La mise en commun de plusieurs modèles pendant la pandémie de COVID-19 fournit des projections plus fiables sur un avenir incertain : étude

Comment peut-on décider de la meilleure ligne de conduite dans un monde plein d’inconnues ? Il existe peu de meilleurs exemples de ce défi que la pandémie de COVID-19, lorsque les responsables ont comparé avec ferveur les résultats potentiels tout en évaluant les options telles que la mise en œuvre de confinements ou l’exigence de masques dans les écoles. Les principaux outils utilisés pour comparer ces futurs étaient les modèles épidémiques.

Mais souvent, les modèles incluaient de nombreuses hypothèses non formulées et n’envisageaient qu’un seul scénario : par exemple, la poursuite des confinements. Les scénarios choisis étaient rarement cohérents entre les modèles. Toute cette variabilité a rendu difficile la comparaison des modèles, car il est difficile de savoir si les différences entre eux étaient dues à des hypothèses de départ différentes ou à un désaccord scientifique.

En réponse, nous nous sommes réunis avec des collègues pour fonder le US COVID-19 Scenario Modeling Hub en décembre 2020. Nous fournissons des projections à long terme en temps réel aux États-Unis à l’usage des agences fédérales telles que les Centers for Disease Control and Prevention, les autorités sanitaires locales et le public.

Nous travaillons directement avec les responsables de la santé publique pour identifier les futurs possibles, ou scénarios, qu’il serait le plus utile de prendre en compte lors de l’élaboration des politiques, et nous convoquons plusieurs équipes de modélisation indépendantes pour faire des projections des résultats de santé publique pour chaque scénario. Surtout, le fait que plusieurs équipes abordent la même question nous permet de mieux imaginer ce qui pourrait éventuellement se produire dans le futur.

Depuis sa création, le Scenario Modeling Hub a généré 17 séries de projections des cas, des hospitalisations et des décès de COVID-19 aux États-Unis à différents stades de la pandémie. Dans une étude récente publiée dans la revue Communications naturelles, nous avons examiné toutes ces projections et évalué dans quelle mesure elles correspondaient à la réalité qui s’est déroulée. Ce travail a fourni des informations sur le moment et les types de projections de modèles les plus fiables et, plus important encore, a soutenu notre stratégie consistant à combiner plusieurs modèles en un seul ensemble.

Plusieurs modèles valent mieux qu’un seul

L’un des principes fondateurs de notre Scenario Modeling Hub est que plusieurs modèles sont plus fiables qu’un seul.

De la température de demain sur votre application météo aux prévisions de taux d’intérêt dans les prochains mois, vous utiliserez probablement à tout moment les résultats combinés de plusieurs modèles. En particulier à une époque comme la pandémie de COVID-19, où l’incertitude est grande, la combinaison des projections de plusieurs modèles en un ensemble donne une image plus complète de ce qui pourrait se produire à l’avenir. Les ensembles sont devenus omniprésents dans de nombreux domaines, principalement parce qu’ils fonctionnent.

Notre analyse de cette approche avec les modèles COVID-19 a montré de manière éclatante la solide performance de l’ensemble Scenario Modeling Hub. Non seulement l’ensemble nous a donné des prédictions plus précises de ce qui pourrait se produire dans l’avenir dans son ensemble, mais il était nettement plus cohérent que n’importe quel modèle individuel tout au long des différentes étapes de la pandémie. Lorsqu’un modèle échouait, un autre fonctionnait bien, et en prenant en compte les résultats de tous ces différents modèles, l’ensemble s’est avéré plus précis et plus fiable.

Les chercheurs ont déjà démontré les avantages en termes de performances des ensembles pour les prévisions à court terme de la grippe, de la dengue et du SRAS-CoV-2. Mais notre étude récente est l’une des premières fois où des chercheurs testent cet effet pour des projections à long terme de scénarios alternatifs.

Un « hub » rend possible les projections multimodèles

Même si les scientifiques savent que la combinaison de plusieurs modèles dans un ensemble améliore les prévisions, il peut être difficile de constituer un ensemble. Par exemple, pour qu’un ensemble soit significatif, les résultats du modèle et les hypothèses clés doivent être standardisés. Si un modèle suppose qu’une nouvelle variante du COVID-19 prendra de l’ampleur et qu’un autre modèle ne le fera pas, ils aboutiront à des résultats très différents. De même, un modèle qui projette les cas et celui qui projette les hospitalisations ne fourniraient pas de résultats comparables.

Bon nombre de ces défis sont surmontés en se réunissant en tant que « plaque tournante ». Nos équipes de modélisation se réunissent chaque semaine pour s’assurer que nous sommes tous sur la même longueur d’onde concernant les scénarios que nous modélisons. De cette façon, toute différence dans ce que projettent les modèles individuels est le résultat de choses que les chercheurs ne connaissent vraiment pas. Conserver ce désaccord scientifique est essentiel ; Le succès de l’ensemble Scenario Modeling Hub vient du fait que chaque équipe de modélisation adopte une approche différente.

Dans notre hub, nous travaillons ensemble pour concevoir nos scénarios de manière stratégique et en étroite collaboration avec les responsables de la santé publique. En projetant les résultats selon des scénarios spécifiques, nous pouvons estimer l’impact d’interventions particulières, comme la vaccination.

Par exemple, un scénario avec une vaccination plus élevée peut être comparé à un scénario avec les taux de vaccination actuels pour comprendre combien de vies pourraient potentiellement être sauvées. Nos projections ont éclairé les recommandations concernant les vaccins contre la COVID-19 pour les enfants et les rappels bivalents pour tous les groupes d’âge, en 2022 et 2023.

Dans d’autres cas, nous concevons des scénarios pour explorer les effets d’inconnues importantes, telles que l’impact d’un nouveau variant, connu ou hypothétique. Ces types de scénarios peuvent aider les individus et les institutions à savoir à quoi ils pourraient être confrontés à l’avenir et à planifier en conséquence.

Bien que le processus de hub nécessite beaucoup de temps et de ressources, nos résultats ont montré que cet effort porte des fruits évidents : les informations que nous générons ensemble sont plus fiables que celles que nous pourrions générer seuls.

Fiabilité passée, confiance pour l’avenir

Étant donné que les projections du Scenario Modeling Hub peuvent éclairer de véritables décisions de santé publique, il est essentiel que nous fournissions les meilleures informations possibles. Se tenir responsable lors des évaluations rétrospectives nous permet non seulement d’identifier les domaines où les modèles et les scénarios peuvent être améliorés, mais nous aide également à établir la confiance avec les personnes qui s’appuient sur nos projections.

Notre plateforme s’est élargie pour produire des projections de scénarios pour la grippe, et nous introduisons des projections pour le virus respiratoire syncytial, ou VRS. Et il est encourageant de constater que d’autres groupes à l’étranger, notamment dans l’UE, reproduisent notre configuration.

Les scientifiques du monde entier peuvent adopter l’approche centralisée dont nous avons démontré qu’elle améliore la fiabilité pendant la pandémie de COVID-19 et l’utiliser pour soutenir une réponse globale de santé publique aux menaces pathogènes importantes.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lisez l’article original.