Franchir les murs ou pas

Ce n’est pas un mur, mais des murs qui se présentent à nous pour le mois d’avril. Il y a le mur de la situation sanitaire, comment surpasser le choc de la charge ? Il y a les murs qu’il faudra pousser pour agrandir les services. Il y a les murs des restrictions de circulation et de liberté qui seront difficiles à supporter. À l’image du parkour, cette discipline sportive où il faut jouer avec les obstacles et les moyens du bord, le mois d’avril sera un exercice de gymnastique intense pour le personnel soignant au pied du mur. Pour les jeunes, les envies de faire le mur seront certaines. Quelle serait l’échéance qui nous permettrait de voir le haut du mur ? Les calculs du simulateur sont relancés.

Suivi des indicateurs

Recalcul de la durée moyenne de séjour hospitalier

Depuis le 18 mars 2021, les données ouvertes de Santé publique France permettent de connaître plus de détails sur les hospitalisations : ajout d’indicateur concernant le nombre de personnes actuellement en Soins de Suite et de Réadaptation (SSR) ou Unités de Soins de Longue Durée(USLD), le nombre de personnes actuellement en hospitalisation conventionnelle, le nombre actuellement de personnes hospitalisées dans un autre type de service. Avant cela le nombre de personnes en SSR était seulement estimé dans le simulateur CovidTracker. Selon Santé publique France, pour la période en cours le nombre de patients en SSR est d’environ 7200, environ un quart des hospitalisations. Cette valeur ne correspondait pas du tout à l’estimation dans nos précédents calculs. Il a fallu donc tout revoir. Ce recalcul a permis de refaire une nouvelle estimation de la durée moyenne d’hospitalisation.

Estimation de la durée moyenne du séjour des patients covid-19 France, simulateur CovidTracker, actualisation le 01/04/2021

Le nouveau calcul donne un résultat un peu moins long. La durée moyenne en cours serait de 26 jours. Mais selon le dossier de la DRESS n° 67 (lien fourni par un lecteur du blog), cette durée moyenne est globalement encore plus basse :

Extrait du dossier de la DREES n°67 mentionnant la durée du séjour à l’hôpital pour covid-19.

Pour le simulateur CovidTracker, ça ne semble pas possible de s’aligner sur cette durée, sans trouver d’explication sur le différentiel. Nous verrons en fin de vague si la durée a tendance à monter comme pendant le printemps-été 2020.

Pourcentage d’incidence des nouvelles entrées en réanimation

Cet indicateur est suivi ici depuis quelques semaines. Il montrerait la tendance des malades à développer des formes plus sévères de covid-19 pour ceux gérés à l’hôpital. Cet indicateur peut être un marqueur de la difficulté hospitalière.

Calcul de pourcentage d’incidence des nouveaux patients hospitalisés, vers les services de réanimation 4 jours plus tard, données Santé publique France, actualisation au 30/03/2021

L’indicateur se stabilise vers 24% sur la semaine passée. C’est un niveau très élevé, jamais atteint auparavant. Nous savons qu’une partie des malades sont soignés en médecine de ville, y compris avec de l’oxygène. Ces patients moins à risque ne sont pas à l’hôpital. Lorsque l’indicateur est haut, ça peut être à la fois lié à une forme des variants qui serait plus “agressive”, mais aussi lié à une gestion de l’hôpital qui prend en charge plus de cas compliqués.

Nombre de reproduction Reffectif

Pour le simulateur CovidTracker, c’est un peu comme le carburant de l’épidémie. Ce nombre qui indique combien de personnes se contaminent en chaîne est révélateur de l’entretien de la machine. Tant qu’il ne chute pas en dessous de 1, c’est impossible d’espérer une amélioration, ou alors il faudrait un traitement efficace contre la maladie.

Évolution de Reffectif sur un an, mise en valeur des périodes où R était inférieur à 1, CovidTracker Guillaume Rozier

Les périodes mises en valeur en vert, indiquent les moments où la machine ralentit, elles sont peu nombreuses depuis juillet dernier. R est estimé vers 1,2 en ce moment, c’est trop élevé. Tout scénario ayant pour objectif de se projeter sur des jours meilleurs se base sur des hypothèses de future baisse de R. Voici comment nous pouvons adapter notre réglage de R pour le simulateur CovidTracker.

Réglage de R-effectif pour le simulateur CovidTracker, trois hypothèses, stable, à la baisse et à la baisse fortement, actualisation au 02/04/2021

Pour cette fois l’hypothèse à la hausse n’est pas conservée, la situation étant déjà trop élevé. Les nouvelles restrictions annoncées par le Président le 31 mars auront pour effet d’amorcer la baisse, espérons-le.

Situation dans les hôpitaux

Le réglage du simulateur a été actualisé pour s’ajuster aux courbes en cours et les calculs ont été prolongés selon les trois hypothèse pour Reffectif évoquées à l’instant. Voici les nouveaux graphiques pour les entrées et les sorties ainsi que le niveau d’occupation des services.

Simulation CovidTracker et données Santé publique France, entrées et sorties de l’hôpital pour retour à domicile, actualisation au 02/04/2021
Simulation CovidTracker et données Santé publique France, situation hospitalière occupation des services, actualisation au 02/04/2021

Quelques remarques sur les courbes de projection :

  • Courbe des hospitalisés, difficile de trouver un autre réglage que celui qui montre une croissance rapide, même si la courbe des jours derniers semble avoir une croissance plus modérée.
  • Courbe des patients en SSR ou USLD, difficile de trouver un autre réglage que celui en progression, même si la courbe des données de Santé publique France montre une stabilité.
  • Courbe des patients en réanimation, l’hypothèse la plus optimiste conduit à un pic à 7200 vers le 18 avril.

Cette simulation inquiétante indiquerait que toutes les hypothèses dépassent le niveau de saturation des hôpitaux au moment de la première vague. Je doute moi même du résultat obtenu et pourtant ça fait maintenant un an que je m’efforce à faire ces simulations, elles n’ont que peu de fois été significativement en dehors des clous. Mais je peux encore me tromper.

