacité de compter les morts. Cf le cas de l’Inde qui a déjà été évoqué sur le blog).

      Bref, ça n’est pas parce que le thermomètre est gradué jusqu’à 50° (= le nombre de lits de réanimation), que la température (= le nombre de malade graves générés par le virus) ne peut pas dépasser 50°.

      Point numéro 2 :
      N’oubliez pas que le taux R nécessite 7 jours de recul pour être calculé. Donc le taux Reffectif correspondant aux contaminations du 31 octobre 2020 est celui du 24 Octobre. (Le nombre de cas moyenne lissée 7 jours fait bien un pic le 2 novembre, juste après le 31/10). Idem pour les calculs de mars (mais quasiment pas de données avant le 18 mars donc on est un peu en aveugle jusqu’au confinement).
      Il est donc normal que le R chute une semaine avant un confinement.
      (Et même un peu plus tôt que ça, je dirais, car les gens ont vu venir les problèmes et ont donc commencé à changer leur comportement – soirées, masques, home office, transport…- quelques jours avant les confinements)

      La remonté au dessus de 1 puis redescente de R en Mai 2020 est un artefact, probablement lié à la mesure des cas (si vous regardez les entrées à l’hôpital, cet artefact n’est pas visible). R descend bien en continu jusqu’au déconfinement du 15 mai puis remonte après si on se base sur les hospitalisations ou les réanimations pour calculer R.

      La remontée de R le 26 Novembre 2020 est probablement liée à la réouverture des petits commerce le 28/11 (plus globalement : détente des esprits, donc baisse de la garde, plus grande circulation des gens etc…).

      Ceci dit, il serait intéressant de regarder pour plusieurs pays le taux R en fonction des dates de confinement / déconfinement. Ca permettrait de factualiser de manière encore plus nette l’efficacité des confinements.

      Je regarde par ailleurs de ce pas Wikipedia et la méta étude.

      • NicoM dit :

        Merci JCD, j’essaie effectivement d’être factuel, ça me fait plaisir que vous le reconnaissiez. Évidemment, toute analyse est critiquable et limitée, mais j’essaie de ne pas laisser mes préjugés guider mon analyse.

        Concernant l’Argentine, quand vous dites « Le seuil maximum de 180 lits par million d’habitants que vous avez calculé correspond à la capacité maximale d’accueil en réanimation de l’Argentine, donc correspond aux moyens humains, financiers que ce pays a décidé d’allouer aux réanimations. » Est-ce une hypothèse ou est-ce une information concernant les capacités hospitalières Argentine ?

        Par ailleurs, je n’ai rien calculé, j’ai juste observé les graphiques sur covidtracker.fr / covidtracker-world / COVID-19 Data Explorer / Meteric ICU Patients – Relative to population.

        Je m’étais trompé, j’avais du oublier des pays, le vrai pic est la République Tchèque à 180,61 le 8 avril 2020.

        Mais peu importe. Ce qui compte c’est que des pics au delà de 120 sont très rares : j’en ai compté 7 seulement, pour les 40 pays ou nous avons les statistiques, et ce pour toutes les vagues. 1 en Belgique (novembre 2020), 1 en République Tchèque (avril 2021), 2 au Chili et 1 en Argentine (avril à juin 2021), 1 en Lettonie et 1 en Slovénie (novembre 2021).

        Concernant le point 2, le R sur 7 jours est effectivement un paramètre à prendre en compte auquel je n’avais pas pensé.

        Concernant les pics des autres pays, j’ai regardé les R de nos principaux voisins, dans tous les cas le R descend avant les dates des confinements (Première vague, je n’ai pas regardé les autres).
        Italie, Confinement le 10/03, R=2,33, pic du R le 01/03 à 3,03 (9 jours avant).
        Espagne, Confinement le 15/03, R=2,41, pic du R le 07/03 à 2,96 (8 jours avant).
        Allemagne, Confinement le 22/03, R=2,24, pic du R le 04/03 à 2,99 (18 jours avant).
        Grande Bretagne, Confinement le 24/03, R=1,98, pic du R le 11/03 à 2,53 (13 jours avant).

        Je vous envoie le lien d’un article qui m’avait pas mal fait réfléchir à l’époque : https://fr.businessam.be/norvege-le-confinement-netait-pas-necessaire-pour-gerer-le-covid-19/?fbclid=IwAR0FskqTlqAQ8fmIg2IpWze_z7eTawd7Ir9Qc

        Aussi, attention au biais suivant : on ne peut pas se contenter de regarder une courbe, de mettre les dates de telle ou telle mesure et de déduire que la mesure est efficace ou non. Pourquoi cela ?

        Parce qu’une décision politique de restriction intervient généralement quand la situation est grave. Et une décision d’allègement des restrictions intervient généralement quand la situation s’améliore. Donc statistiquement, quand on s’approche d’un pic, on a plus de chances que la situation s’améliore naturellement plutôt qu’elle ne se dégrade. Et vice versa avec les décisions d’allègement.

        Pour prendre une image, si on construit une digue lors d’une crue, personne ne va dire que la rivière a fini par redescendre grâce à la digue…

        Le R a continué à augmenter et baisser fortement en dehors de toute prise ou allègement de mesures. En 2022 en France, le R a oscillé entre 0,7 et 1,5 avec des pentes d’augmentation / diminution tout aussi fortes qu’en 2020 ou 2021. Preuve que ce taux peut baisser fortement naturellement, en l’absence de toute mesure particulière (mais attention, cela ne prouve pas que les mesures seraient inefficaces, seulement qu’il faut d’autres paramètres pour en juger).

        Concernant la méta étude, ce que j’en retire c’est que les mesures marchent (bien plus que ce que j’imaginais, je dois l’admettre), mais que les mesures de distanciation sociale marchent en moyenne plutôt mieux que les mesures de confinements ! Donc confiner, selon cette étude, n’aurait pas permis d’améliorer la situation (déjà sous contrôle via les autres mesures), pour en revenir à notre débat initial.

