•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

COVID-19 : comment les chercheurs font-ils leurs projections?

Des infirmières en tenue de protection observent l’extérieur depuis une tente qui a été installée devant un centre hospitalier de New York.

Les chercheurs ont identifié la distanciation sociale comme étant une des mesures la plus efficaces pour limiter la propagation de la COVID-19.

Photo : Reuters / Andrew Kelly

Les décideurs publics tentent plus que jamais d’anticiper le futur. Chaque jour, ils s’appuient sur les scénarios présentés par leur équipe afin de dicter les prochaines mesures à prendre.

Comment ceux-ci sont-ils développés? Radio-Canada a rencontré des chercheurs spécialisés dans la modélisation de maladies infectieuses.

Un modèle est une version simplifiée de la réalité, résume d’emblée Ashleigh Tuite, professeure assistante au département d’épidémiologie à l’Université de Toronto. On les utilise pour tenter de comprendre le monde.

Elle insiste que les projections sont d’abord et avant tout des hypothèses. Autrement dit, elles visent à prévoir l'avenir en fonction des données disponibles dans l’immédiat. Ainsi, leur marge d’erreur est grande.

Samuel Alizon, chercheur au Centre national de recherche scientifique de Montpellier, en France, abonde dans le même sens. Tous les modèles sont faux, mais certains sont moins faux que d’autres, illustre-t-il simplement.

Tracer la pandémie

Les données sont la matière première de toute bonne projection. Mais comment les chercheurs choisissent-ils celles à intégrer dans leur projection?

Tout dépend de la question posée par l’équipe de recherche, croit Robert Smith, professeur au Département de mathématiques et de statistiques de l’Université d’Ottawa.

C’est un peu comme tracer une carte

Robert Smith, professeur au Département de mathématiques et de statistiques de l’Université d’Ottawa

Je veux sélectionner les éléments nécessaires à la compréhension de la situation et écarter ceux pouvant distraire, précise-t-il.

Toutefois, avant de s'adonner à des modélisations poussées, les chercheurs travaillant sur des maladies infectieuses doivent d’abord comprendre les mécanismes de transmission du virus. Le virus est-il contagieux? Comment se transmet-il? À quel rythme?

Doug Ford en conférence de presse.

Le premier ministre ontarien, Doug Ford, a révélé les projections de sa province vendredi.

Photo : La Presse canadienne / Frank Gunn

Or, lors de l’éclosion d’une épidémie, certaines variables échappent parfois aux scientifiques.

La bonne nouvelle, c’est que si on ignore certaines données, on peut faire des hypothèses, dit M. Smith. Cela explique en partie pourquoi les chercheurs produisent souvent plusieurs modèles pour une même situation. Quand on ne sait pas quelque chose, on veut avoir un éventail de possibilités, explique le professeur.

Ensuite, les équipes de recherche peuvent intégrer les données relatives à la population à risque. Quelle est la structure d’âge de la population? Comment se déplace-t-elle? Comment entre-t-elle en contact? , illustre Mme Tuite.

Ces éléments peuvent varier entre deux provinces, poursuit-elle, et même entre deux quartiers d'une même ville. Ainsi, les dynamiques de transmission du virus seront différentes.

Au fur et à mesure que les données sur les cas diagnostiqués sont diffusées par les autorités de santé publique, les chercheurs peuvent corriger, adapter et enrichir leurs projections.

En ce moment, on voit beaucoup de beaux graphiques, et ça rend le monde très simple. Mais ce sont des projections, il faudra les valider avec les données qu’on va obtenir, soutient Mme Tuite.

Construire un modèle, c’est un processus d’essais et erreurs

Ashleigh Tuite, professeure assistante au Département d’épistémologie à l’Université de Toronto

M. Smith avance que la marge d'erreur est particulièrement élevée au début d'une épidémie en raison du manque de connaissances des scientifiques. On essaie d’avoir une image de ce qui va se passer. Ce n’est pas parfait… mais c’est ce qu’on a, explique-t-il.

Les ratons laveurs des données

Les chercheurs rencontrés par Radio-Canada expliquent avoir de la difficulté à avoir accès à des jeux de données significatifs à l'heure actuelle. Pour faire leurs projections, ils doivent souvent faire preuve de créativité.

Je réfère souvent à mon équipe de travail comme étant des data racoon. On va dans les poubelles et on cherche toutes les données qu’on peut trouver, explique Mme Tuite en riant.

Sa collègue Dionne M. Aleman, professeure associée au Département de génie industriel de l’Université de Toronto, acquiesce.

Les données, c’est comme l’argent. Plus on en a, mieux c’est

Dionne M. Aleman, professeure associée au Département de génie industriel de l’Université de Toronto
Le bâtiment Andrews sur le campus de l'Université de Toronto à Scarborough

L'Université de Toronto a touché environ 6 M$ du gouvernement fédéral pour financer des recherches sur la COVID-19.

Photo : Radio-Canada

La chercheuse, qui a également travaillé avec la province lors de l'éclosion de H1N1, fait des modélisations visant à assurer une distribution efficace des ressources matérielles et humaines dans les différents hôpitaux de l'Ontario.

L’âge, le genre, la situation socio-économique, la nationalité et les antécédents médicaux des patients atteints de la COVID-19 sont tous des éléments pertinents pour les recherches de Mme Aleman. On ne sait jamais ce qu’on va trouver comme tendance, soutient-elle.

La scientifique pourrait notamment tisser des liens entre certaines conditions médicales et des symptômes sévères de la COVID-19. Ça voudrait dire qu’on pourrait mieux identifier qui auront besoin de lits en soins intensifs, dit-elle.

Les données auquel j’ai eu accès sont très limitées. On connaît l’âge et la ville des gens qui ont testé positif… mais pas beaucoup plus que ça.

Dionne M. Aleman, professeure associée au Département de génie industriel de l’Université de Toronto

Mme Aleman souligne que les données ne sont pas collectées de façon uniforme au Canada, ce qui lui complique la tâche. Ça nous limite vraiment si on veut arriver avec des plans vraiment détaillés quant à ce qui se passe actuellement, estime-t-elle.

La chercheuse reconnaît toutefois que de collecter de centraliser les données de partout au pays est une tâche colossale. Et à cela s’ajoute l’enjeu de la protection de la vie privée des patients.

Un travailleur de la santé tient une tige pour un test de dépistage, alors qu'un collègue tient une éprouvette.

Si le Québec compte le plus de cas de COVID-19, c'est également la province où il y a eu le plus de tests de dépistage.

Photo : Associated Press / Santi Palacios

Mme Tuite ajoute que le faible taux de dépistage de la COVID-19 au pays rend la modélisation de la propagation de la COVID-19 particulièrement ardue. Elle explique se concentrer sur le nombre de gens hospitalisés pour faire ses projections.

C’est la partie émergée du glacier. Ce qu’on observe et ce qui arrive réellement au niveau de la propagation virus, c’est deux choses distinctes, conclut Mme Tuite.

Vos commentaires

Veuillez noter que Radio-Canada ne cautionne pas les opinions exprimées. Vos commentaires seront modérés, et publiés s’ils respectent la nétiquette. Bonne discussion !