Projection sur les décès

Simulation CovidTracker et données Santé publique France, évolution du cumul des décès pour covid-19 en France, actualisation au 02/04/2021

La tendance semble toujours assez bien orientée pour les EHPAD et EMS, avec peu de nouveaux cas. Par contre, en raison de Reffectif supérieur à 1 pour la période en cours, la simulation montre une légère accélération de l’incidence des décès à l’hôpital, mais celle-ci pourrait être limitée si les nouveaux patients se révèlent plus jeunes.

Les Gaussiennes par Daniel Le Breton

Cette vague de variant(s) montre une évolution qui fait penser à un phénomène de percolation, à savoir que la vague semble régresser puis rebondit fortement, comme si elle franchissait un cap. Depuis la dernière mise à jour les configurations en double pic des courbes dérivées n’ont fait que croître, et ça ne concerne pas que les données relativement incertaines, même les données hospitalières sont touchées par le phénomène.

Le scénario du 12 mars est maintenant obsolète et force est de constater que l’épidémie rebondit fortement même dans les régions que l’on croyait pouvoir être épargnées (Bretagne). Des renversements violents de tendance sont observables (PACA). Reste à essayer de deviner vers où on se dirige actuellement.

La situation en Île-de-France peut nous apporter un peu d’espoir car on voit qu’un pic est passé peu avant la fin mars. Cela conduirait à un pic d’hospitalisations (7600) et de réanimations (1650) vers le 10 avril, en croisant les doigts pour que ce ne soit pas le prélude à un nouveau rebondissement.

Au plan national le développement géographique de l’épidémie laisserait entrevoir un pic vers le 10 avril, avec en moyenne hebdomadaire 46 000 cas par jour, et un pic de l’ordre de 69 000 cas en milieu de semaine (le 7).

Nombre quotidiens de nouveaux tests positifs au SARS-CoV-2 en France, selon la méthode des Gaussiennes, Actualisation Daniel Le Breton au 01/04/2021

Comme on peut le voir sur le graphique la descente est lente et la réalité va l’être davantage. Ainsi on ne reviendra pas sous les 5 000 cas par jour avant juin. Tout cela peut dériver dans le temps, et pic plus tardif veut dire pic plus haut avec les conséquences qui vont avec. Cela va dépendre de la vitesse d’extension de la maladie à travers le pays. Dans le scénario actuel, on aurait encore 20 000 cas par jour mi mai, ça ne rend pas optimiste vis-à-vis des promesses gouvernementales.

Pour ce qui concerne les réanimations, le pic se présenterait vers le 20 avril avec un peu moins de 6000 personnes. La barre des 3000 cas par jour ne serait franchie que début juin. Là aussi ça peut dériver pour les mêmes raisons que ci-dessus.

La méthode montre ses limites même si beaucoup de monde travaille aujourd’hui sur les tendances (les dérivées en mathématiques). Les caprices de l’épidémie conduisent à des pics intermédiaires qu’on peut mal interpréter. La superposition de deux vagues masque également les points d’inflexion.

Daniel Le Breton

Vers 6 millions de cas cumulés

Si vous êtes toujours à nous lire, bravo. Pour être complet et montrer les graphiques intéressants qui soutiennent la simulation, voici la projection sur le cumul du nombre de nouveaux cas positifs.

Simulateur CovidTracker et données Santé publique France, cumul du nombre de cas positifs détectés au SARS-CoV-2 en France, actualisation au 02/04/2021

La valeur de 6 millions de cas se profile pour la fin du mois d’avril. Il faut seulement remonter au 22 janvier pour trouver le cumul de 3 millions de cas.

Un dernier bond pour prendre de la hauteur, ailleurs dans le monde

Dans le dernier bulletin Santé publique France, la carte mondiale de l’incidence de la covid-19 permet de pointer les pays qui sont mal engagés actuellement pour freiner l’épidémie.

Extrait du bulletin de Santé publique France au 01/04/2021, carte de l’incidence mondiale, page 56.

Pas de chance, la France au centre de la carte fait partie d’une minorité de pays où l’incidence dépasse 300, avec la couleur la plus foncée.

Bon courage aux soignants, il faut encore vous applaudir. Prenons soins de nous tous.

Philippe Brouard

  1. jean-dominique dit :

    Une explication de l’écart entre les prévisions pessimistes du modèle et l’évolution réelle un peu en retrait pourrait résulter d’une surestimation de Re: les tests sont de plus en plus nombreux et permettraient de détecter une plus grande proportion de cas. L’évolution des entrées en réanimation, peu sensible à la vaccination des plus âgés, semble orienter vers un Re compris entre 1,10 et 1,12 et non 1,21, à mi-chemin donc de la hausse de l’incidence et de l’effritement du taux de positivité.
    Concernant la décrue, le modèle prend-il en compte les effets de la vaccination, qui devrait perturber le système de plus en plus fortement?

    • Philippe Brouard dit :

      Bonjour Jean-Dominique. Je ne suis pas certain d’avoir compris votre remarque sur Re vis à vis des entrées en réanimation. En modèle SEIR La notion de Reff s’applique uniquement sur l’évolution des cas positifs. Le modèle du simulateur ici même ne prend pas en compte les effets de la vaccination de façon directe. C’est en émettant l’hypothèse que R pourrait baisser, y compris fortement, que l’effet de la vaccination contribuerait à cette hypothèse. Mais difficile de savoir vraiment à quel niveau.

  2. Lerat Dominique-Fulgent dit :

    En tant que médecin généraliste et aussi épris d”épidémiologie depuis très longtemps [j’ai un peu … pratiqué, fort modestement !], je suis extrêmement admiratif du travail que vous effectuez par sa concision, sa clarté, son objectivité et aussi son rôle pédagogique.
    Vous faites une œuvre d’un très grand civisme.
    Bravo +++ à toutes les personnes qui ont collaboré à la création de ce site et qui travaillent de façon très professionnelle à l’entretenir et le faire vivre.
    Toutes mes félicitations, car vous faites aussi preuve d’enthousiasme, d’humour et d’optimisme … et on en a bien besoin quand on prend en compte ce qui peut être diffusé par bien des médias !!
    Et surtout un très grand MERCI !!

    DFL

    • Philippe Brouard dit :

      Bonsoir Dominique, merci pour votre message de soutien. C’est un gros travail que celui de maintenir le site, l’actualiser et de l’enrichir avec multiples outils. Alors oui, quelques soutiens des lecteurs, ça fait plaisir!

  3. Vincent dit :

    Merci pour l’article.