        Cela reste quand même à creuser et confirmer il me semble, avec davantage de recul, si on veut s’améliorer lors d’une prochaine pandémie.

  24. JCD dit :

    @NicoM

    Pour l’Argentine, un article du Monde indique 33 lits pour l’Argentine (vs 163 pour la France) en citant l’OCDE.
    Mais je ne vois pas l’Argentine sur le graphe de l’OCDE : https://www.oecd-ilibrary.org/sites/51e7616c-fr/index.html?itemId=/content/component/51e7616c-fr
    Le Chili est à 72, Mexique, CostaRica autour de 30.
    En admettant que Le Monde ait de meilleurs yeux que les miens, l’Argentine a donc poussé les murs très très loin : la crue était 5,5x plus haute que la digue…

    En essayant de comprendre comment Our World in Data (OWID) calculait le Reffectif, j’ai vu qu’il y avait une figure 4 très intéressante : l’indice de mobilité Google des gens à l’approche d’un pic massif de cas.
    On voit que cet indice chute très fortement (= distanciation sociale) une à deux semaines avant les confinements en Europe :
    https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0244474#pone.0244474.ref024
    C’est ce qui explique en grande partie que dans certains cas comme la Suède (pays 5 fois moins dense que la France), le Reffectif ait chuté suffisamment pour ne pas avoir à confiner en Mars 2020.
    La Norvège (2x moins dense que la Suède) aurait sans doute pu aussi s’en tirer sans confinement la première fois (au prix de beaucoup plus de morts quand même, comme en Suède).

    Les fois suivantes par contre, vu la vague hivernale qui ‘accélère’ le virus et les nouveaux variants plus rapides => impossible d’échapper pour tous ces pays à des mesures plus fortes (je vous renvoie au ‘stringency index’ de OWID).

    Le Reffectif oscille (hausse/baisse) au cours du temps pour différentes raisons. Les mesures étant seulement une des raisons :
    – Ete vs Hiver : environ +/- 30% dit Pasteur (c’est pour ça qu’une même souche a pu provoquer 2 vagues : Wuhan, Delta, BA5)
    – Nouveaux variants plus rapides.
    – Taux d’immunisés (vaccin ou infection) : en 2022, c’est l’immunité naturelle qui fait baisser R.
    – Mesures : masque, distanciation, couvre-feux, confinement. (Le 1,9 cité par l’étude que vous citez = -65% sur la base de R0=2,8)
    Donc il est normal d’avoir des hauts et des bas en dehors des mesures. (NB : Les confinements ne s’appliquant qu’en dernier recours, APRES que la distanciation sociale, moins contraignante, a été mise en place. Donc c’est fromage ET dessert dans les cas les plus graves).

    Sur le fond, pour reprendre votre image, imaginer que les confinements (en dernier recours) ne sont / n’étaient pas nécessaires, est un voeux pieux consistant à imaginer que la rivière ne va jamais monter plus haut que la digue.
    Dans les faits, sur les sujets pour lesquels l’humain a du recul, la prophétie est auto-réalisatrice : les mers/rivières ne passent pas par-dessus les digues. Les lits de réanimations n’étaient jamais sursaturés par la grippe etc…
    Mais la raison est bien que au fil du temps, l’humain a compris « jusqu’ou ça pouvait aller » et a construit les infrastructures en conséquence (en surélevant les digues, en rajoutant des lits) !
    Le COVID est/était « juste » une crue centennale…

  25. Whynot dit :

    Bonjour à tous,

    J’ai suivi silencieusement mais avec attention votre échange intéressant, NicoM et JCD. Pour apporter mon grain de sel :
    @NicoM vous relevez le fait que les pics du R sont bien souvent avant le déclenchement de la mesure la plus contraignante, le confinement, et je vous accorde que même avec le mode de calcul du R ça reste avant.
    Ce que je conclus de ça, moi, c’est que ces décisions politiques ont été prises trop tard… On parlait à l’époque (y compris sur ce blog) « d’alarmistes » et « d’optimistes », je dois bien avouer que j’avais plutôt tendance à me ranger du côté des premiers : non par peur ou par plaisir d’emmerder mes concitoyens, mais plutôt par souci d’efficacité espérée d’une mesure si contraignante. Pour reprendre votre image, j’avais à l’époque la sensation qu’on mesurait en haut des montagnes des précipitations record, mais qu’on attendait de constater la montée des eaux dans les vallées avant d’entreprendre la construction de la digue…
    Peut-être que décider de confiner une ou deux semaines plus tôt n’aurait pas été incroyablement plus efficace sur la chute du R, mais cela aurait semblé plus cohérent avec l’objectif visé, et surtout ça aurait davantage légitimé la décision politique d’un point de vue des faits et des chiffres.

    Maintenant se pose la question du pourquoi : étant donné le caractère liberticide de la mesure, on comprend que le décideur politique attende au maximum. J’imagine toutefois que la décision était prise en coulisse bien avant la mise en oeuvre mais qu’il fallait un délai pour travailler « l’acceptabilité » du peuple : « on le fait parce qu’on n’a vraiment plus le choix », ça passe mieux que « on le fait pour ne pas avoir à attendre de ne plus avoir le choix ».
    Deuxième point, attendre avant de déclencher, c’est aussi dire « nous politiques sommes bien plus mesurés que les médecins alarmistes des plateaux télé ». Dans un contexte de défiance des sciences en général par la population, on comprend l’intérêt…
    Troisième point : décider de confiner après le pic, c’est tellement confortable pour ensuite dire « vous voyez, la décision qu’on a prise était la bonne, c’est efficace puisque le R diminue drastiquement ». En gros, on construit la digue une fois que la crue a passé son pic, et on s’attribue les mérites de la baisse du niveau de la rivière…
    Bref, en gros, ça se résume à « on assume mais pas suffisamment pour le faire à un moment où ça peut être mal accepté ».

