L’évènement qui marque le départ en fusée de l’épidémie de SARS-CoV-2 en France remonte au rassemblement évangélique à Mulhouse, du 17 au 24 février 2020. Un an plus tard, l’épidémie a causé 85000 décès dans la population française. Le simulateur CovidTracker s’est construit briques par briques depuis avril 2020, en tentant de reproduire l’évolution des courbes pour analyser les mécanismes sous-jacents. Chez CovidTracker, nous sommes animés par une démarche scientifique, alors pour cet article un peu exceptionnel, nous allons faire uniquement une grande vérification des comptes. Le compte est-il bon comme dans le célèbre jeu TV ?
Croisement des sources et déjà un problème
Notre fournisseur de données est unique, c’est via Santé publique France que nous obtenons des indicateurs numériques de l’épidémie. Il n’y a pas d’autre possibilité de fournisseur de données. Mais pour tenter d’établir un modèle de calcul robuste, le simulateur fait appel à plusieurs sources de données, rendues disponibles grâce à Santé publique France.
- Le tableau de bord Gouvernemental pour des données macroscopiques
- Les incidences journalières hospitalières en OpenData pour des données détaillées
- Les bulletins nationaux hebdomadaires pour l’analyse et d’autres données agrégées
Le recoupement d’une même information selon plusieurs sources de données révèle des légères différences qui rendent la modélisation difficile, voici un exemple. Combien de personnes sont entrées à l’hôpital pour covid-19 en semaine 06 de 2021 (8 au 14 février) ?
Selon le bulletin national hebdomadaire, 9921 patients ont été admis en hospitalisation pour covid-19 en semaine 06. Regardons maintenant du côté de la base Géodes selon l’indicateur du nombre quotidien de nouvelles personnes hospitalisées pour Covid-19, du 8 au 14 février, ce qui donne le tableau :
| Date | Nombre de nouvelles personnes hospitalisées pour Covid-19 |
| lundi 8 février | 1893 |
| mardi 9 février | 1931 |
| mercredi 10 février | 1525 |
| jeudi 11 février | 1618 |
| vendredi 12 février | 1405 |
| samedi 13 février | 1085 |
| dimanche 14 février | 651 |
| Somme semaine 06 | 10108 |
Cette deuxième source indique que 10108 nouveaux patients sont comptabilisés en semaine 06 pour covid-19, ce qui fait 2% de plus. C’est un écart modeste mais significatif. La question est alors, il y a-t-il beaucoup d’écarts comme celui-ci et de quelle grandeur ?
Croisement des chiffres, un autre problème
Une autre vérification rapide des chiffres consiste à comparer les effectifs annoncés à un jour dit afin de savoir si tout le monde est là. L’équation s’élabore sur ce constat : lorsqu’un patient entre (E) à l’hôpital, il n’a que deux possibilités de sorties, soit suite à un décès (D), soit suite à un retour (R) à domicile. Donc à un jour dit, tout ceux qui sont entrés et qui ne sont pas sortis (soit par décès, soit pas retour à domicile) constituent l’effectif des patients en cours d’hospitalisation (H). L’équation mathématique à vérifier est :
somme(E) = somme(D) + somme(R) + somme(H)On peut aussi écrire :
somme(E) - (somme(D) + somme(R) + somme(H)) = 0Que donne cette vérification pour le 16 février, dernière date où on connait précisément la somme(E) ?
Le tableau de bord Gouvernemental peut fournir les autres sommes :
L’équation à vérifier est alors :
329353 - (58578 + 244238 + 26239) = 298298 n’est pas égal à zéro, l’équation n’est pas vérifiée mais c’est un écart modeste que nous pouvons surveiller.