    Je trouve hasardeux le calcul avec prise d’effet au 31/03 pour l’infléchissement du R-effectif même s’il est basé sur les données de SPF. On sait que notre président guérit les écrouelles mais tout de même.
    De manière empirique, je pense qu’il ne faut rien attendre avant le mardi 6 avril et la fin du week-end de Pâques. Car les gens n’ont pas changé leurs habitudes d’un iota depuis l’allocution présidentielle. Pire, ils considèrent qu’il faut en profiter avant mardi !
    Je travaille dans une école. Et je vois : des mamans d’élèves faire leurs courses dans le village, amener du courrier à l’école, se balader sans masque alors qu’elles sont positives. Je vois des hommes cas contact car conjoint positive recevoir certains de mes élèves sans masque et aller travailler sans masque avec leur collègue. Et je peux développer à l’envie.

    Je sais que vous préférez des données chiffrées. Mais il y a trop de tests approximatifs (salivaires, antigéniques de plus en plus nombreux j’ai l’impression) – ou pire, les tests non faits par des gens pourtant symptomatiques -, pour s’appuyer sur cette donnée afin de simuler le R.
    Je sais que mes propos sont peu “scientifiques” mais ce n’est pas pire que d’évoquer des “caprices” pour une épidémie ou de lancer un “pas de chance” afin de souligner la situation de la France. Car, je ne crois pas l’épidémie capricieuse ni la France malchanceuse dans sa politique sanitaire.

    Mais encore, merci à vous.
    V.

    • Philippe Brouard dit :

      Bonjour Vincent.

      l’évaluation de R-effectif avec peu de jours de recul est peu fiable. C’est pour ça que le scénario à trois hypothèses commence à faire diverger R avec un recul de 10 jours environ sur la date en cours au moment de la simulation. Pour le réglage sur cet article, un passage de R vers 1,25 au 21 mars semble nécessaire pour adhérer à la courbe du cumul des cas positifs selon SPF. Pour autant, se caler sur R à 1,2 est un choix qui peut se tenir car une différence de 0,05 n’est pas sensible quand on est aussi proche de la date en cours.

      Merci d’apporter votre éclairage sous forme de vécu, c’est essentiel. Les analyses se complètent. Il faut essayer de multiplier les tableaux dans ce contexte compliqué.

      Pour terminer sur ma formule “pas de chance”, je voulais évoquer que pour cette fois être au centre de la carte n’est pas élogieux quand ça revient “à faire tache”.

      cordialement

  4. francis dit :

    Bonjour,
    Merci pour votre éclairage.
    Une question: pourquoi être passé de j+5 à j+4 dans le calcul de pourcentage d’incidence des nouveaux patients hospitalisés vers les services de réanimation?

    • Philippe Brouard dit :

      Bonjour Francis, bonne remarque, bonne question. C’est suite aux avis des soignants indiquant la tendance des cas graves à se dégrader plus vite, que le délai est proposé plus court d’un jour sur ce graphique. Ça répond aussi à une précédente question sur le blog: qu’est-ce que ça change si le délai est modifié? Ici, le nouveau graphique illustre que +/- 1 jour, ça ne change pas l’allure du graphique.

  5. Bardeau dit :

    Bonjour
    Vos chiffres sur la vaccination ne sont pas à jour,vous êtes toujours au 01/04 ( Sans doute un poisson d’avril longue durée) alors que la Repubblica ( journal italien) dénombre plus de 12 millions de doses administrées.
    Pouvez vous nous expliquer ce décalage, sans bien entendu accuser l’administration car comment ce journal a pu avoir des chiffres plus récents
    Merci

  6. Guillaume Maxant dit :

    Merci pour ce très beau travail et pour sa constance.
    j’aurai toutefois un commentaire. Je pense qu’en fait les épisodes de mars 2020 et l’épisode actuel sont structurellement très différents, notamment pour deux raisons.

    La première – et je ne suis pas infectiologue ou virologue, donc je ne m’étalerai pas là dessus – tient probablement à l’agressivité des variants actuels. Notamment en atteignant des populations plus jeunes, et de manière plus diffuse.

    La deuxième tient à l’extension de la vaccination chez les plus fragiles, notamment les patients âgés et les EHPAD. A son efficacité. D’où une réduction majeure de la mortalité COVID +, sachant que nous avons eu tendance à majorer cette mortalité jusqu’alors.

    Un patient âgé symptomatique allait à l’hôpital, et si une indication de réanimation était discutée, elle est toujours réservée pour les patients très âgés ou ayant beaucoup de comorbidités (COVID ou pas).
    Donc les patients âgés allait souvent à l’hôpital, y mourrait souvent, sans passer forcément par la case réa.
    Un patient jeune symptomatique ne va pas à l’hôpital. Il n’y va que si cela va très mal, et donc va proportionnellement plus en réa que les patients âgés. Il meurt moins – je l’espère en tout cas – car il présente des réserves plus importantes.

    Les critères intéressants seraient le taux d’intubation (qui est un critère assez fiable de sévérité, plus que la notion de ‘soins critiques’), la durée de réanimation et la mortalité en réanimation.

    • marion dit :

      au vu du rapport de SPF, il n’y a quasi aucune différence entre les différentes vagues. Les comorbidités sont toujours à hauteur de 90 % chez les patients en réas, l’obésité et l’hypertension étant toujours à hauteur de 50 %. L’age plus jeune est davantage lié à la vaccination et peut être à la volonté des médecins de “surveiller”. Les chiffres en IDF par rapport à cette dernière hypothèse pourrait le démontrer et poser la question sur la virulence plus sévère de cette souche, les chiffres ne vont pas vraiment dans ce sens car si on se fie aux cas positifs on peut voir qu’il faut 30 % de tests supplémentaires pour ne “même” pas atteindre les chiffres d’octobre.

      • Guillaume Maxant dit :

        Merci.
        La question centrale est celle de l indication de la réanimation.
        Est ce que ce sont toutes des réanimation lourdes (en gros patients intubés) ou des situations plus simples type soins continus (patients non intubés, oxygenothérapies haut débit)?
        Les deux modalités changent de tout au tout le pronostic et la durée de l hospitalisation (et donc les ressources engagées)
        La nouvelle dénomination officielle ‘patients en soins critiques’ est déroutante à ce titre.
        Ces réponses seraient utiles pour mettre en perspectives les propos très dissonants actuels, avec notamment un discours apocalyptiques qui n est pas une évidence.