    Selon moi, c’est le point d’amélioration pour une hypothétique « prochaine pandémie » : assumer de construire la digue avant la montée des eaux en vallée. Mais vous me direz, à juste titre, qu’on prend le risque de bâtir un ouvrage coûteux qui ne servira finalement à rien parce qu’on risque de mesurer une crue qui ne justifie pas a posteriori la construction… Du coup je ne crois pas une seule seconde que ce serait fait : je ne vois pas du tout un gouvernement dans une démocratie assumer de prendre un tel risque politique !

  26. NicoM dit :

    Bonjour,

    @JCD

    Je comprends donc que tout s’explique par les comportements sociaux, que les mesures sont hyper efficaces et expliquent les hausses comme les baisses et que le summum de l’efficacité est le confinement.

    Le R baisse pendant le confinement ? C’est grâce au confinement. Le R baisse avant le confinement ? C’est parce que les gens ont commencé à prendre des précautions avant. Mais alors ce n’est pas le confinement qui fait baisser le R ? Si si, c’est quand même le confinement. Le R remonte pendant le confinement ? C’est parce qu’on a réouvert les petits commerces. Le R descend pendant le déconfinement ? C’est juste un artefact.

    Bref, vous trouverez toujours l’explication idoine…

    @whynot

    Je pense que vous cherchez bien loin les explications des décisions de mars 2020.

    Ils n’ont pas analysé le « R effectif » en mars 2020. En mars 2020, c’était la panique totale ! Le virus était nouveau, on ne savait pas si les chiffres Chinois étaient réels ou bidons mais on les voyait construire des hôpitaux gigantesques, La Lombardie était submergée, bref, c’était l’urgence absolue.

    Et franchement, je ne leur jette absolument pas la pierre. Les décisions prises étaient à ce moment là parfaitement logiques au vu des informations qui leur remontaient.

    Ce sont beaucoup des décisions ultérieures qui sont à mon sens critiquables, qui ont coûté un pognon de dingue pour une efficacité à mon avis bien relative. Je pense notamment aux 2eme confinement, couvre feux, interdiction des rassemblements extérieurs, fermeture des facs, fermeture des stations de ski, pass sanitaire.

    Mais attendons les études qui le prouveront…

    Je suis bien d’accord avec votre avant dernier paragraphe.

    Pour votre dernier paragraphe, ça signifie quoi « construire la digue avant la montée des eaux » ? Cela signifie, par exemple, porter des masques chaque hiver ? Avoir peur de ses congénères potentiellement contagieux ? Je suis désolé, mais moi, ça ne me botte pas du tout comme programme…

    • Whynot dit :

      @NicoM

      « Pour votre dernier paragraphe, ça signifie quoi « construire la digue avant la montée des eaux » ? Cela signifie, par exemple, porter des masques chaque hiver ? Avoir peur de ses congénères potentiellement contagieux ? » -> non pas du tout, juste d’assumer politiquement de confiner au moment où ça servirait potentiellement le plus, donc avant le pic et non pas après. J’étais resté centré sur le débat « confinement » entre vous et JCD, et le fait que c’est un non sens construire le barrage une fois qu’on sait que l’eau est à son maximum et qu’elle va baisser…

      Pour le reste, porter des masques chaque hiver non, mais porter le masque quand on se sait malade (du covid ou d’autre chose que personne n’a vraiment envie d’avoir, au fond) et dans des situations où potentiellement on peut contaminer pas mal de monde, pourquoi cela ne serait-ce pas un réflexe humaniste avant d’être psychotique, altruiste avant d’être alarmiste ?

      • NicoM dit :

        @whynot :

        « c’est un non sens construire le barrage une fois qu’on sait que l’eau est à son maximum et qu’elle va baisser… » Je suis bien d’accord, et c’est à mon avis ce qui a été fait lors du 2eme confinement, cependant, à leur décharge, il est très difficile pour les gouvernants de trouver le « bon tempo »…

        Concernant votre 2eme paragraphe, je me pose la question suivante depuis très longtemps : les extrêmes orientaux (Japonais, Coréens…) qui ont cette habitude de porter des masques bien plus massivement que nous, ont-ils statistiquement moins de rhinites, grippes, etc. que nous ?

        Du coup j’ai un peu cherché. Je n’ai pas trouvé exactement, mais j’ai trouvé quelque chose qui se rapproche, sur ce site que j’ai découvert qui me semble vraiment interessant pour faire des statistiques : https://knoema.fr/atlas

        J’ai comparé les « taux de mortalité par causes » de 2 pays latins (France et Italie) et 2 pays Asiatiques (Japon et Corée du Sud).

        Cet indicateur se divise en 3 catégories : morts par maladies transmissibles, morts par maladies non transmissibles et morts par blessures.

        Voici les Résultats :
        Maladies transmissibles : Fra 6,4%, Ita 5,5%, Cor 12,8%, Jap 10,3%.
        Non transmissibles : Fra 87,3%, Ita 90,6%, Cor 77,9%, Jap 84,8%
        Blessures : Fra 6,4%, Ita 3,9%, Cor 9,3%, Jap 4,9%.

        Résultats : les latins meurent nettement moins de maladies transmissibles et davantage de maladies non transmissibles que les extrêmes orientaux que l’on nous présente comme « plus altruistes envers les autres ».

