Simulation avec trois hypothèses d’évolution

Le manque de stabilité de la valeur du nombre de reproduction Reffectif engendre une incertitude importante sur l’évolution des courbes. Pour tenter de mieux appréhender les prochains jours, les calculs du simulateur vont être lancés sur trois hypothèses.

  • (=) les calculs sont prolongés en considérant Reffectif stable sur la valeur estimée en cours. C’est l’hypothèse qui était utilisée jusqu’à présent.
  • (+) les calculs sont prolongés avec une tendance à la hausse de Reffectif.
  • (-) les calculs sont prolongés avec une tendance à la baisse de Reffectif.

Réglage de Reffectif et conséquence sur le nombre de nouveaux cas

Alors que l’estimation était R=0,8 en fin de semaine dernière, le fait que le nombre de nouveaux cas quotidiens ne baisse plus indique que R a continué à augmenter pour atteindre 1, voire un peu plus. Voici le réglage pour le simulateur.

Nombre de reproduction Reffectif pour les calculs du simulateur, estimation au 10/12/2020, avec 3 hypothèses d’évolution

Le graphique montre les trois évolutions de R envisagées (=) ou (+) ou (-). Ce réglage permet d’en déduire l’évolution du nombre de nouveaux cas positifs au coronavirus en France. L’hypothèse avec R constant (=) génère la courbe située entre les deux autres, (+) au dessus et (-) au dessous.

Simulation CovidTracker et données Sante publique France pour le nombre total de cas positifs en France, actualisation le 10/12/2020

La façon dont les trois courbes divergent permet de se faire une idée sur le niveau d’incertitude du calcul.

Situation dans les hôpitaux

Voici le résultat des calculs à trois hypothèses pour la situations dans les hôpitaux. Tout d’abord en ce qui concerne les entrées et sorties pour retour à domicile. Ce graphique permet de s’assurer du bon réglage du simulateur pour le principal flux à l’hôpital.

Simulation CovidTracker et données Santé publique France pour les entrées et sorties de l’hôpital, actualisation au 10/12/2020

Les courbes sont estompées sur leur extrémité droite, lorsque le niveau d’incertitude est trop important. Ensuite, voici le graphique de la situation en hospitalisation.

Simulation CovidTracker et données Santé publique France pour la situation des patients covid-19 à l’hôpital en France, actualisation au 10/12/2020

Ce graphique est marquant car il affiche déjà une prévision assez probable de rebond de la charge hospitalière qui pourrait intervenir dès la fin de cette année. La courbe du nombre de décès affiche une dynamique de croissance presque constante. C’est une modélisation peu rassurante.

Situation dans les EHPAD et EMS

La modélisation de la tendance dans les EMS et EHPAD principalement se montre aussi peu rassurante.

Simulation CovidTracker et données Sante publique France pour la situation covid-19 France dans les EHPAD et EMS, actualisation au 10/12/2020

La probabilité pour qu’il n’y ait pas de ralentissement du nombre de décès hebdomadaire est assez forte.

Mauvaise nouvelle peu de temps avant l’allégement du confinement

Le Gouvernement a annoncé un allégement du confinement pour le 15 décembre prochain, avec un passage à un mode de couvre-feu. Bien sûr, tout le monde espère reprendre un peu plus de liberté. Le contexte épidémiologique est cependant encore très risqué et même peu favorable. Il faudra redoubler de vigilance dans les prochains jours.

Philippe Brouard

  1. K dit :

    La simulation prend elle en compte un pic du R à Noël et à Nouvel An ?

    • Philippe Brouard dit :

      Bonjour, non la simulation prend en compte l’évolution de R pouvant se situer entre deux bornes (incertitude) qui s’éloignent dans le temps. Pour fin décembre, ça donnerait une hypothèse entre 1,25 et 0,9, ce qui est déjà un grand écart. D’autre part, c’est assez incertain d’estimer la valeur de R au moment des fêtes. Peut-être faudrait-il penser que pour le 24 et le 31 on aurait R=3? Un essai de simulation serait possible pour voir ce type d’impact.
      cordialement

      • john david dit :

        il y a quand meme peu de chance qu on soit a 3 aux etats unis ou la situation est catastrophique ils sont a 1.03 de R0 selon antoine flahault epidemiologiste

  2. john david laurent dit :

    pourquoi personne ne prend en compte a partir du 18 les vacances scolaires qui peuvent avoir une incidence positive ecoles fermees beaucoup de gens en conges moins de contaminations au travail donc ce qui avait beneficie a la chute de la courbe ca peut etre le couvre feu et les vacances scolaires le docteur hamon a dit que dans toutes les epidemies les vacances scolaires sont un frein

    • Françoise dit :

      Bonjour,
      si les vacances scolaires ont effectivement un impact positif sur la circulation du virus , est-ce que cela ne signifie pas que, contrairement à ce que l’on nous dit depuis des mois, les écoles , collèges et lycées sont des foyers de contamination ? Ce qui montre que les enfants et les adolescents d’âge scolaire se contaminent et contaminent les autres ( et pas seulement dans leur tranche d’âge ) assez facilement ?
      D’ailleurs l’Allemagne vient de décider de fermer ses écoles …. et nous on pense même à ré-ouvrir les universités en janvier, comme cela était prévu avant que l’épidémie ne recommence à monter