      • Jean-Loup dit :

        Il est assez évident que la crainte des médecins, au sens générique du terme, n’a pratiquement jamais été une potentielle aggravation des signes cliniques avec cette 3e vague “variants” — il s’agit en fait du 4e pic au niveau du nombre de patients simultanés —, même si l’argument a été exploité dans un but pédagogique et préventif. Le gros problème est que la 2nde vague d’octobre n’est jamais redescendue et s’apparente davantage à une marée haute sur laquelle la moindre vaguelette supplémentaire suffit à faire envisager le débordement de la digue et la panique chez des urgentistes échaudés.

        S’ensuivent également des stratégies successives totalement contradictoires, oscillant sans cesse entre freinage d’urgence et tentation de l’immunité collective chez les -50 ans à chaque période propice à l’économie (Noël, soldes, etc.), comptant sur les congés scolaires suivants pour faire baisser la tension dans les métropoles. Être l’un des rares pays à prétendre que les enfants sont une population à part non contagieuse dans cette pandémie est assez explicite quant aux non-dits de la période. Peu/pas contagieux pour les adultes mais il faudrait pourtant vacciner en priorité les enseignants… Le sens du message est tout sauf limpide, d’autant que l’on laisse impunément des groupes importants de ces écoliers se réunir en journée dans les jardins privés depuis plusieurs semaines, les parents se regroupant à 18 h pour les reprendre avant de retourner travailler le lendemain au contact de personnes fragiles..

        Tout aussi patent est que le changement de présidence américaine a permis de désinhiber les partisans du laisser-faire chez les jeunes à partir de janvier. Malheureusement, sans être producteur de son propre vaccin; c’était voué à l’échec, compte tenu des capacités hospitalières disponibles, car des groupes à risques attendent encore la 1re dose pour une protection trois semaines après la 2nde injection elle-même espacée de 12 semaines de la 1re. La volonté de tout rouvrir est là et très populaire dans l’opinion réelle et médiatique mais c’est politiquement intenable de laisser déborder les urgences car la confiance des marchés internationaux ainsi que celle des pays voisins s’effondrerait. Les différentes mesures actuelles s’apprécient davantage à cette aune que dans un sens sanitaire proprement dit.

  7. Pedro dit :

    Il y a aussi que beaucoup plus de jeunes attrapent le virus, je pense que c’est ça qui explique qu’ils aillent en réa. Je ne crois pas une seule seconde à l’incidence donnée sur le site. La plupart des étudiant vont en soirée tous les samedis et ne se testent pas(surtout s’ils habitent seuls); tout le monde le sait. Donc sur énormément d’infectés, il y a quelques obèses/diabétiques qui finissent en réa.

    • EllaK dit :

      il ne s’agit pas de croire, mais de mesurer. Aucun statisticien ne prétendra énoncer une vérité absolue (de toute façon personne dans cette société n’est prêt à croire dans une quelconque vérité).
      Le rôle des statistiques est de mesurer le moins imparfaitement possible un phénomène.
      On ne peut bien sûr pas rendre compte de ce qui échappe à la mesure.
      Les taux d’incidence ne sont que le reflet des tests effectués, on voit bien à Noël un pic artificiellement créé par un plus grand nombre de personnes se faisant tester par précaution.
      C’est pour cela qu’il convient de prendre en compte plusieurs indicateurs, et c’est rappelé très souvent

  8. laurent BOCCON-GIBOD dit :

    merci a toute cette formidable équipe de fournir le meilleur site d’informations sur l’épidémie de Covid-19 . Bon curage pour la suite , bravo pour l’addition de “vite-ma-dose” initiative que les autorités auraient du prendre dès le début de la campagne .

  9. ferrand-bechmann dit :

    bravo des présentations claires et objectives merci

  10. EllaK dit :

    Bonjour,
    Une piste d’explications sur la décorrélation du nombre de cas avec les passages aux urgences/ médecins ?
    Les gens appelent moins le médecin ?

    • Marc B dit :

      Je penses. Si je regarde autour de moi, les gens n’ont globalement plus peur. On leur dit à 30 ans qu’ils sont positifs et beaucoup se disent bon ok, c’est pas grave je vais faire une mauvaise grippe. Comme ils savent que le médecin ne peut pas grand chose pour eux (c’est pas comme si on pouvait leur prescrire de l’hydroxychloromachin) si ce n’est prescrire un test, et bien ils n’y vont que si ils ont peur de claquer. Il y a un an c’était pas la même et les gens avaient peur même quand ils n’étaient pas à risque.

      Ca peut être dangereux, le seul cas grave (hospi pas rea) que je connais a fini par aller à l’hosto quand son taux de saturation était très bas. Il aurait surement du consulter avant.

      A voir le nombre de cas qui émergent à faible distance, on a probablement eu une grosse sous déclaration des cas au mois de Mars. Je ne serais pas surpris que beaucoup se soient dis “je reste chez moi”, mais je ne me fais pas tester car cela ne sert à rien. (Ah si seulement Boiron avait fait du Pangolinococciunum ! La les gens auraient plus vu un bénéfice au test).

      De plus en plus je constate que le monde se sépare en deux catégories :
      – Ceux qui ont peur et prennent cela très au sérieux : Ils ont déjà fait plusieurs tests PCR, et globalement respectent scrupuleusement ce que demandent les autorités sanitaires. Si ils ont des symptomes même très légers, ils se font tester.
      – Ceux qui s’en moquent : Ca fait longtemps qu’ils n’ont pas vu un test (voir les ont scrupuleusement évité) et ils font le minimum pour ne pas se choper un PV ou des remarques trop désobligeantes. Si ils ont des symptomes, tant que ca n’a pas l’air grave, ils se disent que ce n’est rien et continuent leur vie.

      Le deuxième camp grossit au fur et à mesure (aucun jugement de valeur, juste un fait) et donc je serai très surpris malgrès les tests de connaitre le nombre de cas exacts en ce moment.

  11. Pedro dit :

    @EllaK Plus de tours de PCR?

    • Philippe Brouard dit :

      @Pedro et EllaK, il y a moins de tests ces derniers jours, peut-être lié à la fermeture des écoles cette semaine? Les données oscillent beaucoup, ce qui rend l’analyse compliquée.

