Inspiré par les tensions entre santé et bien-être financier au cours de la pandémie de COVID-19, un nouveau modèle pourrait améliorer considérablement les prévisions sur la propagation de la maladie en reconnaissant les compromis en cas de crise sanitaire entre la santé publique et le bien-être personnel.
Cet effort, dirigé par des économistes et des experts en maladies de l’Université Johns Hopkins, offre un outil puissant pour renforcer la politique de santé en intégrant la prise de décision personnelle dans un modèle de prévision des maladies. Le modèle améliorera la prévision des maladies, permettra aux décideurs de mieux comprendre les implications des politiques et de clarifier la manière dont les politiques pourraient affecter différentes populations socio-économiques.
« Ce qui est intéressant dans notre travail, c’est qu’en réunissant des économistes et des épidémiologistes, nous pouvons capturer cette idée de compromis entre les risques sanitaires et la vulnérabilité économique qui ont tendance à émerger lors d’une pandémie », a déclaré l’auteur Nick Papageorge, professeur d’économie et directeur associé du laboratoire de recherche sur la pauvreté et les inégalités.
« Plus important encore, nous avons pu montrer que dans certains scénarios, avec la bonne politique, il est possible de réduire les infections et de maintenir davantage de personnes au travail. Ces deux scénarios ne doivent pas toujours être contradictoires. »
L’ouvrage est publié dans Biologie computationnelle PLOS.
Les modèles épidémiologiques traditionnels prédisaient la façon dont le COVID-19 se propagerait pendant la pandémie et ont largement informé et guidé les politiques invoquées par les décideurs pour ralentir la maladie – du confinement aux exigences en matière de masquage, de vaccination et de distanciation sociale.
Mais même les meilleurs modèles ne tiennent souvent pas compte de la manière dont les individus, confrontés à des problèmes de santé et financiers variés, pourraient réagir, ni de l’impact de leurs choix personnels sur la propagation de la maladie. Et les modèles qui tentaient de capturer les comportements reposaient souvent sur des hypothèses simplistes qui ne correspondaient tout simplement pas à la réalité.
L’équipe de Johns Hopkins s’est demandée si elle pouvait créer un cadre de modélisation plus robuste et plus réfléchi en intégrant non seulement la manière dont l’infection se propagerait, mais également la manière dont les gens font des choix pendant une crise sanitaire et la manière dont ces deux concepts interagissent.
« Ce travail est nouveau dans son approche véritablement interdisciplinaire pour résoudre un problème complexe centré sur l’humain, qui exigeait l’intégration d’outils fondamentaux issus des sciences et des sciences humaines », a déclaré Lauren Gardner, professeur d’ingénierie civile et des systèmes et directrice du Center for Systems Science and Engineering.
Les architectes du nouveau modèle comprennent des experts en épidémiologie, en biologie mathématique, en ingénierie des systèmes, en économie et en science de la décision.
L’équipe a pris le modèle épidémiologique traditionnel de propagation de la maladie et y a ajouté un élément central de la modélisation économique : une prise de décision dynamique au niveau individuel. Ainsi, le modèle, appelé « modèle épidémiologique informé par rétroaction », ne pondère pas seulement des éléments tels que les taux d’infection et de vaccination, mais également l’âge, la santé et le revenu de la population, des éléments clés qui affectent la volonté et la capacité des gens à rester à la maison après leur travail, etc.
L’équipe a conçu le modèle pour se rapprocher des caractéristiques de la pandémie de COVID-19, lorsque le choix des gens de travailler en personne affectait grandement leur risque d’infection. Ils ont constaté qu’avec des interventions politiques stratégiques, telles que le dépistage de l’infection chez tous les travailleurs, il était possible à la fois de réduire la propagation de la maladie et de maintenir davantage de personnes au travail.
L’idée est que si les personnes infectées restaient à la maison après avoir été testées, leurs collègues, qui autrement seraient restés à la maison pour éviter l’infection, percevraient désormais moins de risque et décideraient d’aller travailler. Ce résultat met en valeur l’importance d’un cadre de modélisation qui capture la manière dont les choix des personnes influencent (et sont influencés par) la propagation de la maladie.
L’équipe prévoit d’étendre le modèle et de continuer à le tester.
« Le but n’est pas de dire au gouvernement quand fermer les installations ou ne pas les fermer », a déclaré Papageorge. « Au lieu de cela, nous voulons donner aux décideurs politiques des outils qui nous permettent de réfléchir aux compromis et de mieux prédire les résultats de la pandémie, compte tenu de ce que nous savons maintenant sur la manière dont les personnes et les agents pathogènes interagissent. »
