Coronavirus : facteurs d’influence et modélisation

16 juin 2020 Analyses, Coronavirus pas de commentaire

[article initialement publié le 8 juin 2020]

Analyse de données issues de la bibliographie consacrée coronavirus, concernant les facteurs d’influence (qui impactent le taux de contamination et le taux de survie). Modélisation du taux de mortalité par analyse des forces et faiblesses de chaque pays.

L’analyse du coronavirus comprend 3 articles :

  1. Le coronavirus en France
  2. Le coronavirus dans le monde
  3. Facteurs d’influence et modélisation

Analyse des facteurs d’influence

Influences sur le taux de contamination

Influence du port du masque et du respect des distances sociales sur le taux contamination.
Attention : études réalisées en milieu hospitalier, en présence de patients covid.

Le bénéfice/risque représente le taux (patients non-contaminés / patients contaminés).

Influences sur le taux de survie

Influence de différents facteurs sur les chances de survie des patients hospitalisés.

Attention : les facteurs ne sont pas uniques pour un patient, les influences sur le risque sont multiples. Le facteur ethnique est vraisemblablement à prendre comme un facteur sociologique, tant les risques de comorbidité et de mauvaise qualité de soin sont corrélés à l’ethnie et/ou au pays.
Le bénéfice/risque représente le taux (patients guéris / patients décédés).

Modélisation par Forces et faiblesses

Prise en compte de différents indicateurs relatifs à un pays et à sa population, pour modéliser le rapport K théorique de chaque pays.

 

  • NRpat modélisé = log(Σ(ki.%i.105)).
  • %i : un des indicateurs et ki sa pondération.
  • NRpop modélisé = NRpop cas + NRpat modélisé

Les coefficients ki sont calculés pour minimiser NRpop réel – NRpop modélisé

Données brutes

Les pays sont classés selon le risque patient constaté.

Pondérations

Les pondérations positives augmentent le risque patient, ce sont les faiblesses, les pondérations négatives diminuent le risque patient, ce sont les forces.
* : dans les calculs, le PIB/habitant, le nombre de lits/habitants et la densité de population sont ramenés à un %, en tenant compte des valeurs maximales.

Résultat

Risque patient modélisé

L’écart entre le nombre modélisé de décès et le nombre constaté est précisé en info-bulles.

Sources