Le grand écart, tout compris
Voyons maintenant l’effet de ces deux écarts possibles sur le grand total du cumul des incidences hospitalières, entre le 1er mars 2020 et le 16 février 2021. Premièrement via le fichier OpenData des donnees-hospitalieres-nouveaux-covid19, il comptabilise les incidences depuis 19 mars 2020, il faut faire une grande somme des 33836 lignes jusqu’au 16 février (merci au tableur). Deuxièmement en consolidant les données manquantes entre le 1er mars et le 18 mars.
| Source | (E)ntrées | (D)écès | (R)etours | (H)ospitalisations | vérification |
| Tableau de bord Gouvernemental au 18/03/21 | ? (4890) | 264 | 1000 | 3626 | -4890 (0) |
| Somme des incidences quotidiennes 19/03/20 au 16/02/21 | 345747 | 59370 | 252264 | ? (34113) | 34113 (0) |
| Somme des incidences 01/03/20 au 16/02/21 consolidé | 350637 | 59634 | 253264 | 37739 | 0 |
| Tableau de bord Gouvernemental au 16/02/21 | 329353 | 58578 | 244238 | 26239 | 298 |
| Écart constaté | 21284 | 1056 | 9026 | 11500 | -298 |
Le grand écart sur le nombre des entrées est de 21284 / 329353, c’est à dire environ +6%. Nous n’avons aucune explication sur l’origine de ces écarts. Peut-être est-ce simplement une somme de petits différentiels journaliers. Mais d’un certain côté il pourrait faire penser à un hôpital virtuel, qui serait oublié dans les données du tableau de bord Gouvernemental. Avec le simulateur CovidTracker, nous pouvons donner plus d’indications sur la vie de cette structure à part : l’hôpital EXTérieur.
Incidences à l’hôpital EXT
En tentant de suivre les écarts au jour le jour, il devient possible de modéliser les incidences (entrées et sorties) sur cette structure hospitalière virtuelle qui rattrape les écarts. Voici les valeurs sur un an.
Le résultat de ces incidences pose cependant un nouveau problème. Le cumul des sorties pour retour à domicile entre le 1er mars 2020 et le 16 février 2021 s’élève à 9302 : c’est assez proche de la valeur 9026 attendue. Mais pour arriver à ce résultat, le modèle numérique conduit à considérer qu’un certain nombre de patients n’arrivent pas à sortir de l’hôpital EXT, même après 45 jours suivant leur entrée, c’est anormal.
Actualisation du modèle numérique du simulateur CovidTracker
L’anomalie des patients qui ne sortent pas de l’hôpital EXT est intégrée au modèle épidémiologique du simulateur CovidTracker. Le modèle actualisé se présente sous cette forme :
La règle indiquant que le patient tombe en anomalie au bout de 45 jours est définie comme hypothèse du modèle. Nous avons pu afficher dans des précédents articles que la moyenne de durée d’hospitalisation pour covid-19 pourrait se situer aux alentours d’un mois, c’est la valeur en cours sur le « plateau haut ». Dans ces conditions, le nombre de patients en anomalie se totaliserait à 8700 pour la période du 1er mars 2020 au 16 février 2021. Pour finir, l’évaluation du taux d’anomalies serait 8700/329353 = 2.5% environ. Le nombre de patients en cours dans l’hôpital EXT serait environ égal à 1500.
Les comptes sont presque bons en incluant l’hôpital EXT
Cet exercice de vérification des données était plutôt compliqué mais il a révélé un probable biais et son origine est inconnue. Peut-être que Santé publique France pourra nous apporter des éléments de réponse via les commentaires, si par chance nous comptons des lecteurs du blog qui y travailleraient ?
Côté simulateur CT, pas de nouveaux visuels des graphiques pour actualiser la tendance en cours, le travail de vérification des comptes a pris le dessus. On peut juste signaler que c’est plutôt le chemin optimiste qui s’est déroulé depuis la dernière simulation, le 6 février (sauf pour le nombre de patients en réanimation, c’est étrange). Restons optimistes et prenons soins de nous.
Philippe Brouard
Merci pour cette analyse des sources de données ainsi que pour le modèle que vous intégrez afin de considérer ces anomalies.
Sur le site Géodes, j’avais constaté depuis longtemps que l’addition des tranches d’âge ne correspondait jamais au total proposé en étant systématiquement inférieure, que ce soit pour les personnes hospitalisées, les réanimations, etc. Il est assez incroyable que ces écarts n’aient jamais intrigué personne chez ceux qui alimentent cette bdd officielle.
L’un des autres points notables de confusion réside peut-être également dans le fait que Géodes et gouvernement.fr sont mis à jour à la même heure quotidiennement mais le premier cité semble davantage correspondre au jour précédent.