        Pour quelles raisons ?
        Biais de méthodes statistiques (les écarts des morts par blessure m’interpellent, un différentiel de 1 à 3 je trouve ça énorme) ?
        Hygiène de vie (alcool, tabac, obésité…) poussant les maladies non transmissibles chez les latins ?
        Moindre résistances aux virus des extrêmes orientaux dû à une surprotection / surhygiène (cette hypothèse, je l’aime bien, mais sans analyse plus poussée cela n’est qu’une hypothèse et non un fait…) ?
        Écarts causés par les maladies transmissibles non respiratoires (par exemple les IST) ?
        Autre ?

        • Philippe Brouard dit :

          Bonjour @NicoM

          Intéressant comme idée cette comparaison. Je suggère de regarder aussi du côté de la densité de population :
          Corée du sud : 516 hab./km2
          Japon : 331 hab./km2
          Italie : 196 hab./km2
          France : 107 hab./km2

          Peut-être faudrait-il regarder la différence ville / campagne ?

        • Whynot dit :

          @NicoM

          Intéressant, cette recherche, et surprenants, ces résultats. Je plussoie en tout cas vos hypothèses qui ont sans aucun doute toutes une influence sur la différence constatée. Il m’apparaît comme @Philippe Brouard clair aussi que la densité de population a un rôle. Et on peut peut-être ajouter à cela les différences culturelles et climatiques, qui font qu’un latin et un extrême oriental ne font pas les mêmes choses de leur temps social, et pas dans les mêmes proportions.

          La question suivante est : quel poids de chacun de ce facteurs dans la différence ? Sans aucun doute, pas le même. Je reste convaincu que pour ce type de questionnement, on aurait beau avoir 72 études très robustes sur le sujet, on n’aurait juste une piste de bribe de réponse mais aucune certitude.
          Bref, encore une bel exemple de la plurifactualité qui je le sais, vous dérange un peu pour sa raison d’être une justification trop simple de « on laisse tomber, on ne saura jamais vraiment en fait » 😉

          De mon côté j’ai la conviction qu’il y a bien des questions auxquelles la science ne peut pas répondre, en particulier quand ça implique une dimension très sociétale, si difficile à quantifier et rendant extrêmement compliquée la différenciation des paramètres d’étude, si étriquement liés parfois.

  27. Jazz dit :

    Bonjour,

    Une question me taraude depuis le début de la vaccination.
    L’efficacité du vaccin a été annoncée à 90/95% contre les formes graves.
    Avec une telle efficacité, je m’attendais à voir une baisse drastique des hospitalisations et réanimations. Or, ça n’a pas été le cas et on a continué à avoir de nombreux cas à l’hopital et en réanimation de personnes non vaccinées mais aussi vaccinées.

    Comment peut-on expliquer ça ?
    Est-ce qu’il y a un moyen de calculer l’efficacité du vaccin sur les formes graves en vie réelle ?

    • NicoM dit :

      @Jazz

      Il me semble que la raison en serait la suivante ; On mesure les hospitalisations / réanimations AVEC covid et non POUR covid.

      Comme le virus continue de circuler, il y aura forcément des gens qui seront porteurs du virus lorsqu’ils entrent à l’hôpital/réanimation, même s’ils y entrent pour un tout autre motif. Et ce qu’ils soient vaccinés ou non.

      Ce phénomène était marginal au début, il est massif aujourd’hui. J’ai eu la confirmation de cela en écoutant, en décembre dernier, l’interview sur France Info ou Inter, du Chef de Service Réanimation de l’Hôpital Nord de Marseille qui confirmait cela (il disait en gros que la plupart des gens en réanimation dans son service qui avaient le covid étaient entrés pour un autre motif).

      • Jazz dit :

        @NicoM

        Merci pour votre explication qui paraît effectivement cohérente.
        Par contre, pour que cette explication reste juste, il faudrait beaucoup plus de « avec covid » que de « pour covid » non (peut-être je me trompe) ?
        Est-ce que vous avez une idée de la proportion de « avec covid » / « pour covid » ?

        • JCD dit :

          @Jazz,
          Les malades étant identifiés comme avec/pour COVID, on sait donc faire la distinction (et écarter ce biais). Ce phénomène est par ailleurs proportionnel à l’intensité des vagues (de la première à la dernière vague) donc n’influe quasiment pas sur ce que vous constatez.
          J’ajoute que concernant les décès Avec/Pour COVID, la stat en Allemagne (sur des non-vaccinés uniquement, semble t il) est de 86% ‘pour COVID’ (donc l’écrasante majorité). Je ne sais pas si on a des chiffres en France.
          https://www.sciencesetavenir.fr/sante/les-autopsies-realisees-en-allemagne-revelent-que-le-covid-19-est-la-cause-directe-de-86-des-deces-de-patients-infectes_161910

          L’explication de ce que vous constatez est ailleurs. Si on reste sur du factuel :

          – Avant les vaccins, du début de l’épidémie au 1er Fev 2021 (arrivée des vaccins et du variant alpha) nous avons eu environ 55 k décès à l’hôpital pour 10% des français contaminés (mesures ‘terrain’ via sérologie).
          – Je zappe la période fev-juin 2021 ou le vaccin montait en puissance (‘période semi-vaccinée’).
          – de Juin 2021 à aujourd’hui (période ‘vaccinée’) nous avons eu environ 50 k décès pour plus de 80% supplémentaires de la population infectée.

          Donc autant de décès (en gros), pendant la période ‘vaccinée’ que pendant la période ‘non vaccinée’.
          Sauf qu’il y a eu 8x plus de gens infectés pendant la période vaccinée ! (dit autrement : sans vaccin, on aurait eu plusieurs centaines de milliers de mort au lieu de 50 000 en 2021 et 2022).

