Les académies nationales publient un guide pour aider les fonctionnaires à comprendre les données COVID-19

Alors que la pandémie du COVID-19 se poursuit, les responsables de tout le pays ont dû prendre des décisions concernant l’ouverture et la fermeture d’écoles, d’entreprises et d’installations communautaires. Ils se sont largement appuyés sur des informations sur la pandémie – des statistiques d’hospitalisation aux résultats des tests – pour éclairer ces décisions. Mais différents faits et chiffres sur le COVID-19 peuvent peindre différentes images de la pandémie, selon Adrian Raftery, professeur de statistique et de sociologie à l’Université de Washington.

« La pandémie COVID-19 génère de nombreux types de données sur cette maladie dans les communautés – des éléments comme le nombre de cas confirmés ou le nombre de décès dans une zone particulière », a déclaré Raftery. « Aucune de ces sources de données à elle seule n’est parfaite pour capturer un résumé complet et précis de la prévalence du COVID-19 et des risques de faire certaines choses comme l’ouverture d’entreprises ou d’écoles. Toutes ont leurs propres forces et faiblesses. »

Raftery est l’auteur principal d’un nouveau guide publié le 11 juin par les Académies nationales des sciences, de l’ingénierie et de la médecine qui vise à aider les fonctionnaires du pays à comprendre ces différentes sources de données COVID-19 lors de la prise de décisions en matière de santé publique.

Les responsables à la recherche de statistiques sur le COVID-19 ont l’embarras du choix: cas confirmés, décès, hospitalisations, occupation des unités de soins intensifs, visites aux urgences, tests d’anticorps, tests sur écouvillon nasal et rapport de résultats de tests positifs – pour n’en nommer que quelques-uns des points de données plus courants collectés et distribués par les hôpitaux et les agences de santé publique. Mais les fonctionnaires n’ont pas nécessairement toutes ces statistiques à portée de main lorsqu’ils prennent des décisions, ou n’ont pas suffisamment d’informations pour les interpréter.

«Nous souhaitons que ce guide aide ces décideurs et leurs conseillers à interpréter les données sur le COVID-19 et à comprendre les avantages et les inconvénients de chaque source de données», a déclaré Raftery.

Par exemple, le nombre de résultats de tests positifs pour le nouveau coronavirus est probablement une sous-estimation de sa véritable prévalence dans une communauté. De nombreuses personnes atteintes du virus sont asymptomatiques et ne sont pas susceptibles de demander un test, et même les personnes présentant des symptômes peuvent ne pas avoir accès aux tests et aux soins médicaux, selon Raftery. Autre exemple, le nombre de décès dus au COVID-19 dans une région ne reflète pas la prévalence actuelle de la maladie car le nombre de décès est en retard par rapport au nombre de cas de plusieurs semaines. En outre, certains décès peuvent être attribués à tort au COVID-19, a déclaré Raftery.

Le guide met en évidence certains critères que les fonctionnaires doivent prendre en compte lors de l’évaluation de l’utilité de points de données COVID-19 particuliers, notamment:

• Évaluer la représentativité des données pour une communauté ou une région
• S’il peut y avoir des biais systémiques dans certaines sources de données
• Réfléchir aux types d’incertitudes dans les sources de données, en raison de facteurs tels que la taille de l’échantillon, la manière dont les données ont été collectées et la population enquêtée
• S’il y a un décalage en raison de retards dans la communication des données, de l’évolution de la maladie et d’autres facteurs

« Il n’y a pas de sources de données parfaites, mais toutes ces sources de données sont toujours utiles pour prendre des décisions qui ont un impact direct sur la santé publique », a déclaré Raftery.

Raftery a beaucoup travaillé sur des méthodes statistiques pour mesurer et estimer la prévalence d’autres virus, y compris le VIH en Afrique. Bien que le VIH et le nouveau coronavirus provoquent différents types de maladies, il existe des similitudes dans la façon dont les deux virus se propagent parmi les populations sensibles, ainsi que dans la façon dont les types de distanciation sociale – utilisation du préservatif pour le VIH et distanciation physique et utilisation du masque pour le nouveau coronavirus – peuvent diminuer la transmission. Le COVID-19 génère également les mêmes types de sources de données, avec les mêmes limites, que le VIH / SIDA, telles que les résultats des tests, les taux d’hospitalisation et les décès.

Au fil du temps, il peut être possible de collecter des données plus révélatrices sur le COVID-19 à partir de ce que l’on appelle des «échantillons aléatoires représentatifs» au sein d’une population. Dans un échantillonnage représentatif, les personnes sont sondées au hasard pour une maladie, et certaines populations peuvent être plus largement échantillonnées que d’autres en fonction de ce que les scientifiques et les responsables ont appris sur la prévalence et la sensibilité d’une maladie. L’échantillonnage représentatif évite les biais et peut estimer plus précisément la prévalence de la maladie dans une région, selon Raftery.

«Au fur et à mesure que nous en apprenons davantage sur COVID-19, comment il se propage, comment les différentes populations sont plus ou moins sensibles, nous pourrons peut-être nous déplacer davantage dans le sens d’un échantillonnage représentatif», a déclaré Raftery. « L’État de l’Indiana a déjà réalisé une enquête de ce type, et d’autres devraient lui emboîter le pas. Mais il y a aussi beaucoup que les fonctionnaires peuvent faire avec les statistiques et les sources de données que les hôpitaux et les agences fournissent actuellement – à condition que les fonctionnaires puissent être sensibilisé aux forces et faiblesses de chaque donnée. « 

Le guide est le premier complété par le réseau d’action des experts sociétaux des académies nationales – ou SEAN – un comité de huit membres chargé par les académies nationales de fournir une assistance rapide d’experts sur les questions liées aux sciences sociales et comportementales pendant la pandémie. Raftery est membre du SEAN et a dirigé ce projet inaugural.