Pendant la pandémie de COVID-19, le Centre de modélisation de scénarios COVID-19 a généré des projections prospectives pour les cas, les hospitalisations et les décès de COVID-19 dans le cadre de scénarios spécifiques et pertinents pour les politiques. Ces projections ont été fournies aux agences fédérales telles que les Centers for Disease Control and Prevention, aux autorités sanitaires locales et au public pour aider à éclairer les décisions telles que la libération des vaccins COVID-19 pour les enfants et le moment où des injections de rappel ont été recommandées.
Une équipe de chercheurs du centre, dirigée par des biologistes de Penn State, a évalué l’exactitude et la fiabilité de ces près de deux millions de projections, y compris des modèles d’ensemble, qui regroupent plusieurs projections de modèles individuels pour un scénario donné, réalisées sur deux ans en comparant rétrospectivement le modèle. projections avec ce qui s’est réellement passé. Les modèles ont montré comment diverses interventions auraient un impact sur la progression de la pandémie en fonction d’un scénario de départ spécifique, qui, selon les chercheurs, est resté proche de la réalité pendant 22 semaines en moyenne avant l’arrivée, par exemple, d’une variante imprévue du virus. Ils ont également constaté que le modèle d’ensemble surpassait les projections individuelles, se classant parmi les trois premiers modèles sur quatre à neuf modèles individuels, dans 93 % des cas.
L’équipe a publié ses conclusions dans la revue Communications naturelles. Les résultats mettent en évidence la valeur d’une approche de modélisation collaborative, ont déclaré les chercheurs, et pourraient avoir des implications pour mieux prédire les futurs scénarios d’épidémies, de la grippe saisonnière aux pandémies généralisées.
« Le centre de modélisation de scénarios COVID-19 sollicite des projections auprès de plusieurs équipes de modélisation indépendantes », a déclaré Emily Howerton, chercheuse postdoctorale en biologie au Penn State Eberly College of Science, membre du centre et chef de l’équipe de recherche. « Ces équipes font des projections pour des scénarios politiques spécifiques conçus par le hub et visant à répondre collectivement aux questions clés de santé publique. Le hub est un énorme effort de collaboration, ce qui le rend vraiment passionnant. »
Les équipes de modélisation proviennent d’horizons divers, notamment d’établissements universitaires, d’agences gouvernementales et du secteur privé, pour générer des projections de scénarios.
« Contrairement aux prévisions météorologiques, qui examinent ce qui se passera sur la base des tendances précédentes, les projections de scénarios considèrent ce qui pourrait se produire dans un ensemble de conditions spécifiques », a déclaré Howerton, expliquant qu’une telle projection pourrait modéliser ce qui pourrait se produire si un nouveau variant apparaissait ou aider évaluer les stratégies d’intervention. « Cela nous permet de faire des projections plus loin dans le futur et d’évaluer l’impact des interventions potentielles. »
Le pouvoir en chiffres
Le hub combine également les projections individuelles dans une projection de scénario d’ensemble qui comprend les résultats de quatre à neuf modèles mathématiques, chacun développé par les différentes équipes.
« La projection d’ensemble, c’est un peu comme demander conseil à un groupe d’amis », a déclaré Howerton. « Vous entendez diverses recommandations et vous combinez ces recommandations dans votre esprit, en recherchant les similitudes et les différences au fur et à mesure que vous décidez. »
À partir de février 2021, le centre a produit 16 séries de projections, chacune prévoyant des conséquences sur une période de trois mois à un an. Selon Howerton, chaque cycle a été guidé par des discussions en cours avec des partenaires de santé publique étatiques et fédéraux et a reflété l’évolution de la compréhension de l’origine et de la réponse au virus. Pour chaque série de projections, le hub a créé quatre scénarios. Par exemple, lors du deuxième cycle, le centre a fait varier le taux de vaccination en fonction de la propagation des variantes pour créer les quatre scénarios : taux de vaccination élevé avec une forte propagation des variantes, vaccination élevée avec une faible propagation, etc.
