22.06.2020
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
Modélisation Confinement/Déconfinement
Charpentier A et al
Pre-prints
Résultats principaux
Une fois le modèle établi, différents exemples de problèmes d'optimisation sont considérés et explorés de manière numérique. Dans chaque cas, la stratégie optimale consiste en quatre phases successives : (1) un confinement (ou réduction drastique des contacts) rapide et strict pour stopper la croissance exponentielle du nombre d'infectés ; (2) une courte phase de transition qui permet de réduire la prévalence et ramener la fraction d'individus en soins intensifs à un niveau gérable par les structures hospitalières ; (3) une longue période avec une prévalence et une fraction d'individus en soins intensifs stables ; (4) un retour à la normale progressif des interactions sociales accompagné de la disparition progressive du virus par immunisation de la population (herd immunity).
Que retenir ?
La théorie du contrôle optimal permet d'inclure dans les modèles épidémiologiques une notion générale de coût supporté par la société que l'on peut prendre comme critère pour "optimiser" la gestion de l'épidémie. Dans cet article, on considère un coût sanitaire, mais aussi un coût socio-économique et un coût de détection.
Niveau de preuve Intermédiaire
L'article est extrêmement bien écrit, clair et très bien informé des connaissances actuelles sur la pandémie. Les auteurs ont fait un effort substantiel pour mettre en perspective leur travail dans la littérature existante. L'originalité principale de ce travail réside dans la prise en compte de contraintes très pertinentes au vu de la crise sanitaire actuelle, en particulier la limitation des capacités d'accueil en soins intensifs et le coût socio-économique des politiques de quarantaine et de confinement.
Objectifs
Introduire une notion de contrôle dans un modèle à compartiments, en considérant que le contrôle peut se faire sur le niveau de distanciation sociale au sein de la population et sur la capacité à tester les individus pour détecter s'ils sont en cours d'infection ou s'ils ont été malades et sont maintenant immunisés
Méthodes
- Objectif secondaire : Prendre en compte la limitation des capacités hospitalières en soins intensifs, induisant une surmortalité si elles sont dépassées, afin de chercher des stratégies optimales de gestion de l'épidémie qui permettent de rester dans la limite de ces capacités.
- Le modèle à compartiments utilisé suit la proportion d'individus Sains (S), Infectés détectés (I+) ou non (I-), Rétablis détectés (R+) ou non (R-), Hospitalisés (H), hospitalisés en Unité de soins intensifs (U) et Décédés (D). Le contrôle s'effectue sur le niveau de distanciation sociale apparaissant dans la transition (S-> I-), sur l'intensité de détection par tests (PCR) qui intervient dans la transition I- -> I+ et l'intensité de détection par tests (immunologiques) qui intervient dans la transition R- -> R+. Une borne supérieure sur la capacité globale d'hospitalisation en soins intensifs est introduite, en supposant que le dépassement de cette capacité conduit à une surmortalité des individus que l'on placerait en soins intensifs si on le pouvait (i.e. pour la fraction U(t) - Umax qui traduit le dépassement des capacités).
- Pour finir, on introduit plusieurs fonctions objectifs (ou fonctions de coût) dont on peut pondérer l'importance: un coût sanitaire dépendant de la trajectoire de la quantité d'individus décédés, un coût socio-économique dépendant de la trajectoire du "niveau global d'interactions sociales" (fonction de différents compartiments du modèle) et deux types de coût de détection correspondant aux deux types de tests mentionnés précédemment.
Le site Bibliovid et son contenu sont la propriété de Bibliovid.