  12. Martina dit :

    Comment s’explique le fait que le taux d’incidence soit si élevé chez les plus de 90 ans alors que cette tranche d’âge a été vaccinée dès le mois de janvier ? Et selon ce que j’en sais dans une proportion très importante.
    Toutes mes félicitations pour votre site

    • Philippe Brouard dit :

      Bonjour Martina. Bonne question, c’est surprenant en effet. Pour tenter d’y voir de plus près, j’ai fait deux captures écran de la répartition par classes d’âge des personnes hospitalisées, la première correspond au 10/04/2020 (il y a un an) et la deuxième correspondant à hier. Ça donne ça : https://covidtracker.fr/wp-content/uploads/2021/04/hospitalises_20210409_unan.jpg. La coïncidence est frappante, à un an d’écart (quasiment au jour le jour), le profil des classes d’âge hospitalisées est presque inchangé! Incroyable…

      • Martina dit :

        Merci pour votre réponse et pour les captures d’écran. C’est surprenant. À un an d’écart, presque un copié collé l’un de l’autre.
        J’avoue n’y plus rien comprendre car on s’imagine que les chiffres vont correspondre aux événements, notamment montrer l’impact de la vaccination. Et pourtant, l’impact de la vaccination n’apparaît pas dans les chiffres pour les personnes les plus âgées qui sont les plus vaccinées.
        Peut-être la vaccination est-elle trop récente ou y-a-t-il quelque autre explication?

        • JCD dit :

          C’est du au variant anglais il me semble.

          Entre mi-Février et mi-Mars, le variant anglais était dans sa phase de progression la plus intense. Il était alors “plus fort/rapide que le vaccin”. Toutes les courbes se sont mises à remonter progressivement.

          Le variant a commencé à contaminer ‘abondamment’ les plus jeunes mi Février qui eux mêmes ont contaminé les parents puis les grands parents (on voit bien sur les courbes de Mars 2020 et Novembre des pics décalés d’environ une semaine à chaque fois, au fur et à mesure qu’une génération en contamine une autre).

          Comme de la contamination à l’hôpital, il faut environ une dizaine de jours, la génération des plus de 80 ans vient grossir les rangs ‘seulement’ à partir de mi-Mars (= 15 Février + 2×7 jours + 10 jours)

          Mais on voit bien que la courbe des plus de 80 ans monte plus lentement que celle des autres classes d’âge, et ça c’est bien l’effet positif du vaccin :

          https://www.dropbox.com/s/jjze1y3gh65lrhi/Remont%C3%A9e%20Variant.jpg?dl=0

          @Philippe, j’ai vu votre autre message. Je vais essayer de décrire le modèle de manière digeste.

      • Jean-Loup dit :

        @Philippe Brouard
        Effectivement, l’histoire du rajeunissement des patients est l’argument brandi à chaque vague sans qu’il ne soit corroboré par les chiffres. Ce qui varie, un peu, c’est la tranche touchée en 1er : nettement les 0-9 ans en octobre et plutôt les 20-29 cette fois. La contamination massive des très âgés en novembre était certainement encore la conséquence du relâchement des vacances d’été et de la garde des petits-enfants à la sortie d’école depuis la rentrée.

        Concernant les effets de la vaccination, j’avais déjà évoqué ici la surreprésentation des femmes dans la population protégée, tant en volume qu’en pourcentage, tandis que les hommes représentent pourtant la majorité des cas très graves. Cela pose des questions davantage d’ordre social, voire sociétal :
        1) Le tri par les médecins est-il non pertinent, tendancieux, ou le simple reflet d’une patientèle très féminine puisque les hommes sont réputés moins suivis médicalement.

        2) Les catégories les plus aisées sont également celles qui consultes le plus fréquemment leur médecin traitant ou la pharmacie et ont, de fait, plus de chances d’être prioritaires sur les listes tout en étant moins confrontées au virus que les couches plus populaires.

        3) Les hommes sont-ils culturellement plus réfractaires à la vaccination ?

        Autre point : le variant sud-africain représente 4 % des cas répertoriés sans que l’on sache publiquement si la répartition est équitable à tous les âges. Si les personnes âgées sont touchées, cela pourrait interroger sur la protection effective du Pfizer ou Moderna sur cette souche, ce que semble confirmer une étude israélienne.

  13. tatiana dit :

    “Si vous êtes toujours à nous lire, Bravo!”

    Merci! Ca fait plaisir! 🙂

  14. Marc B dit :

    Bonjour,

    Merci pour votre site.

    D’après l’Institut Pasteur, entre 40 et 60% des 30-40 ans l’auraient déjà attrapé en IdF. La médiane étant à 50%. Sur les 20-30 ans et les 40-50 ans ce n’est guére plus brillant. On a pas de données pour les enfants, mais a voir le strike en un coup fait par le variant anglais dans la classe de ma gosse on peut imaginer que ce n’est surement pas brillant. (Surtout que vu qu’elle a passé la veille des symptomes à jouer de près et en intérieur avec un des enfants contaminé m’indique qu’elle l’a déjà eu et qu’on ne s’en est pas apperçu).

    Bref, un effet de “freinage” devrait se voir dans les départements franciliens indépendemment même des mesures de confinement car certaines tranches d’ages ne doivent pas être bien loin de l’immunité collective.

    Y a t’il eu des études / simulations la dessus, car je suppose que l’immunité collective n’est pas un interrupteur qui éteint l’épidémie quand on atteint le taux mais qu’il y a bien avant un “freinage” qui se fait sentir. Cela parait d’ailleurs logique, si le R0 est à 4 en début d’épidémie mais que 50% de mes amis l’ont eu, je ne peux plus le passer qu’à 2 d’entre eux…

    Au stade de l’épidémie ou on arrive ce facteur devrait être important et créer de grosses disparités régionales.

    En tout cas en IdF ca continue de frapper dru autour de moi. Cas peu graves (sauf un) mais jamais eu autant à proximité depuis le début de l’épidémie.