Bonjour David, oui, je pense comme vous, c’est étonnant qu’on ne se pose pas plus que ça de questions sur ces écarts, d’où l’objectif de cet article. Affaire à suivre. cordialement
Bonjour,
L’anomalie « des plus de 45 jours » n’est-elle pas en lien avec le fait -rapporté par de nombreux praticiens hospitaliers- que des patients en pathologie lourde et longue chez qui on diagnostique un Covid, sont étiquetés comme tel dans les données. La durée du « Covid » s’en trouve très fortement modifiée. 2 à 3% de ce type de cas est plausible.
Merci encore pour votre site,
Jean-Pierre
Bonjour,
Je pense que l’hypothèse avancée est fiable. Les cas COVID diagnostiqués en cours d’hospitalisation ne sont pas rares et ne sont donc pas comptabilisés comme entrées hospitalières COVID même si ils peuvent s’inscrire dans une des deux possibilités de sortie du modèle.
Les données présentées par le site sont extrêmement intéressantes – merci
Bonjour M. Arrondeau, c’est une hypothèse intéressante, merci. Question cependant, qu’est-ce qui ferait que ce type de cas se retrouve uniquement dans le scénario de biais hôpital EXT, selon le modèle CT? De l’autre côté, dans le circuit « normal », les calculs montrent que tous les patients sortent de l’hôpital soit suite à décès ou à retour à domicile. Merci pour votre soutien.
L;hypothèse avancée par jean-pierre semble judicieuse. On peut également réfléchir sur les cas COVID diagnostiqués en cours d’hospitalisation et non comptabilisées comme entrées hospitalières COVID mais qui s’inscrivent, de fait, dans les onglets « sorties » du modèle. Les données présentées par le site sont extrêmement intéressantes et présentent une excellente approche de l’évolution sanitaire quotidienne du territoire. Merci
Frank
Bonjour M. Avrilleaud. L’hypothèse est intéressante, je suis d’accord. Mais, l’anomalie constatée provient du fait qu’il n’y a pas assez de sorties (à la différence de pas assez d’entrées) dans le scénario de biais hôpital EXT. On pourrait imaginer qu’il y a aussi trop d’entrées… mais pas trop quand même car il y a aussi des sorties. Pas simple. Merci pour votre soutien.
Bonjour,
Cette excellente analyse conforte l’impression que j’ai depuis que j’essaie de suivre les chiffres communiqués relativement à ceux diffusés dans les bases. Et il est impossible de tracer les personnes ou organismes autorisés à utiliser les données , ce qui génère un certain malaise.
Comme noté dans votre conclusion, on remarque que les données sont toujours utilisées dans un sens catastrophiste quelle que soit la réalité. A la longue, à force de crier au loup, cela devient contre-productif.
Bonjour M. Guichard. Le principe de l’OpenData est d’autoriser tout le monde à utiliser les données. Il faut veiller à bien expliquer comment elles sont traitées pour apporter du crédit à l’analyse, c’est ce que nous essayons de faire ici même.
L’idée de proposer trois scénarios (stable, baisse, hausse) s’est révélée pertinente. En fait c’est plutôt difficile de savoir dans quel sens l’épidémie va partir. Pour ma part, je n’aurais pas misé sur un scénario avec une baisse du nombre total de patients hospitalisés entre le 6 et le 28 février, mais c’est ce qui s’est affiché dans le tableau de bord Gouvernemental. Donc l’optimisme peut l’emporter, ouf! Remarque cependant, l’objectif de cet article est aussi d’attirer l’attention sur le biais éventuel: on constate que ce biais a augmenté dans la même période, alors quoi en déduire? Concrètement, je veux dire qu’avec un biais plus faible, il y aurait eu un peu plus de patients comptabilisés à l’hôpital. Tant que nous ne comprenons pas l’origine de ce biais, il est impossible de déduire quoi que ce soit.
Se baser sur des faits et les expliciter, ça peut être rassurant, c’est aussi notre volonté. Merci pour votre soutien.
Bonjour,
Bravo à l’équipe CovidTracker pour leur production quotidienne.
J’exprime un souhait; celui de rajouter un forum de discussion à ce site.
Et j’ai également une question, au risque de me faire lapider, car elle concerne un site « concurrent ». Our World in Data indique pour la France des chiffres avec des jours à (ou très proche de) 0 pour les nouveaux cas.
