Développement d’un modèle d’ensemble pour anticiper la demande hospitalière COVID-19 à court terme
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Depuis deux ans, la pandémie de COVID-19 exerce une pression sur le système hospitalier, avec des conséquences sur les parcours de soins des patients. Pour soutenir les stratégies de planification des hôpitaux, il est important d’anticiper la demande de soins de santé liée à la COVID-19 et de continuer à améliorer les modèles prédictifs.
Dans cette étude publiée dans le Actes de l’Académie nationale des sciencesdes scientifiques de l’unité de modélisation mathématique des maladies infectieuses de l’Institut Pasteur ont identifié les variables prédictives les plus pertinentes pour anticiper la demande hospitalière et ont proposé d’utiliser un modèle d’ensemble basé sur la moyenne des prédictions de plusieurs modèles individuels.
Les scientifiques ont commencé par évaluer les performances de 12 modèles individuels et de 19 variables prédictives, ou “prédicteurs”, telles que des données épidémiologiques (par exemple le nombre de cas) et des données météorologiques ou de mobilité (par exemple l’utilisation des transports en commun). Les scientifiques ont montré que les modèles incorporant ces variables prédictives précoces étaient plus performants. L’erreur de prédiction moyenne a été réduite de moitié pour les prédictions à 14 jours. “Ces variables précoces détectent plus rapidement les changements de dynamique épidémique”, explique Simon Cauchemez, responsable de l’unité de modélisation mathématique des maladies infectieuses à l’Institut Pasteur et dernier auteur de l’étude. “Les modèles les plus performants utilisaient au moins un prédicteur épidémiologique et un prédicteur de mobilité”, poursuit-il. L’ajout d’une variable météorologique a également amélioré les prévisions mais avec un impact plus limité.
Les scientifiques ont ensuite construit un modèle d’ensemble, en prenant la moyenne de plusieurs modèles individuels, et ont testé le modèle rétrospectivement en utilisant des données épidémiologiques de mars à juillet 2021. Cette approche est déjà utilisée dans les prévisions climatiques. “Notre étude montre qu’il est préférable de développer un modèle d’ensemble, car cela réduit le risque que la trajectoire prédite soit trop influencée par les hypothèses d’un modèle spécifique”, explique Juliette Paireau, ingénieure de recherche au sein de l’unité Modélisation mathématique des maladies infectieuses. à l’Institut Pasteur et co-auteur principal de l’étude.
Ce modèle d’ensemble est utilisé pour le suivi de l’épidémie en France depuis le 15 janvier 2021.
L’étude démontre une approche qui peut être utilisée pour mieux anticiper la demande hospitalière de patients COVID-19 en combinant différents modèles de prédiction basés sur des prédicteurs précoces.
Les résultats complets de l’étude sont disponibles sur la page Modélisation : https://modelisation-covid19.pasteur.fr/analyse-en-temps-real/hopital/
Source de l’histoire :
Matériaux fourni par Institut Pasteur. Remarque : Le contenu peut être modifié pour le style et la longueur.
