Regional analysis of COVID-19 in France from fit of hospital data with different evolutionary models
Analyse régionale du COVID-19 en France par ajustement des données hospitalières avec différents modèles d'évolution
Résumé
The SIR evolutionary model predicts too sharp a decrease of the fractions of people infected with COVID-19 in France after the start of the national lockdown, compared to what is observed. I fit the daily hospital data: arrivals in regular and critical care units, releases and deaths, using extended SEIR models. These involve ratios of evolutionary timescales to branching fractions, assumed uniform throughout a country, and the basic reproduction number, R 0 , before and during the national lockdown, for each region of France. The joint-region Bayesian analysis allows precise evaluations of the time/fraction ratios and pre-hospitalized fractions. The hospital data are well fit by the models, except the arrivals in critical care, which decrease faster than predicted, indicating better treatment over time. Averaged over France, the analysis yields R 0 = 3.4 ± 0.1 before the lockdown and 0.65 ± 0.04 (90% c.l.) during the lockdown, with small regional variations. On 11 May 2020, the Infection Fatality Rate in France was 4 ± 1% (90% c.l.), while the Feverish vastly outnumber the Asymptomatic, contrary to the early phases. Without the lockdown nor social dis-tancing, over 2 million deaths from COVID-19 would have occurred throughout y France, while a lockdown that would have been enforced 10 days earlier would have led to less than 1000 deaths. The fraction of immunized people reached a plateau below 1% throughout France (3% in Paris) by late April 2020 (95% c.l.), suggesting a lack of herd immunity. The widespread availability of face masks on 11 May, when the lockdown was partially lifted, should keep R 0 below unity if at least 46% of the population wear them outside their home. Otherwise, without enhanced other social distancing, a second wave is inevitable and cause the number of deaths to triple between early May and October (if R 0 = 1.2) or even late June (if R 0 = 2).
Le modèle évolutif SIR prédit une diminution trop forte des fractions de personnes infectées par COVID-19 en France après le début du verrouillage national, par rapport à ce qui est observé. J'ajuste avec des modèles SEIR étendus les données quotidiennes des hôpitaux français : arrivées dans les unités de soins intensifs et critiques, sorties et décès. Cette analyse implique des ratios de durée entre phases sur des fractions de branchement, supposés uniformes dans tout un pays, et le nombre de reproduction de base, R 0, avant et durant le confinement national, pour chaque région de France. L'analyse bayésienne jointe des régions permet des évaluations précises des rapports durée / fraction et des fractions des phases pré-hospitalisées. Les données hospitalières sont bien ajustées par les modèles, à l'exception des arrivées en soins intensifs, qui diminuent plus rapidement que prévu, indiquant un meilleur traitement au fil du temps. En moyenne sur la France, l'analyse donne R 0 = 3,4 ± 0,1 avant et 0,65 ± 0,04 (90% de confiance) durant le confinement, avec des petites variations régionales. Le 11 mai 2020, le taux de létalité par COVID-19 en France était de 4 ± 1% (90% de confiance), tandis que les Fiévreux sont largement plus nombreux que les Asymptomatiques, contrairement aux premières phases. Sans confinement ni de distanciation sociale, la France aurait subi plus de 2 millions de décès dus au COVID-19, tandis qu'un confinement appliqué 10 jours plus tôt aurait fait moins de 1000 morts. La fraction des personnes immunisées a atteint un plateau inférieur à 1% dans toute la France (3% à Paris) fin avril 2020 (95% de confiance), suggérant un manque d'immunité collective. La disponibilité généralisée des masques faciaux le 11 mai, lors de la levée partielle due confinement, devrait maintenir R 0 en dessous de l'unité si au moins 46% de la population les porte en dehors de leur domicile. Sinon, sans autre distanciation sociale, une deuxième vague est inévitable et fera tripler le nombre de décès entre début mai et octobre (si R 0 = 1,2) ou même fin juin (si R 0 = 2).
Domaines
Santé publique et épidémiologie
Origine : Fichiers produits par l'(les) auteur(s)
Loading...