          On ne peut pas en déduire pour autant que le vaccin divise par 8 le nombre de décès (8 reste une moyenne, un ordre de grandeur) car il y a eu des variants plus violents (delta) et d’autre moins (wuhan, omicron), car il y a une efficacité des vaccins qui diminue avec le temps, car ça dépend aussi du nombre de doses etc…

          Cette efficacité, au jour le jour, est suivie dans le tableau de bord du gouvernement (et dans covidtracker/vaximpact).
          A noter, depuis omicron, la mesure d’efficacité est brouillée car comme tout le monde a fini par attraper le virus (dont beaucoup d’asymptomatiques), il est impossible désormais de comparer une population vaccinés-jamais infectée à une population non vaccinée-jamais infectée.

          • NicoM dit :

            @Jazz et JCD

            JCD, vous dites « Les malades étant identifiés comme avec/pour COVID, on sait donc faire la distinction (et écarter ce biais). » puis « Je ne sais pas si on a des chiffres en France. » Faudrait savoir, on a ou on n’a pas la donnée ?

            Quand à l’étude Allemande, elle est super intéressante, mais s’arrête en octobre 2021. Cela ne contredit donc pas mes propos quand je disais « Ce phénomène était marginal au début, il est massif aujourd’hui. » Ce serait donc très interessant de voir ce qu’il en est actuellement.

            Je suis assez persuadé que l’on constaterait une inversion de ces proportions, parce qu’il me semble que les contaminations naturelles successives (détectées ou non) et les vaccinations on peu à peu appris à nos corps à lutter contre ce virus et expliquent que l’on meurt beaucoup moins de cette maladie, même si le virus continue de circuler. D’où une augmentation progressive des « avec » au détriment des « pour » dans les hôpitaux. Enfin cela reste à prouver. Mais les propos d’un Chef de Service Réanimation d’un grand hôpital sont quand même un bon indice.

            • JCD dit :

              Oui, effectivement je ne suis pas très clair. Désolé.

              Les MALADES sont bien identifiés (= hôpital, réa) à partir de 2021. Cf les graphiques « La situation hospitalière » ici : https://www.lemonde.fr/les-decodeurs/article/2022/10/10/covid-19-les-chiffres-de-l-epidemie-en-france-et-dans-le-monde-en-cartes-et-en-graphiques_6038751_4355776.html

              Les DECES ne le sont pas par contre (je ne les ai pas trouvés, en tout cas).

              Si on prend les données brutes récentes (lien Santé Publique issu du tableau du Monde), on voit qu’on a les % suivants de POUR COVID, au fil du temps :
              https://covidtracker.fr/wp-content/uploads/2023/03/Pour-Avec.jpg

              Si on se base sur les chiffres des entrées POUR COVID à l’hôpital (faute d’avoir les décès), on voit qu’on est passé de 86% en 2021 (tiens, même chiffre que l’Allemagne pour les décès) à 52% en 2023. Donc si on fait le ratio on est à x1,65 en 2023 versus 2021 (et x2 vs 2020 si on se dit qu’on ne détectait rien en 2020, pour aller au bout du raisonnement).
              Cette variation m’étonne un peu car les tests existent depuis fin 2020 donc il n’y a pas de raison que ce ratio Avec/Pour ait changé autant. Encore un mystère du COVID…

              Quoi qu’il en soit, @NicoM et le professeur en question avez raison : l’augmentation des ‘Avec COVID’ a un effet perceptible ‘à l’oeil nu’ dans les hôpitaux (x2 aujourd’hui, à l’extrême, vs 2020).
              Néanmoins, ne perdez pas de vue que le vaccin reste la variable principale qui influe sur le ‘remplissage’ des hôpitaux (sans vaccin, on aurait fait x8…).

              • Jazz dit :

                @NicoM et JCD

                Merci pour vos réponses 🙂

              • NicoM dit :

                @JCD,

                Merci pour ces éclairages intéressants. Cela fait longtemps que je n’avais pas consulté les graphiques du Monde, ils sont très instructifs aussi.

                50% (en gros) de patients hospitalisés / réanimés POUR covid reste important, je m’attendais à un chiffre moindre. Voyons si cela se traduira dans la surmortalité que calculera l’INSEE. Ceci dit on peut le craindre car on voit une surmortalité assez nette en décembre 2022, correspondant à une vague covid.

                « Cette variation m’étonne un peu car les tests existent depuis fin 2020 donc il n’y a pas de raison que ce ratio Avec/Pour ait changé autant. Encore un mystère du COVID… »
                Il me semble que ce qui se passe est la traduction de ce que certains virologues anticipaient et qui semble se produire : un virus de plus en plus contagieux et de moins en moins dangereux.
                Si cela est vrai, alors il est normal que cela se traduise statistiquement par le fait que progressivement de moins en moins de gens vont à l’hôpital à cause du covid, par contre de plus en plus de gens qui sont testés positifs au covid, l’ont été « par hasard » lors de leur séjour à l’hôpital.

                D’ailleurs j’en profite pour vous faire cette remarque qui peut peut-être modifier vos modélisations : quand on regarde les chiffres ici sur covidtracker, on remarque que les chiffres des cas hospitalisés/réanimés sont à la baisse AVANT les chiffres des cas détectés, ce qui est très étonnant.
                Mon hypothèse est que désormais le nombre de tests en labo/pharmacies par le « grand public » est devenu tellement faible qu’il ne reflète plus la situation épidémique réelle, et que désormais les chiffres hospitaliers sont redevenus un indicateur plus fiables que les chiffres des cas.
                En gros, un retour à la situation du printemps 2020, au début de l’épidémie, ou l’on manquait de capacités de tests.