      • john david dit :

        L OMS et L uNICEF ne veulent pas qu on ferme les ecoles pour des raisons valables ( impossibilite de suivre des cours en ligne , augmentation en mars des appels pour enfants maltriaités) neanmpins il a ete etabli que le nombre de cas a commence a flechir avant le confinement donc au couvre feu et il a monte lors du confinement , or pendant le couvre feu on avait les vacances de la toussaint et ca a commence a ralentir a peu pres 2 3 semaines apres la rentree

    • Philippe Brouard dit :

      Bonjour, avec la présentation de simulation sur trois hypothèses dans cet article, le calcul prend en compte que R pourrait aussi se situer en dessous de 1 au moment des vacances de Noël. C’est la courbe la plus basse, l’hypothèse optimiste. On voit dans ce cas que le nombre d’hospitalisations continuerait à baisser. Mais les vacances de fin d’année étant plutôt festives, elles pourraient donner un effet comparable aux vacances d’été: une augmentation de R, donc une accélération de l’épidémie.

  3. françois dit :

    Bonjour,

    Je suis ingénieur en analyse décisionnelle et statistique et simplement bravo pour cet excellent site.
    Je trouve que les données et indicateurs présentés sont très bien choisis, synthétiques, scientifiquement intéressants, accessibles et très pédagogiques.

    Vous présentez une courbe de la mortalité globale sur 2018, 2019 et 2020.
    Pensez-vous qu’il serait intéressant d’ajouter une série de données sur la mortalité 2020 en retranchant les décès hospitaliers quotidiens (moyenne lissée sur 7 jours bien sûr) ?

    Cordialement
    François

    • Philippe Brouard dit :

      Bonjour,
      Merci pour votre soutien. Oui votre idée est intéressante, je fais suivre la proposition à Guillaume Rozier.
      cordialement

  4. Planchon dit :

    Toujours mal à l’aise avec votre travail sur le R0. C’est à la base un indicateur synthétique de contamination, donc
    – il est global
    – on ne connait que son passé.
    Or les différentes mesures prises, puis le taux d’immunité acquise (dont un médecin signalait qu’il pouvait retrancher 0,1 au R0) sont des facteurs – donc des cause – qui jouent sur le R0.
    Cependant, en ligne avec l’approche scientifique moderne consistant à rétrécir le schéma pour être sûr de ses dires, vous vous en servez comme indicateur purement statistique sans aucun lien avec les facteurs d’influence.

    C’est d’autant plus dommage qu’il existe des outils d’IA permettant de dégager les paramètres d’influence sur un indicateur. Évidemment il faut une liste au départ qui demande l’avis des hommes de l’art sur ces paramètres, plus leur collecte.

    Et vous gardez un R0 globalisé dans l’espace.

    En l’absence de cela vos prévisions sont de la spéculation sans lien causal, donc finalement assez peu utile. Cela ne vous empêche pas de commenter les effets constatés des mesures, mais de manière tellement globale qu’on ne sait rien en déduire vraiment. Par exemple les couvre-feux des métropoles ont eu quel effet sur le R0 de ces métropoles à ce moment ?

    A côté de quelques tableaux réellement très bien fait, cette approche me semble très lacunaire car on ne peut en fait rien tirer de votre analyse – pardon, de votre présentation car ce n’est même pas une analyse. En l’espèce, elle n’est pas décisionnelle mais intellectuelle.

    Cordialement

    • Philippe Brouard dit :

      Bonjour
      Votre commentaire est un peu sévère et constructif malgré tout car il peut nous amener à progresser sur le modèle de simulation proposé sur le site. Quelques éléments de réponse.

      L’article présent, en proposant la visualisation d’une incertitude sur l’évolution de R, n’a pas pour ambition de rétrécir les possibilités, au contraire.
      Oui, il s’agit d’une approche globale au niveau national. Ce modèle de calcul ne permet pas de dégager l’influence du couvre-feux.
      Je pense comme vous que le développement de l’intelligence artificielle a un réel potentiel d’innovation et de progrès sur les études épidémiologiques en général. Ce n’est pas à ma porté ici même.
      Pour l’ensemble des paramètres utilisés, je dirais comme vous qu’on ne connait que leur passé, je ne pense pas que cela concerne uniquement le R.

