0 avis
Data-driven modeling of COVID-19 spread in France to inform pandemic response. Modélisation de la propagation du COVID-19 en France axée sur les données pour éclairer la réponse à la pandémie
Archive ouverte
Edité par CCSD -
Controlling the COVID-19 pandemic in the pre-vaccination phase required the implementation of unprecedented social-distancing interventions worldwide. Prior to sufficient vaccination coverage in summer 2021, France adopted three national lockdowns intercut with a long period of night-time curfew to limit the spread of SARS-CoV-2. Infectious disease modeling provides a quantitative framework to evaluate the effectiveness of control strategies and inform public health policies. Data on human behavior collected during the pandemic opened new opportunities and challenges for their integration in transmission models to improve performance. Here, I review how we used data-driven mathematical modeling to inform the pandemic response in France in real time, from the first wave in March 2020 to the period of dominance of the Alpha variant in spring 2021. Combining pre-pandemic empirical contacts with pandemic behavioral data, we built time-dependent synthetic contact matrices to reconstruct the mixing patterns affected by interventions during an outbreak. We integrated them in a stochastic age-structured compartmental model, adapted over time to account for multi-strain dynamic and vaccination. By fitting the transmission model to hospital data, we estimated the efficacy of interventions and projected their impact across different epidemic scenarios, exploring intensity, duration and adherence to measures. We also quantified sustainability by defining a distress index based on mobility data. Our modeling results allowed to propose safe exit strategies after a lockdown, assess the risk of school reopening, expose the weak links of the surveillance system, anticipate the upcoming waves and identify optimal lockdown strategies balancing efficacy and sustainability. Communication of these results to public health authorities in France throughout the pandemic provided actionable insights to inform data-driven decision making. . Le contrôle de la pandémie de COVID-19 dans la phase de pré-vaccination a nécessité la mise en œuvre d’interventions de distanciation sociale sans précédent dans le monde entier. Avant une couverture vaccinale suffisante à l’été 2021, la France a adopté trois confinements nationaux entrecoupés d’une longue période de couvre-feu nocturne pour limiter la propagation du SARS-CoV-2. La modélisation des maladies infectieuses fournit un cadre quantitatif permettant d’évaluer l’efficacité des stratégies de contrôle et d’informer les politiques de santé publique. Les données sur le comportement humain recueillies pendant la pandémie ont ouvert de nouvelles possibilités et de nouveaux défis pour leur intégration dans les modèles de transmission afin d’en améliorer la performance. Ici, je parle de la façon dont nous avons utilisé la modélisation mathématique basée sur les données pour informer la réponse à la pandémie en France en temps réel, de la première vague en mars 2020 à la période de dominance du variant Alpha au printemps 2021. En combinant les contacts empiriques pré-pandémiques avec les données comportementales pandémiques, nous avons construit des matrices de contact synthétiques dépendant du temps pour reproduire les interactions sociales affectés par les interventions pendant une épidémie. Nous les avons intégrées dans un modèle compartimental stochastique structuré par âge, adapté dans le temps pour tenir compte de la dynamique multi-souches et de la vaccination. En calibrant le modèle de transmission aux données hospitalières, nous avons estimé l’efficacité des interventions et projeté leur impact dans différents scénarios épidémiques, en explorant l’intensité, la durée et l’adhésion aux mesures. Nous avons également quantifié la durabilité en définissant un "distress index" basé sur les données de mobilité, mesurant l’impact sur la qualité de vie. Les résultats de notre modélisation ont permis de proposer des stratégies de sortie efficaces après un confinement, d’évaluer le risque de réouverture des écoles, d’exposer les maillons faibles du système de surveillance, d’anticiper les prochaines vagues et d’identifier les stratégies optimales de confinement en équilibrant efficacité et durabilité. La communication de ces résultats aux autorités de santé publique en France tout au long de la pandémie a permis de fournir des informations exploitables pour une prise de décision basée sur les données.
Consulter en ligne
Suggestions
Du même auteur