              • JCD dit :

                @NicoM
                Effectivement, vous avez raison, ça doit être ce qui explique la baisse, en tout cas entre 2021 (pas d’omicron) et 2022 (omicron moins dangereux).
                Il y a sans doute un autre facteur qui est (encore !) le vaccin, en y réfléchissant, car en diminuant les cas graves (donc les entrées à l’hôpital POUR COVID), cela a pour effet d’augmenter les AVEC COVID en proportion, au fil du temps.
                Une façon de vérifier cela est de regarder les classes d’âges les moins touchées par les formes graves (ex : moins de 30 ans) : en volume, les AVEC COVID vont avoir tendance à être sur-représentés et l’impact du vaccin va être plus faible (car peu de forme grave, donc peu de diminution des volumes d’hospitalisés). Donc on peut s’attendre à une variation POUR-AVEC d’amplitude plus faible pour cette population, au cours du temps.

                J’ai regardé le même tableau POUR-AVEC (cf mon lien dans un commentaire précédent) et on voit effectivement qu’au lieu de 86% de POUR COVID, on démarre à 72% (et on finit à 50% au lieu de 52%).
                L’amplitude du phénomène %POUR-AVEC est bien réduite.

                Pour ce qui est des pics hospitaliers vs pics de cas, c’est effectivement très étrange.
                Le nombre de cas a toujours été un indicateur peu fiable si on parle de l’amplitude. Par contre le fait qu’on teste 1 cas sur 20 (début de l’épidémie) ou un cas sur 2 (époque des tests à tout va), ne modifie pas la date détectée des pics (juste l’amplitude). Donc il faut sans doute chercher l’explication ailleurs.
                C’est comme si les populations fragiles avaient été touchée en premier : oubli du Nième rappel de vaccin chez ces populations ? Propagation de XBB chez les plus âgés en premier ? (les tableaux d’incidence par classe d’âge ne sont plus à jour depuis un mois donc impossible de vérifier…)

  28. Dache dit :

    Cela continue de remonter doucement selon le dernier rapport de Santé Publique France:
    https://dashboard.santepubliquefrance.fr/digdash_dashboard/file?item=Rapport+hebdomadaire+du+22-03-2023.pdf&serverId=1132851039

    Et ce tout particulièrement dans le nord et l’est , avec un Bas-Rhin à 161,17 cas pour 100.000 habitants.

    • NicoM dit :

      @Dache,

      Oui ça remonte, c’est à cause du relâchement des mesures et du comportement des gens, en janvier tout le monde était sérieux et appliquait les GB, ce qui a fait baisser le taux d’incidence, maintenant personne ne les respecte et du coup ça remonte. C’est comme ça, c’est mathématique.

      Vite des mesures avant qu’il ne soit trop tard et que nos hôpitaux soient submergés !

  29. Whynot dit :

    @JCD
    Je pense que NicoM sait très bien que les mesures n’ont sans doute pas grand chose à voir avec cette « vaguelette » due à XBB, mais qu’il a sauté sur l’occasion pour de nouveau dénoncer le discours « si ça baisse c’est grâce aux mesures, si ça remonte c’est parce que les mesures ne sont pas correctement appliquées » 😉

    • NicoM dit :

      @whynot

      Bien vu 😉

      D’ailleurs je plussoie avec JCD quand il dit « Le Reffectif oscille (hausse/baisse) au cours du temps pour différentes raisons. Les mesures étant seulement une des raisons » C’est ce que je me tue à dire ici depuis 2 ans !

      Je ne nie pas que les mesures puissent avoir un effet, mais il convient de quantifier cet effet, et c’est cela qui est difficile. L’observation des changements de pentes (ou pas) dans les courbes après telle ou telle mesure est me semble t-il un bon indicateur. Et pourtant, que de fois je n’ai pas lu ici et ailleurs « ça baisse parce qu’on a pris telle ou telle mesure » ou alors « ça repart parce qu’on s’est relâché ». Mais bon sang, c’est trop complexe pour pouvoir conclure aussi facilement !

      J’en profite pour revenir à votre « Bref, encore une bel exemple de la plurifactorialité qui je le sais, vous dérange ».

      La plurifactorialité ne me dérange nullement, ce qui me dérange c’est de dire quand on trouve des chiffres qui collent à ses croyances « voilà j’ai trouvé LA cause, c’est bon, j’ai raison » et quand on trouve des chiffres qui ne collent pas à ses croyances de dire « ah oui mais non, on ne peut rien conclure, c’est multifactoriel »… Fermez le ban ! C’est ce 2 poids 2 mesures qui me dérange.

      • Whynot dit :

        @NicoM
        J’avais bien compris, je ne me suis pas étalé dans ma réponse mais c’est bien cela que je sous-entendais derrière mon laconique « la plurifactorialité vous dérange ». A force, je crois commencer à bien vous cerner, et je ne doute pas une seconde que ce soit aussi vrai dans l’autre sens 😉

        Et, comme je le disais plus haut, je vous rejoins sur « c’est trop complexe pour conclure aussi facilement », principalement en raison de la difficulté (voire même l’impossibilité) de la quantification nécessaire des différents facteurs d’influence…

        • NicoM dit :

          @whynot

          Je ne suis pas aussi pessimiste que vous sur la possibilité de faire des recherches approfondies, je pense que c’est tout à fait faisable en utilisant l’extraordinaire masse de données que nous générons quotidiennement, dans tous les pays au monde.

          Bien entendu, c’est un travail hyper minutieux et nécessitant des compétences, des outils et des financements importants, mais je pense que si l’on veut, on pourra y arriver.

          Et ce qui m’inquiète ce n’est pas le « pouvoir » c’est plutôt le « vouloir ». Voudra-t-on financer des recherches alors que le problème est derrière nous ? Est-ce que les scientifiques et les politiques voudront vraiment rechercher dans quelle mesure ils ont eu raison, mais aussi peut-être tort ? Est-ce que nous serons en mesure d’entendre les résultats si jamais ils s’avèrent négatifs ? En définitive, en utilisant une expression triviale mais parlante, pourquoi vouloir remuer la m… ?

          C’est là mon pessimisme, alors que vous êtes optimiste sur ce point, nous en avons déjà discuté, j’espère que vous aurez raison.