      Je reprends votre remarque sur le choix de R pour continuer la réflexion. Je redonne en lien le schéma du modèle de calcul du simulateur pour montrer que R c’est une peu comme le moteur de tout l’ensemble. C’est en partie pour cette raison que je m’y attache particulièrement. On peut y voir aussi un ensemble de paramètres qui interviennent dans les calculs. Votre commentaire amène une idée: il pourrait être judicieux de calculer l’écart type de ces paramètres depuis le mois de mars. Mon intuition me dit que R pourrait être dans le haut du panier des indicateurs à forte variance. Étant donné son rôle important dans le modèle, ce serait une justification supplémentaire pour le regarder de près.

      cordialement

  5. Planchon dit :

    Bonjour
    Je continue mon côté poil à gratter.
    – Votre schéma de R ignore les décès hors hopital (si je le comprends bien)
    – Je persiste à dire que vous restez si les données qu’on vous donne dans l’idée qu’elles éclairent la décision, mais c’est un demi-pas seulement.
    Il faut – à mon sens et pour parler d’analyse décisionnelle en tout cas – remonter aux causes possibles et en déterminer les facteurs d’influence, le temps étant d’ailleurs un paramètre comme un autre.
    Par exemple
    – urbain / rural et le sous-groupe métropole
    – température extérieure
    – période travaillée / vacances
    – couvre-feu
    – estimation de distanciation sociale (ne serait-ce qu’un pourcentage des fréquentations proches ou quelque chose comme cela)
    etc
    Ces données demandent sans doute un gros travail de recensement et de collecte, puis un traitement pour analyser leur influence (c’est là que je pense à l’AI) mais on aurait enfin des bases sur une relation cause effet par les chiffres sans qu’il soit besoin de comprendre le pourquoi de cette causalité. Je ne parle même pas d’analyse très sectorisée telle que les restaurants et bars car les données qui permettraient cette approche sont inexistantes – peut-être est-ce le cas en Corée.

    Vu le sujet, je suis un peu étonné que cette approche ne soit pas faite : en tout cas je ne trouve rien sur Internet qui approche cela. Par contre, des approches globales de R qui n’apprennent rien, des foultitudes….

    D’où ma frustration !

    Bien à vous

    • Lamaze dit :

      Bonjour.
      Avec toutes ces apparentes bonnes idées, il ne vous reste plus qu’à proposer vos services bénévoles pour améliorer méthodes et algorithmes, afin de fiabiliser les résultats, tout cela dans un esprit constructif.
      Vous me rappeler hélas trop clairement certains de mes collègues que l’on n’entendait qu’au cours des revues de projet, et qui n’étaient jamais disponibles pour les ateliers ou réunions de travail…
      Je suggère que vous envoyiez “par écrit” les modifications les plus pertinentes, et qu’ensuite vous en réalisiez un “pilote”…
      “l’homme de bien est celui qui aide le maçon, pas celui qui vérifie le bon alignement des pierres”
      Lao-Tseu, dans “petit traité du vivre ensemble”

  6. Gand diseux, petit faiseux… (dicton nordiste)
    Je signale à Planchon que le projet est sur Github. Alors, au lieu de perdre ton temps à critiquer et étaler ta science, prends toi par la main et fais nous une belle petite appli qui réponde à tes désidératas.
    bien à toi 🙂

  7. Jean-Pierre Chevalier dit :

    Bonjour
    Je viens de découvrir le site et j’apprécie particulièrement la présentation des données qui est nettement plus lisible que celles proposées par l’administration.
    Je pense personnellement que la discussion sur la valeur de R, qui est effectivement au cœur des modèles de simulation, doit être laissée à des spécialistes de modélisation qui apprécient tant bien que mal l’influence des facteurs externes sur sa valeur (par exemple, la prise en compte des vaccinations); mais son calcul est toujours intéressant, car il est relativement synthétique.
    Quant à l’utilisation de l’IA, il faudra en reparler l’année prochaine quand le “big data” sera digéré. A ce sujet, je n’ai pas connaissance de son application pour d’autres “pandémies” comme la grippe.

    Merci encore pour tout cet “humble” travail qui permet d’éclairer la situation.

    • Philippe Brouard dit :

      Bonjour, merci pour votre soutien. Oui, il y a une tendance à promettre beaucoup de choses avec de l’IA. On verra ce que ça donne, à condition que des chercheurs se plongent sur l’usage en épidémiologie. Ça me semble intéressant en tout cas.

  8. Brigitte Parisot dit :

    Merci pour votre travail, qui permet à chacun de nous de nous informer. Il nous appartient ensuite de nous renseigner par ailleurs afin de croiser les informations.

  9. Roger Daniel dit :

    Bonjour, bravo pour ce cites qui proposent des graphiques clairs et complets dont j’imagine la finalité est de pouvoir estimer la date d’un retour à une vie normale.
    Vous pourriez tenter de faire une courbe prédictive qui tiendrait compte de l’immunité collective déjà acquise, de la progression de la vaccination, bref des paramètres décrits dans votre animation en y ajoutant le fait que les populations le plus à risque sont vaccinées en premier et pourquoi pas, soyons fous un brin de température extérieure… et d’une éventuelle pénurie de vaccin… j’ai bien conscience que plus le nombre de paramètres augmente plus on se rapproche de la boule de cristal…
    Dans tous les cas bravo encore pour votre travail

    • Philippe Brouard dit :

      Bonjour, merci pour vos commentaires qui nous poussent à continuer. Difficile de prendre en compte des paramètres pour lesquels nous n’avons pas assez de recul et de données précises. Les inconnues sont déjà plutôt nombreuses. Peut-être pour plus tard, au fur et à mesure de l’ouverture des données.

Laisser un commentaire

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