Quelqu’un ici aurai-t’il la gentillesse de m’expliquer pourquoi. De manière à ce que je le comprenne, car j’ai lu les explications données par le site, mais cela ne m’a pas vraiment aidé.
Par avance merci.
La récupération de données n’est jamais un long fleuve tranquille quel que soit le domaine concerné, on découvre des incohérences entre les sources, sans compter la révision possible des chiffres antérieurs, ce qui est le cas quand on suit les départements et les régions par exemple. Mais même si c’est à une poignée de pour-cents près, je ne vois pas pourquoi ça empêcherait de tourner un modèle dont le but est d’éclairer l’avenir. A moins que bien sûr il ait déjà du mal à répéter le passé. Comme on ne se trouve pas dans un domaine de science « dure », des écarts de 10% n’ont rien d’improbable et il faut vivre avec.
Je viens d’envoyer mon scénario actualisé avec variant à Mr Brouard, je ne parierais pas dessus pour de longues semaines, mais il est révisable en fonction des événements. Ça reste du coté optimiste des choses, par ailleurs et par hasard peut-être c’est compatible avec une demande de patience de 4 à 6 semaines, et je ne vois pas de signal qui nous emmène vers 50 000 cas par jour vers le 20 mars comme l’annonce l’institut Pasteur de Lille. Je vous laisse choisir entre « tout est sous contrôle » et « ils ont un de ces bols », en attendant un potentiel « on vous l’avait bien dit ». Si un événement à caractère exceptionnel survenait, on ne peut pas le louper dans le suivi des données et je réviserai le scénario de cette cinquième vague en conséquence.
Globalement d’accord avec les commentaires précédents et bravo à l’équipe COVIDTRACKER pour ce travail!
Un commentaire sur le graphe des « flux » qui laisse supposer que les décès à l’hôpital sont moitié issus de la réanimation et moitié hors réanimation.
Je pense plutôt que 63% ont lieu hors réanimation !
En effet de mi 03/2020 à fin 02/2021, 57 500 patients COVID sont entrés en réanimation.
Au total 356 300 personnes ont été hospitalisées pour le COVID.
La mortalité cumulée en réanimation est difficile à connaître, La dernière synthèse donne 36% contre 60% au début. Il est difficile d’avoir un chiffre global, ce qui me paraît incroyable.
Depuis le début, 61 590 personnes sont décédées à l’hôpital officiellement du COVID.
Donc si on prend par exemple 40% comme taux de mortalité moyen en réanimation, cela donnerait :
57 500*.4 = 23 000 décès en réa sur 61 590, soit 37% du total, donc 63% des décès à l’hôpital auraient lieu hors réanimation, sans doute en soins palliatifs à la différence près que leurs proches ne peuvent venir les vois le plus souvent.
Je rappelle que les décès COVID en EPHAD ne sont que de 25 000.
En fait, très peu de personnes de plus de 80 ans sont en réanimation, les chiffres du jour donnent
seulement à peine 3% des personnes hospitalisées de plus de 80 ans sont en réanimation contre 22% pour les 60-80 ans et 14% au global.
Par contre les plus de 80 ans font actuellement 44% des hospitalisations et représentent 63% des décès depuis le début.
Là encore des chiffres officiels cumulés depuis le début seraient utiles.
A suivre.
actuellement (spf du 25 /02) en réa, 38%( 1311) ont de 65 à 74 ans et 23% (768) 74 ans et plus ce qui fait plus de 60 % pour la tranche d’age de 65 ans et plus et non 25 % si l’on vous suit
Je suis très intéressé par les traitements de données proposés par CovidTracker et félicite ses concepteurs et contributeurs.
Je me lance à proposer un commentaire sur le dénombrement des morts dus à la pandémie.
Il me parait clair que l’attribution de la cause du décès par les autorités sanitaires restera toujours sujette à caution et donc que la comparaison entre pays de la mortalité COVID sera encore plus tributaire des modes de déclaration et de collecte de l’information.
La bonne réponse me parait celle proposée par la dernière courbe du site qui présente les courbes annuelles de mortalité comparées par superposition. La mortalité toutes causes confondues ne souffre d’aucune ambiguïté autre que celle de la déclaration elle même.
L’intégrale de l’écart entre courbes par rapport à une année prise comme référence permettrait de comparer l’impact de politiques sanitaires. Il resterait encore à pondérer cette information par des critères d’âge des populations concernées et par les localisations géographiques.