          Pour illustrer mon propos, et concernant aussi la discussion sur le « 2 poids 2 mesures », je suis tombé sur cet article de Michel Goya qui est tombé à pic.
          https://lavoiedelepee.blogspot.com/2023/03/des-roses-pour-formose.html

          Il s’agit d’un article concernant les « wargames » dans le domaine militaire, mais ce passage me semble parfaitement judicieux quant à l’analyse de tout phénomène, si l’on souhaite le faire de manière « cartesienne ».

          Et je trouve que l’on s’est trop souvent ici écarté des principes suivants : « Bien entendu, pour que ce soit utile il faut faire ça avec la rigueur scientifique des sciences expérimentales, comme la médecine décrite par Claude Bernard à la même époque. Bien sûr également, il faut que ces expériences de simulation servent à forger des opinions solides et non à fournir des éléments de confirmation pour des opinions déjà formées. Et si par extraordinaire le résultat des simulations est en contradiction avec une opinion, c’est l’opinion qui doit changer et non le résultat. Tout cela demande, il est vrai une rigueur peu commune avec beaucoup de décisions stratégiques, mais le jeu est la seule méthode sérieuse pour dissiper un peu l’incertitude. »

          • Whynot dit :

            @NicoM

            Vous avez raison dans votre dernier paragraphe, mais restons aussi à notre place : nous ne sommes que des commentateurs, plus ou moins éclairés, pas des chercheurs. Il est vrai que chacun va chercher des éléments de confirmation à une opinion formée, mais c’est la nature humaine, on ne peut finalement pas s’y soustraire.

            Ce commentaire vaut d’ailleurs aussi pour les chercheurs : leur rôle est évidemment de forger l’opinion solide basée sur des preuves, mais ils sont eux aussi humains et donc soumis aux mêmes biais que les quidams.
            Pour avoir baigné quelques années dans le monde de la recherche (en pharmacochimie, plus précisément la synthèse et l’évaluation de candidats médicaments anticancéreux), j’ai d’ailleurs pu le constater : l’enjeu de la « valorisation scientifique », c’est-à-dire la publication, est lié à un enjeu financier. Difficile de se soustraire dans ces conditions au biais de confirmation…
            Quand bien même l’approche se veut la plus objective possible dans la démarche de recherche, le contenu des publications n’est finalement qu’un extrait de tout ce qui a été fait. Il y a forcément des choses qui ne sont pas évoquées, soit parce qu’elles ne vont « pas dans le bon sens » (si si, c’est bien une réalité…), soit parce qu’elles ne sont pas pertinentes, soit parce qu’elles sont trop biaisées, soit parce que les résultats obtenus ne trouvent pas d’explication qui puisse être exposée clairement. Ce n’est jamais fait dans une démarche volontairement trompeuse, mais plus dans le sens de valoriser de la meilleure façon possible le travail de toute une équipe, et les résultats bons ou encourageants qui en ressortent.
            C’est d’ailleurs bien là le rôle des méta-analyses : écarter le plus de biais possibles par l’étude d’une cohorte d’études portant sur un même sujet. Au bout du bout de la chaîne, c’est bien une opinion solide qui est forgée sur un sujet qui émerge, mais en amont de tout cela il y a forcément la recherche d’éléments de confirmation. Opinion solide qui, ensuite, peut être contredite par une autre encore plus solide qui émergera d’un modèle plus complet, construit à l’aide de nouvelles techniques d’observation et d’expérimentation.

            Car il y a une chose qu’il ne faut pas oublier : la Science ne fait pas émerger « la vérité », elle ne fait que « modéliser la réalité ». Par définition, un modèle n’est que descriptif, il n’est pas explicatif et conclusif : « qu’est-ce qui peut expliquer ce qu’on observe » n’est pas tout à fait la même question que « qu’est-ce qui cause ce qu’on observe ». Pour faire un parallèle : la théorie de l’interaction gravitationnelle de Newton permet de comprendre « comment ça bouge », la relativité d’Einstein cherche à définir « pourquoi ça bouge », et c’est une des très rares théories s’attachant à la causalité… Voilà pourquoi je crois qu’il y a certaines questions qui resteront sans réponse absolue : la masse énorme de données permet de construire éventuellement un modèle extrêmement complexe qui donnera l’illusion de la vérité, mais qui ne peut en aucun cas l’être, par définition. On ne peut pas vraiment modéliser le vivant, c’est trop complexe : pourquoi telle molécule conduit à la rémission chez l’un, et n’a aucune efficacité chez l’autre ? On trouvera des facteurs explicatifs petit à petit : telle hormone présente chez l’un et pas chez l’autre, tel mode de vie chez l’un et pas chez l’autre, telle couleur de voiture chez l’un et pas chez l’autre… On pourra établir des corrélations, des interconnexions entre les corrélations, on modélisera la réponse et on anticipera « chez cette personne du coup c’est sûr, ça va pouvoir fonctionner ». Et puis en fait, non. Et donc on revoit le modèle, qui lui aussi aura ses contre-exemples anticipatifs.

            Vous faites le parallèle avec la guerre et les wargames, il me semble bien plus aisé de modéliser cela pour faire émerger une « réponse » à fort taux de confiance, puisqu’il est bien plus aisé de quantifier le poids des facteurs et d’introduire des « plus que prévu » ou « moins que prévu » que pour ce qui concerne le vivant et des facteurs sociétaux.

            Désolé pour ce long message, j’étais inspiré ^^

            • Philippe Brouard dit :

              Bonjour @Whynot, je retiens pour moi ce passage, sous forme de clin d’oeil « la masse énorme de données permet de construire éventuellement un modèle extrêmement complexe qui donnera l’illusion de la vérité« … Il y a environ 15 000 calculs pour mouliner les données dans ma version de simulateur, pour une période de 3 mois environ. C’est à dire tous les trois mois il faut déplacer la fenêtre de calculs. À chaque ajustement de variable, il faut relancer les calculs. Au bout du compte, ça cumule certainement plusieurs millions calculs depuis 2020.