    • JCD dit :

      @Marc, il faut une immunité collective + vaccinale de plus de 80% (Pasteur dit même 90%) pour infléchir la courbe des nouvelles contaminations si on veut revivre sans masque (immunité atteinte = la courbe se met à descendre + ou – vite et Reffectif passe en dessous de 1) à cause du variant anglais dont le R0 avoisine 4,5.
      Si on prend en compte les gens qui ont peu voire plus d’anticorps (asymptomatiques + 1ère vague) alors on est encore loin du compte (20% peut-être ?).
      Mais l’immunité collective aide suffisamment le vaccin pour faire tomber les chiffres les plus critiques (hospitalisation et réanimation) dès à présent car le vaccin est ‘encore plus fort’ sur les personnes à risque.

      IdF :
      Pic entrées à l’hôpital déjà atteint le 31 Mars.
      Pic entrées en réanimation déjà atteint le 3-avr.
      Pic lits réanimation (simulation) : ce week-end, 1 700 lits ( 150% )

      France :
      Pic entrées à l’hôpital déjà atteint un pic/mini plateau le 4 Avril.
      Pic entrées en réa (simulation) : 14-avr.
      Pic lits réanimation (simulation) : autour du 21-avr, 6 200 lits ( 120% )

      Une remarque hors sujet en passant : en observant la France, on voit que la baisse des entrées hospitalières s’amorce au moment même où le “reconfinement” du 4 Avril débute. Cette baisse est donc due exclusivement à l’immunité naturelle + au vaccin. (Car il y a une dizaine de jours entre contamination et entrée à l’hôpital).
      Il en est quasiment de même pour IdF même si c’est moins visible ‘à l’oeil nu’.

      De là à dire que les reconfinements résultent purement d’un choix politique (beaucoup plus que sanitaire) influencé par :
      – d’une part le battage médiatique (auquel participe malheureusement certains médecins, le dernier épisode en date étant le communiqué APHP au moins aussi approximatif qu’apocalyptique).
      – d’autre part l’extrême prudence des modélisateurs qui ont sous-estimé le rôle anti-contagion des vaccins jusqu’à très récemment : réduction de la contagion de 0 à 30% dans les publications de Janvier/Février/Mars alors que la réalité est au delà de 80% (Pasteur, le 6 Avril !), ce qui gonfle pas mal le pic des simulations…

      Je suis un peu caricatural, car quelques dizaines de lits gagnés au pire moment, c’est une bonne nouvelle pour les malades et les soignants (les vrais, pas ceux des plateaux TV) mais au prix de la fermeture des petits commerces quand même.

      • Philippe Brouard dit :

        Bonjour JCD. Vous nous apportez régulièrement des contributions très intéressantes via les commentaires. Tout comme Daniel Le Breton, vous seriez peut-être intéressé pour montrer plus en détail votre modèle de simulation? Cordialement

        • JCD dit :

          Bonjour Philippe,

          Vaste sujet que la modélisation (‘amateur’, je précise). Il faudrait une section dédiée sur le blog ☺

          Le principe ressemble à un modèle SEIR mais (schématiquement), au lieu de considérer une période d’incubation non contagieuse de 5 jours + 3 jours de contagion avec un taux R constant dans le temps (ou disons un R pour la montée des courbes et un autre R pour la descente), j’applique les différences suivantes :

          – Les 5 jours à 0% contamination + 3 jours à 100% de contagion sont remplacés par une loi de probabilité Gamma (approximativement 0% sur les premiers jours, 17% à 6 j, 55% à 7j, 24% à 8j pour les entrées à l’hôpital).

          – R est différent pour chaque jour. R est calculé, pour les jours précédents, par la méthode de Wallinga & Lipsitch (dit comme ça, ça fait peur mais c’est très simple : R est issu d’une sorte de moyenne pondérée de l’incidence * la loi Gamma. Cf https://cloudapps.france-bioinformatique.fr/covid19-rt2/ )
          J’ai en fait 2 valeurs de R : une calculée sur les entrées en réa (Rréa) et une autre sur les entrées à l’hôpital Rhosp. Ceci a été rendu nécessaire par l’arrivée du vaccin qui casse le ratio historique ‘15% des hospitalisés entrent en réa’ donc complexifie les calculs. Ce qui fait 2 lois Gammas différentes.

          – Les paramètres (moyenne et écart-type) des lois gamma sont calculés une bonne fois pour toute par ‘entrainement’ (= solveur excel) sur une portion de courbe connue (épisodes Septembre/Octobre) des entrées en réa / à l’hôpital.

          – Le nb de lits en réa (respectivement lits à l’hôpital) sont ensuite calculés à partir des entrées en réa (respectivement à l’hôpital) et de deux autres lois gammas (entrainées au départ elles aussi sur 60 jours de données sept/octobre).

          Ca c’est pour le modèle, mais encore faut il connaitre les ‘R futurs’ pour simuler l’avenir.

          • JCD dit :

            …Et pour connaitre les R futurs, il faut sortir la boule de cristal :

            R(J+1) = R(J) * alea(J) * correctif variant anglais(J) * correctif immunité(J)

            Avec :
            – alea(J) = 1 car je n’ai pas de boule de cristal (on retrouve dans cet aléa les effets des confinements, du premier de l’an, des changements de météo, les facteurs aggravants de tel ou tel variant etc…). Cet aléa est la grosse faiblesse de toutes les projections.

            – Correctif variant anglais(J) = Rmoyen(J)/Rmoyen(J-1). Ce ratio vaut pratiquement 1 depuis fin Mars car le variant est bien installé.
            Rmoyen traduit la domination progressive du variant anglais sur le français. Il vaut 0,9 mi Janvier (variant pas là) et 0,9 x 1,6 = 1,44 fin Avril (variant installé à presque 100%). J’avais expliqué dans un post précédent comment estimer cette progression (c’est une suite géométrique. Les coeff 0,9 et 1,6 ont aussi été validés par le solveur excel sur Janvier/début Février) ce qui permet de s’affranchir des variants Sud Africain et autres.