Quelqu’un aurait-il accès à ces courbes de mortalité pour les populations européennes, voire mondiales ?
Encore bravo à CovidTracker
Bonsoir,
https://www.euromomo.eu/
Voici l’adresse du site européen de statistiques de mortalité.
Bravo à CovidTracker
Et les transferts d’hôpitaux s’ajoutent-ils toujours aux sorties et aux entrées ? Peut-être dans certaines données et pas d’autres ?
À l’inverse, est-ce que des guérisons covid à l’hôpital de patients gardés ensuite pour d’autres raisons sont bien toujours comptées comme des sorties covid d’hôpital, si possible le jour de leur guérison, ou au moins le jour de leur sortie réelle ?
Bonjour,
Connaissez vous un site qui permet de suivre la concentration de covid dans les eaux usées en temps réel?
PS: si il existe, ce serait intéressant de l’inclure au site pour le compléter.
PPS: merci pour le site, vous faites un bon travail
Bonjour, je pense que vous trouverez ce qui vous intéresse ici :
https://www.reseau-obepine.fr/donnees-ouvertes/
Ah génrial ! merci pour ces données, je n’avais pas vu qu’elles étaient enfin ouvertes
Bonjour,
L’open data de l’Assurance maladie pourrait peut-être vous renseigner sur “l’hôpital EXT”.
En effet l’Assurance Maladie qui rembourse les hospitalisations (et le reste) en a la comptabilité exacte.
Vous pouvez aussi vous rapprocher de la CNAM qui recense toutes les hospitalisations remontées par les CPAM de France et d’Outre Mer. Les affections sont codées et le secret médical préservé.
Belle journée!
Edith Cariou, ancien médecin conseil auprès de l’Assurance Maladie
Bonjour,
il y a certainement des personnes qui entre pour covid, qui sont soignés, mais qui dû a des complications ou pour une autre maladie qui n’a rien à voir, sont conservé à l’hopital, et qui qui sorte de leur hospitalisation covid ni par la case sortie de l’hopital ni par la case décès. Et une personne hospitalisé qui attrape le covid à l’hopital, va peut-être compté comme « nouvel hospitalisation » du covid, mais pas comme « sortis de l’hopital ».
Bonjour Flavien, votre idée est intéressante pour tenter d’expliquer en partie le scénario EXT, merci ! Pour la période en cours, le biais vers ce scénario est redevenu faible, moins de 1% des cas détéctés.
Bonjour,
Je partage le point de vu de Flavien. Le parcours hospitalier d’un patient n’est pas binaire ‘covid vs non covid’.
Je partage mon cas.
Je suis entré pour covid (test positif) le 2 avril 2020 et j’en suis ressorti le 5 avril (test négatif). Le 12 avril je suis de nouveau hospitalisé pour une autre pathologie, on me place dans le service covid « par précaution » Car guérison jugée trop récente. On me teste « par précaution » : négatif. Je sors 5 jours plus tard DU SERVICE COVID. Lors de cette seconde hospitalisation, comment ont été comptabilisées mon entrée et ma sortie ??? Je l’ignore.
Comme le dis Flavien, j’aurais pu déclarer la seconde pathologie au cours de la première hospitalisation et faire l’objet d’une sortie non covid alors que je suis entré Covid.
Bref, tout cela n’est pas linéaire et difficile à modéliser !
Sans compter que ces 2 hospitalisations concerne la même personne…
Merci pour votre excellent travail.
Bonjour,
je viens seulement ce matin de parcourir cet article fort louable et de survoler les commentaires presque tous de bon niveau de pertinence.
Des causes aux effets : viennent de s’inviter dans ma bio-cyber-unité (crânienne) deux idéations avec pousses de ramifications.
« First, let’s remain FRenglish-talkers »°°° … elle m’est venue l’idée de nommer plus complètement votre excellente filière « fantôme » dite EXT (qui est en quelque sorte un service de SECOURS ARITHMETIQUE pour sauver la complétude des emboîtements chiffrés) :
EXT-range
(jouant sur étrange et le range de rangement soit classification, souvenons-nous que le dernier R de l’acronyme Rad&R signifie « Ranging »).
