Key Questions for Modelling COVID-19 Exit Strategies.

1) Améliorer les estimations des paramètres épidémiologiques clés  
- nombre reproductif effectif R(t) : difficile en temps réel  
- seuil d'immunité de groupe : nécessite notamment d'avoir des estimations précises des niveaux d'immunité actuels  

2) Hétérogénéités   
- échelle : structure en âge (clair effet sur la probabilité de cas grave), sexe, ethnicité ; structure spatiale (et difficulté d'intégrer des données à différentes résolutions spatiales)  
- réseaux de contacts et structure en foyers 
- utilisation de modèles individu-centrés, potentiellement intégrant des facteurs sociaux et des comportements complexes comme l'anticipation de situation futures. Besoin de plus de données "emploi du temps", de contact, à collecter. Suggestion de mettre en place un modèle individu-centré, double virtuel d'une population, proactivement, pour l'utiliser lors de la prochaine crise sanitaire. 

3) Besoins en données
- collecte de données difficile et incomplète dans les pays à revenu moyen faible ; besoin de modèles robustes quand les données manquent, ou utilisant aussi les méta-données
- il faut coordonner au niveau international le développement d'études épidémiologiques avec collectes de données au cours du temps et études de cas
- il est crucial de communiquer l'incertitude sur les résultats lors des communications avec les média. Utiliser aussi des méthodes pour synthétiser les prédictions de plusieurs modèles.