            – Correctif immunité = Immunité (J)/Immunité (J-1). Ce ratio traduit ‘le bouclier anti-contamination’ qui se renforce au fil de temps (“je suis immunisé donc je ne peux pas contaminer les autres ou presque”).
            Immunité (J) = immunité naturelle (J) + immunité vaccinale (J)
            L’immunité naturelle(J) est calculée à partir des taux sérologiques communiqués de temps en temps + les nouveaux cas déclarés au fil de l’eau (implicitement, j’élimine les asymptomatiques). Elle vaut environ 12% au 31 Mars (17% pour IdF). C’est peu précis mais pas très gênant car l’immunité vaccinale est de loin le moteur qui change tout.
            L’immunité vaccinale(J) = 90% (là où les modélisations officielles prenaient 30% jusqu’à très récemment) * taux de vaccination 1ère dose population (J-14) x accélérateur d’immunité (J).
            L’accélérateur fait que quand on a vacciné 10% de la population la plus agée, alors on a environ 25% d’entrée en réa en moins (donc accélérateur d’immunité réa = 2,5) par exemple.
            Je procède de la sorte car un modèle par classe d’âge, comorbidité etc… devient très très compliqué (cf Pasteur, publication du 6 Avril. Impressionnant ce qu’ils arrivent à faire !).

            Cette ‘prévision’ marche plutôt bien pour RRéa mais mal pour RHosp pour des raisons qui m’échappent encore (bug excel ? qualité de la donnée d’entrée ?)

            • Philippe Brouard dit :

              Bonjour JCD. Impressionnant! Je comprends pourquoi vous disiez que ce serait difficile de faire une explication “digeste”. Pour ma part, j’avoue que je suis loin d’avoir tout compris 😉 mais je peux apporter une petite contribution à la question finale. Pourquoi c’est compliqué avec la courbe du nombre des patients hospitalisés? Ma proposition de réponse: que ça soit avec les chiffres officiels ou avec la simulation ici même, c’est une courbe qui est beaucoup plus irrégulière que celle des réa’ ou celle des décès. Elle dépend de tout et toutes les incertitudes s’y accumulent. Depuis ma simulation du 2 avril, je constate que la projection proposée dans cet article est significativement sortie du chemin tracé (nombre de patients hospitalisées), ça ne sera pas évident de la rattraper.

              En plus de votre “présentation résumée” de vos calculs, seriez-vous intéressé pour partager un ou deux graphiques dans un prochain article?
              cordialement

    • Philippe Brouard dit :

      Bonjour Marc B. Pour visualiser le phénomène de l’immunité collective, je fais référence à l’outil MODSIR19 développé par le Loria (Université de Lorraine). Mais, pas de chance, l’accès au simulateur semble HS en ce moment. Votre raisonnement est exact, ce mécanisme de freinage naturel est contenu dans le modèle épidémiologique SIR ou SEIR.

      D’un autre côté, j’ai entendu le Médecin Martin Blachier dire qu’avec seulement 5% de la population infectée à un instant donné c’est un volume suffisant pour provoquer l’engorgement dans le système hospitalier.

  15. Bonjour Philippe Brouard,

    R peut être vu comme un exposant d’exponentiel, lié donc à la pente d’une représentation graphique en échelle log.

    Ce serait bien que les courbes se prêtant plus ou moins à cette interprétation, soient tracées à l’échelle log (l’idéal étant que l’utilisateur puisse changer l’échelle pour la mettre en log, s’il le souhaite)

    C’est classique dans les domaines où interviennent des exponentielles (ça facilite la discussion qualitative des données et des résultats de modélisation, ainsi que la vérification de leur cohérence)… et ça a été souvent le cas depuis le début de l’épidémie (R varie peu pendant plusieurs semaines, les courbes correspondantes sont alors plus ou moins des droites)

    L’interprétation ci-dessus reste souvent intéressante y compris quand R<1, mais dès que l'immunité ("naturelle" ou venant de la vaccination) joue un rôle non négligeable ce n'est plus le cas, or il me semble que nous commençons à être dans cette situation. Ce serait donc intéressant d'extraire de la modélisation cette part de l'immunité et de la discuter par rapport à des estimations indépendantes (du modèle)

  16. Henri Gibaud dit :

    Ayant lu Pierre Vitorge, pour proposer d’abord à lui et à Philippe Brouard et à la cantonnade qui peut passer par ici.

    En effet le taux dit de reproduction R(t) est foncièrement un facteur d’avalanche dite “géométrique” (comme disaient les Anciens), ce R est Ro initial quand l’épidémie est découverte, sa valeur résulte alors des conditions de brassage social ordinaire non régulé. Les journalistes ont fait une fixette assez risible sur “R-zéro” qui en France n’a existé que vers les 24 février à 12 mars 2020.
    On trouve chez les gens un peu sérieux l’expression “R effectif” pour R(t) ce qui à mon avis mériterait en chrono-logique l’appellation “R actualisé” ou encore “R évolutif” manière de faire du littéraire avec une notion de math élem.
    Pierre Vitorge propose si j’ai compris que certaines parties de données correspondant à des accroissements suspects d’exponentialité soient figurées à titre didactique explétif en complément pour statuer visuellement sur papier semi-log du caractère exponentiel. Moyennant un petit investissement de temps en sus, cette idée pourrait contribuer à pallier à la pathétique carence des “média-pols” français quant à l’élévation scientifique de la population… tout le monde n’a pas une chancelière matheuse et bienveillante.

    Par exemple il serait possible en complément du 8ème graphe de la présente page, relativement aux relevés (“observations”) des mesures qui ont fait tracer la courbe en bleu :
    – d’une part du 26 septembre au 24 octobre => un graphe annexe chrono(t) à ordonnées log
    – d’autre part du 1er mars au récent 1er avril => autre graphe semi-log, même démarche
    Est-ce que cela correspond bien à votre effort du 10 avril, Pierre Vitorge ?

    Pour Philippe BROUARD je vous ai tourné sur la page de l’anniversaire une réponse à réponse, proposant un échange temporaire en a-parté soit en @-courriel. Merci.