Sur un plan de fond, non plus seulement formel, et même à vocation de recoupement grâce à un arrière-plan (background), j’attire votre attention sur LA PROFESSION qui gagne sa vie économique en vendant de la couverture de dommages (coûts de dangers) indésirables mais survenant dans une prospective probabiliste (évaluations de risques) :
LA PROFESSION ASSURANCIELLE.
Je n’ai pas sur-le-champ (on the spot) d’URL offrant regard libre en « LIVROUVERT » (= néologisme français que je vous propose au lieu de l’auto-colonisé ‘Open Data’, on pourrait aussi jouer de la quasi redite en LIBRELIVRE ou LIVRELIBRE, ou encore rappeler à nos chers anglo-sax’ que leur ‘record’ est du pur français issu du latin ‘recordari’ : LIBRECORD) sur les données que les assureurs utilisent d’une part, génèrent d’autre part. Mais il est certain que l’événement épidémique doit se lire et se traduire de façon vitale pour la profession assurancielle. Maintenant les assureurs comme tant de professions se dégagent de la marge sur la base du secret professionnel : accéder à leurs rangées lignes/colonnes peut se révéler d’une grande difficulté.
En France plus que dans d’autres pays, la profession assurancielle sert de « trésorerie cachée implicite » à l’Etat. La population française a été affectivement arrimée à un « produit » qu’on appelle d’un mot ayant belle résonance ontologique : « assurance-VIE » … ! En France on n’a pas de pétrole, on n’a plus guère d’idées ni guerres de vraies idées, mais on a … un Mont-de-Naîveté le plus haut du monde : le pactole en assurance-vie … c’est ce magot dont des privés (citoyens) sont officiellement titulaires mais tellement confisquable (fisc) que c’est cela qui permet au public (l’Etat tuteur) de s’endetter à taux même inversés…
Pour un assureur, son auto-assurance-vie entrepreneuriale passe par un impératif absolu : surveiller analyser anticiper avec la plus haute compétence statistique les évolutions des sinistres de tous poils, de toutes plumes, de tous animaux, de tous végétaux sans oublier météores glaces gels comètes gourous prophètes etc. Autant dire que la comptabilité des dé-naissances pré-maturées imputables ou non à la MalViCo (en français au lieu de CoViD) est suivie au centime près par cette belle profession prospectivo-rétrospectiviste … il y a à Angers (oui, c’est « d’Angers »!) une belle rue « des Prévoyants de l’Avenir » non loin du CNAM antenne angevine où l’excellent William Dab professa l’épidémio et l’EQRS (évaluation quantitative des risques sanitaires) … ce qui nous permet de glisser que ‘cluster’ se dit AGREGAT (une sorte de grappe). C’est là que nous consultâmes un Mémoire de mastère soutenu au début des années 2000s par un haut cadre technique d’une grosse assurance lequel comportait pour les besoins intellectuels la véritable raison de la politique de sur-répression routière : les deux tempêtes monstrueuses de fin 1999 et aussi la cata du pétrolier Eri-kaka ayant mis les trésoreries assurancielles sur le flanc, en dépit du ré-assureur Lloyd’s, il fallait générer de la « fraîche » fissa en comprimant impitoyablement l’accidentologie routière.
Enfin une troisième sur-idée s’invite avec l’évocation de Sainte-Assurance cette patronne de l’Etat-Phynance : le tabou ô combien cruel que le tragique n’est pas le chiffre de létalité instantanée ou sommée (intégrale) : c’est le produit de convolution constitué par l’estimation des ESPERANCES-ANNEES DE VIES ABREGEES. La Belle Profession le sait et l’applique à tout bout-de-champ mortuaire routier : la Belle Profession a des tableaux pour tarifer les indemnisations aux ayant-droits des victimes routières (par exemple) et mutatis mutandis une nonagénaire ehpaddée victime de collision de fauteuils vaut beaucoup beaucoup moins qu’une fringante trentenaire entrée dans un « platane meurtrier » …
Je ne sais pas comment votre belle initiative ‘covidtracker’*** peut immédiatement déniaiser nos contemporain(e)s en révélant cet aspect très réaliste mais toujours censuré par les « médiarrhéiques » : au moins vous aurai-je suggéré cette extension de domaine analytique.
