Estimating the overdispersion in COVID-19 transmission using outbreak sizes outside China.
Résultats principaux
Que retenir ?
Niveau de preuve Indéterminé
Les résultats sont dans la même ligne que d'autres études (forte sur-dispersion ; rôle important des événements de super-spreading dans la propagation de l'épidémie).
Il serait cependant utile de reproduire l'analyse avec d'autres données, plus fiables (et le nombre d'introductions, et le nombre de cas étaient probablement largement sous-estimés fin février).
Un peu plus de pédagogie, d'explications et justifications autour des équations auraient été appréciées.
Objectifs
Méthodes
Les auteurs utilisent une formule tirée d'un précédent article (Blumberg et al. 2014 https://doi.org/10.1371/journal.ppat.1004452) pour calculer une taille de cluster en fonction du nombre de cas initiaux, qui suppose que les nombres de cas secondaires sont indépendants et identiquement distribués, tirés dans une distribution binomiale négative, avec moyenne R0 et paramètre de sur-dispersion k.
Les auteurs déduisent une fonction de vraisemblance. Le code est disponible en ligne https://zenodo.org/record/3741744#.XwLbuy2w0W8.
Les auteurs estiment k (paramètre de sur-dispersion d'une binomiale négative) à R0 fixé (entre 0 et 5), puis conjointement k et R0.
Données : "Situation report 38" de l'OMS, de fin février 2020, donnant, par pays, le nombre total de cas identifiés, et parmi eux, ceux correspondant à des cas importés, des cas locaux, ou des cas indéterminés.
Le site Bibliovid et son contenu sont la propriété de Bibliovid.