Dans cet article, pour chacun des 16 cycles, ils ont comparé rétrospectivement ces projections de scénarios avec ce qui s’est finalement produit et les ont évalués selon deux critères : l’objectif prospectif – si les scénarios correspondaient à la réalité ; et une évaluation rétrospective – pendant combien de temps la réalité correspondait aux spécifications du scénario. Sur la base de ces critères, le modèle d’ensemble a généralement surpassé tous les modèles individuels en se classant parmi les deux premiers 69 % du temps et parmi les trois premiers 93 % du temps.
« Dans le contexte du Scenario Modeling Hub, nous avons également constaté de nettes améliorations des performances de l’ensemble par rapport aux modèles individuels », a déclaré Cécile Viboud, scientifique principale au Fogarty International Center des National Institutes of Health (NIH Fogarty) et l’un des dirigeants de l’équipe de recherche. « Non seulement l’ensemble était plus précis dans la prévision des tendances globales du COVID-19, par rapport aux modèles individuels, mais il était également plus fiable sur les 16 cycles que n’importe quel modèle individuel, ce qui est extrêmement important lorsqu’il s’agit de prise de décision. »
Historique du hub
Le pôle a été créé en décembre 2020 et s’appuie sur d’autres efforts multimodèles visant à soutenir la prise de décision en matière de santé publique. Selon la co-auteure Katriona Shea, l’idée d’éclairer la prise de décision avec plusieurs modèles indépendants a été inspirée par un exercice qu’elle a mené plus tôt dans la pandémie, appelé Multiple Models for Outbreak Decision Support (MMODS) qui combinait 17 modèles pour évaluer la réouverture du COVID-19. stratégies. Shea, professeur de biologie et ancien professeur en sciences biologiques au Penn State Eberly College of Science et l’un des principaux chercheurs de cette équipe, a déclaré qu’elle avait été inspirée par son expérience dans d’autres domaines, où la collecte et la combinaison de jugements d’experts sont une pratique courante. .
« Cet article montre le véritable pouvoir d’une projection d’ensemble, non seulement pour générer un consensus, mais aussi pour identifier quand il y a des choses importantes que nous ne connaissons pas », a déclaré Shea. « Ce type d’information est essentiel pour les décideurs alors qu’ils gèrent les menaces de maladies actuelles et les futures pandémies. »
Pour illustrer la puissance des projections d’ensemble, le centre a récemment comparé l’émergence d’un nouveau variant sur deux ans à trois stratégies de vaccination différentes : pas de vaccin, vaccins uniquement pour les personnes de 65 ans ou plus et vaccins pour tout le monde. Ces résultats ont été partagés lors de la réunion du Comité consultatif sur les pratiques d’immunisation, qui élabore des recommandations pour les vaccins, et ont été utilisés pour faciliter la décision de publier des vaccins mis à jour en septembre.
« Ce travail souligne vraiment l’importance de se rassembler en tant que « centre », de répondre aux mêmes questions et d’utiliser notre pouvoir collectif pour fournir des informations plus fiables que ce qu’une seule équipe pourrait fournir seule », a déclaré Justin Lessler, professeur d’épidémiologie à la Gillings School. de santé publique mondiale à l’Université de Caroline du Nord et l’un des dirigeants de l’équipe de recherche. « Ce cadre d’ensemble multimodèle a été essentiel à l’impact du hub tout au long de la pandémie. Nos projections fiables et précises ont été une source d’informations clé pour éclairer la réponse aux variantes émergentes et les décisions de commercialisation des vaccins contre la COVID-19 pour les enfants. et des injections de rappel bivalentes pour tous les groupes d’âge.
Plus d’information:
Emily Howerton et al, Évaluation du centre américain de modélisation de scénarios COVID-19 pour informer la réponse à la pandémie dans des conditions d’incertitude, Communications naturelles (2023). DOI : 10.1038/s41467-023-42680-x