°°° pure ironie bien sûr
*** pourquoi ne pas vous sous-titrer en français : « MALVICO-LYSEUR = analyste de la MALadie du VIrus COrona » ?
Résumé des deux plus une sorties de cervelle (‘brain outputs’) :
1 : hôpital (pour ‘sodzein ta phenomenon’, sauver les apparences) virtuel : EXT-range
2 : chercher à accéder aux data (pluriel du neutre latin datum) de l’ ASSURANCE profession (facilement si existent en LIVROUVERT / LIBRECORD, sinon à négocier ?)
3 (en +1) : étudier la possibilité de décrire (chronique au long de t) le véritable coût humain = TEMPS DE VIE PERDUS (temps pas seulement tant)
Bonjour Monsieur Gibaud. Quel commentaire! Il m’a fallu plusieurs lectures pour tenter d’en saisir toutes les significations. Il m’a fait sourire, c’est déjà ça de gagné.
Les assureurs, hola vaste débat. Leurs statistiques sont bien protégées et les personnes qui y travaillent sont soumises au secret professionnel. Nul doute qu’ils scrutent tout ça de près et qu’ils disposent d’outils de projections qui seraient intéressant à découvrir.
Merci pour votre prose!
Bonsoir M. Philippe Brouard, j’ai été touché donc encouragé par votre considération pour mon effort (les anglo-sax’ disent ‘endeavour’ c’est encore du français ‘en-devoir’ à l’origine).
Sur la présumée forteresse donjon de secret de la belle profession qui veut « assurer » en effet ce n’est pas gagné d’avance, mais un coup de sonde auprès de leur entité corporatiste (ça doit exister) maintenant que vous jouez chez les Grands des média-connus … Qui ne risque rien n’a rien, pour employer ce joli mot probabiliste dont l’étymologie remonte au grec « rhizome » (racine, ‘radix’ en latin) puis est passé par l’italien via la charmante petite « risicotta’ charmante mais possiblement traîtresse ce bout de racine aérienne rampante dissimulée par l’herbe près d’un beau tronc, sur laquelle l’espadrille vient buter et faire choir le naïf « en marche » …
Je souhaiterais vous exposer plus complètement mais discrètement mes arguments pour que vous soyiez les premiers à afficher la traduction en années d’espérances de vie abrégées et par exemple par classes de largeurs 5 ans d’âges : cela pourrait amplifier votre audience encore. Pour ne pas prêter à de la polémique par quiproquo ou interprétation inappropriée, je souhaiterais vous exposer cela par échange de courriels au préalable, j’ai aussi idée où trouver des données nécessaires sans inquiéter les rassureurs.
Sans vous envahir ni vous bourrer la boîte, vous apprécieriez aussi mon xls créé dès le 26 FEVRIER 2020 soit le 3e jour où le figaro a commencé de publier la chronique des nombres de cas, et que 12 jours plus tard j’ai envoyé à ma liste amicale pour leur exposer une expo=f(t) plus vraie que nature …
J’espère donc votre prochain amical bref courriel pour amorcer une navette pendulaire, libre à vous ensuite de citer en page ouverte ce que vous estimerez adéquat. Comme j’avais proposé au Canard dès la fin mars 2020 : il faut en faire un masquimum ! (le palmipède du mercredi a en juillet attribué au MEDEF : « ça va nous coûter un masque de blé »).
[…] cette boucle corresponde au scénario EXT qui nous a déjà posé question dans l’article sur le bilan des calculs au bout d’un an ! Nous aurions là une explication à ce scénario. Voici comment nous pourrions illustrer […]
[…] cette branche du scénario qui remplace le mystérieux hôpital eXtrange (voir l’article Un an des calculs, faisons les comptes). Une fois un modèle d’algorithme stabilisé, il a fallu refaire tous les calculs et […]
Merci pour vos outils d’analyse. Une question SVP sur les chiffres de vaccination : pourquoi les totaux « 1ère vaccination » sont identiques avec « Google Stat » alors que pour les chiffres « vaccination complète », les reporting Google accusent (au 25 mai) près de 700 000 vaccination d’écart vis à vis du reporting « CovidTracker Vaccination » ? Merci de votre retour.
[…] le mécanisme de boucle de réhospitalisation. Cette boucle se trouve être l’explication du scénario Hôpital eXtrange, c’est à dire pourquoi un certain nombre de patients comptabilisés ne rentraient pas bien […]