  17. Henri Gibaud dit :

    2 extraits récents de mon calepin txt, motivés par deux parutions des 31 mars puis 10 avril :


    ENFIN !!!!!!!!!!!!!! le TAUX DE DEPISTAGE enfin pointé :
    https://www.lefigaro.fr/sciences/covid-19-que-cache-l-augmentation-du-taux-d-incidence-chez-les-plus-jeunes-20210331
    … cela permet de confirmer le soupçon que l’acharnement TESTUEL sur les écoliers en mars venait d’une tactique de dramatisation PRETEXTUELLE …


    BLACHIER s/ AUTOTESTS-dépistage , interv par Milhau Cnews sam matin 10 avr 21 :
    https://www.cnews.fr/emission/2021-04-10/bonjour-docteur-milhau-du-10042021-1068897

    • Jean-Loup dit :

      Malgré tout, il convient de lié tout cela avec les hospitalisations et les 0-9 ans sont de toute façon décorrélés. En comparant l’occupation journalière des lits en moyenne glissante sur sept jours :

      Âge / semaine___17-2020___46-2020___15-2021______évolution entre semaine 1 et 15 2021
      0-9 ans___________98_______106________51_____________+40.28 %
      10-19____________88________65_______101_____________+68.49
      20-29___________319_______288_______351_____________+84.34
      30-39___________788_______515_______789____________+144.49
      40-49__________1598______1032______1674____________+165.30
      50-59__________3501______2344______3472____________+122.30
      60-69__________5639______4685______5901_____________+68.43
      70-79__________6913______7077______7270_____________+24.54
      80-89__________7838______8416______7470_____________- 8.14
      >90 ___________4067______4089______3218_____________-22.37

      Il est assez évident que la fermeture anticipée des écoles visait à encourager le télétravail de leurs parents chez qui l’explosion des cas est manifeste, ainsi qu’à contrer la montée de la grogne chez les syndicats de l’enseignement et à faire baisser la pression des médecins de plateau TV.

    • @Henri Gibaud
      Vous traduisez tout à fait ma pensée.
      Je n’ai rien inventé:
      j’ai relayé il y a plus d’un an (le 9 mars 2020) sur ma page https://www.facebook.com/pierre.vitorge/posts/10222601260041818, la publication d’un collègue où la 1ère figure est en échelle log ce qui met en évidence que l’épidémie s’est propagée initialement de la même manière en France qu’en Italie et en Chine, avec un décalage de respectivement une dizaine de jours et un mois et demi.

      De même, ce type de représentation graphique est par exemple utilisé sur le blog https://allodoxia.odilefillod.fr/page-suivi-covid-19/

      Outre son caractère pédagogique, ça permet de discuter qualitativement des (principaux) facteurs qui pourraient influencer l’évolution de l’épidémie: choisir ce qu’il est prioritaire de prendre en compte dans le modèle. En ce moment, par exemple, la vaccination change la moyenne d’age des personnes contaminées, mais aussi la proportion de personnes en réanimation par rapport aux hospitalisations. Par ailleurs, il semble que la semaine dernière la baisse des contaminations est relativement plus importante chez les jeunes enfants (sans doute en raison de la fermeture des écoles). La modélisation doit donc sans doute prendre en compte des tranches d’âge ce qui pourrait être à l’origine de difficultés signalées par @JCD

      Ce genre de représentation permet de se convaincre que la 2ème vague ayant mené au confinement d’octobre 2020, a été annoncée par une croissance pas loin d’être exponentielle depuis début juillet: R (ou pente de la courbe en échelle log) légèrement supérieur à 1 (avec des “fluctuations”: R=1,2+/-0,2)
      Idem depuis les vacances de Noël annonçant le confinement actuel
      C’est juste une autre façon de dire que si on ne modifie rien, un régime exponentiel a des (mal)chances de s’installer et perdurer, mais c’est plus clair pour tout le monde (y compris ceux qui n’ont pas vraiment intégré ce qu’est une exponentielle) de traduire ça par des segments de droite.

  18. Frédéric Planchon dit :

    C’est quand même très gênant de voir les chiffres commencer à baisser avant la mise en place de nouvelles mesures. D’abord on ne sait pas ce qu’on doit aux nouvelles mesures ( leur quantification directe reste du domaine de l’hypothèse); ensuite, on ne sait pas très bien si ces mesures étaient utiles ou nécessaires, une fois mise de côté la vox populi médiatique.

    Je pense que ces mesures sont utiles, pour un terme moyen plutôt que court, mais les inversions de tendance préalables les dévalorisent un peu. La faute à pas de chance ?

    Je reviens aussi à mon dada, on ne devrait plus parler de R, qui est un paramètre de modélisation mi-constaté mi-prédictif. Tout le débat est ailleurs, tant sur la collecte, l’interprétation des données (merci Henri Gibaud pour l’article du Figaro); et surtout la prévision – voire l’éclairage objectif pour ceux qui prennent les décisions. Le silence des “data scientists” et fanfarons de l’IA est… à méditer sur la société du numérique dont on nous rebat les oreilles. C’est bien mieux sur ce blog.

    • Jean-Loup dit :

      Population plus prudente et respectueuse des gestes barrière sous la menace d’un confinement à venir ?

    • Philippe Brouard dit :

      Bonjour M. Planchon et bon retour sur les commentaires. Le simulateur proposé via les articles du blog ne sait pas fonctionner sans R donc il faudra malgré tout continuer à l’évoquer. Je partage en tout cas votre avis sur les difficultés liées à cet indicateur. Quand il y a des variations importantes sur le nombre de tests effectués ou sur la modalité de ces tests (plus ou moins faciles d’accès, plus ou moins efficaces), ça perturbe les analyses. Pour caricaturer, on pourrait dire qu’il suffit d’arrêter de tester et on verra bien qu’on trouve beaucoup moins de cas positifs. D’autre part, le concept d’un R appliqué aux entrées en hospitalisation est une idée originale mais un peu perturbante. Ça demande d’imaginer comme un mécanisme de jetons d’accès à l’hôpital… obligeant de tordre un peu la réalité? La complexité résiste à la modélisation.

  19. Delbos dit :

    Bonjour et merci pour vos travaux. Questions:
    Dans les modèles de prévisions du reffectif, est-il pris en compte l’évolution naturelle de la maladie (la transmission baisserait naturellement), ou considère-t-on systématiquement que seules les mesures de restrictions ont un effet sur la transmission ?

    Si en effet seules les mesures de de restrictions sont prises en compte, on devrait être en mesure de comparer les régions entres elles….je m’autorise à penser que des mesures de distanciations sociales n’auront pas le même effet dans le 93 que dans la creuse ou en Corrèze….a-t-on comparer l’évolution de la maladie dans ces régions?

    Je ne cherche pas forcément à polémiquer sur l’utiliter du confinement. Si c’est efficace, pas de pb. En revanche, si il ne l’est pas, on sauve personne, mais on créer de la dépense publique et du chomage pour rien.

Laisser un commentaire

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