              • Whynot dit :

                Bonjour @Philippe

                Je ne pensais à personne en particulier en tenant ces propos, je pense que vous l’avez compris, en tout cas je l’espère ! Je soulignais juste le fait que les modèles et théories scientifiques sont aujourd’hui tellement avancées et souvent si difficiles à appréhender pour notre très limité cerveau humain que ce dernier amalgame le modèle avec la réalité, alors qu’il convient justement de bien différencier les deux pour rester nuancé et le plus objectif possible.

                Je tiens à souligner que je suis particulièrement admiratif de votre (à tous les 3) travail acharné destiné à nous éclairer. Impressionnant, ce chiffre, je n’imaginais que derrière des courbes « si simples » se tramaient autant de calculs :O

  30. Bab dit :

    Bonjour
    Bon ben c est 49.3 aussi pour le C19
    Le clap de fin semble bien là.🤞
    A voir si l OMS a la même conclusion (le conseil constit 😜)
    Moi qui avait vu dans la boule de cristal, un pic de mortalité en mars, heureusement que je me suis trompé 😇
    Ma vision cristalline de fin du C19 à fin 2023 a été elle aussu plus rapide, c est chouette 🙂
    Ceci étant, est ce qu il y aura un article final et conclusif 3 auteurs ? 😉
    A suivre
    👣

  31. Fred dit :

    Bonjour à tous !

    Un bon moment sans venir, du fait d’un virus plus discret quel-qu’en soient les raisons mais aussi une impossibilité plusieurs fois constatée de laisser un message, pas grave.

    Une amie est rentrée d’un voyage avec le/la covid, du coup je me suis dis, tiens, ça en est où cette « affaire » ?

    J’ai fini de lire la précédente thématique et lu l’intégralité de celle là.
    Alors moi aussi je tiens à en remercier une nouvelle fois les auteurs PB, JCD et DLB.
    Évidemment les intervenants, je pense principalement à Nicom, Whynot et tant d’autres.
    Vos infos permettant de mieux voir et mieux comprendre la situation, loin d’un milieu médical de plateau télé qui a bien torpillé sa propre image au point de rejoindre celles que politiques et journalistes s’étaient taillées bien avant eux…

    A m’excuser une nouvelle fois auprès d’une médecin qui avait pris pour elle une « mine » qui ne lui était pas destinée.
    Elle visait une personne qui avait mis en lien les effets secondaires d’un médicament d’usage courant et fréquent, alors que je m’interrogeais sur un lien très officiel relatif aux effets secondaires de la vaccination.
    https://www.assemblee-nationale.fr/dyn/15/rapports/ots/l15b4315_rapport-information#
    Époque où interrogation valait systématiquement suspicion d’anti vax, ce que je ne suis pas et n’est jamais été.
    Où quelques intervenants « médicaux » trouvaient bon de venir déverser leur suffisance et ou condescendance à l’endroit de non sachant comme moi, depuis…
    Époque ou un ami avec une bonne hygiène de vie venait de choper une leucémie quelques semaines après une troisième dose d’ARN messager.
    Quoi de plus naturel que de s’interroger lorsque l’on cherche à comprendre et savoir, c’est d’ailleurs ainsi que je suis arrivé là.
    Une nouvelle fois merci à chacun !

    • Philippe Brouard dit :

      De rien @Fred, c’est une fierté pour nous d’avoir eu des visiteurs nombreux et des commentateurs perspicaces et fidèles !

  32. WaltyWalt dit :

    Une question me taraude : comment peut-on asséner avec certitude que c’est bien le vaccin qui a permis de sauver des vies ? Pourquoi ne serait-ce pas simplement dû au fait que le virus à muté, devant bien plus « light » et, par conséquent, bien moins létal ?
    Pour preuve, vacciné je l’ai eu par 2 fois : la première en Juin 2022 il m’a couché 3 jours, et m’a brûlé les poumons pendant 10 jours, j’ai peiné à m’en remettre. En Novembre 2022, un simple rhume de 2 ou 3 jours sans fièvre ni autre symptôme… Pas le même variant.

    Enfin, il serait judicieux d’arrêter de dire le vaccin, étant donné qu’il en existe quelques dizaines, dont certains ont des modes d’action bien différents des autres (ARNm, virus inactivés, etc…). Pour être juste on parlera de vaccins au pluriel, en évitant du coup de juger de leur efficacité de façon générale.

    • JCD dit :

      Si vous avez un peu de temps, vous pouvez regardez les archives du blog car ce sujet a été discuté plusieurs fois.
      Mais en gros : on prend une population non vaccinée, jamais infectée et on compare à une population vaccinée, jamais infectée, au jour le jour et par classe d’âge (ce qui évite d’avoir d’autres facteurs d’influence comme les mutations).

      Et ça donne ça : https://www.gouvernement.fr/info-coronavirus/carte-et-donnees#suivi_de_la_vaccination_-_nombre_de_personnes_vaccinees
      (Chercher le graphique : « Nombre d’entrées en soins critiques chez les personnes vaccinées et non vaccinées » )

      La différence qui est flagrante s’estompe un peu avec omicron qui est, d’une part, moins virulent et, d’autre part tellement contagieux que toute la population française y est passée ou presque (donc quasi impossible, désormais, de trouver des groupes non infectés pour faire la comparaison entre vaccinés/non-vaccinés).

      « Le vaccin » ou « le virus » = juste une dénomination générique (il y a en effet plusieurs type de vaccins, plusieurs variants différents etc…). A noter quand même : en France, nous sommes à pratiquement 95% des doses sur de l’ARN.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *