Le modèle informatique simule le nombre de cas de COVID-19 qui auraient pu être évités dans un comté particulier des États-Unis. Vecteurs Leontura / DigitalVision via Getty Images
Le Dr Biplav Srivastava, professeur d'informatique à l'Université de Caroline du Sud, et son équipe ont développé un outil basé sur les données qui aide à démontrer l'effet du port de masques sur les cas et les décès de COVID-19. Son modèle utilise une variété de sources de données pour créer des scénarios alternatifs qui peuvent nous dire «Qu'est-ce qui aurait pu se passer?» si un comté des États-Unis avait un taux d'adhésion au masque plus ou moins élevé. Dans cet entretien, il explique comment fonctionne le modèle, ses limites et quelles conclusions nous pouvons en tirer.
L'informaticien Biplav Srivastava fournit une démo de la simulation pour montrer que les politiques antérieures de recommandation de porter un masque font une plus grande différence sur la propagation du coronavirus.
{vembed Y=g3o_TW2OWJU}
Que fait ce modèle d'ordinateur?
Il s'agit d'un outil national qui peut montrer l'effet que le port de masques peut avoir. Si c'est un comté où les gens portent des masques régulièrement, cela vous montrera combien de cas et de décès COVID-19 ils ont évité. Si vous choisissez un comté où les gens ne portent pas de masques, cela vous montrera combien de cas et de décès auraient pu y être évités.
Comment ça marche?
Nous avons besoin de beaucoup de données pour ce faire. Le New York Times interrogé presque tous les comtés des États-Unis au cours de l'été et a attribué un score de port de masque de 0 à 5 à chacun d'eux, c'est donc au cœur du modèle. Nous utilisons également les données du New York Times et de Johns Hopkins pour les numéros de cas en temps réel; les données du recensement pour des données démographiques telles que la taille de la population, l'âge médian et plus encore; et des données géographiques pour mesurer la distance entre les comtés.
Il est basé sur une technique mathématique appelée contrôle synthétique robuste, qui est souvent utilisée dans la recherche sur les médicaments, où il existe un groupe témoin et un groupe de traitement.
Par exemple, regardons Wyandotte County, Kansas. Il a un score de port de masque relativement élevé d'environ 3.4. Parce que le modèle est conçu pour nous dire le «et si?» scénario, il examinera ce qui se serait passé si le score de port de masque était réduit à 3.0, qui est notre seuil pour «faible port de masque», mais l'utilisateur peut également expérimenter d'autres valeurs pour voir ce qui se passe. Nous sommes arrivés à 3.0 sur la base d'une analyse des habitudes nationales de port de masque. Les valeurs réelles variaient entre 1.4 et 3.85, avec une moyenne nationale de 2.98.
Nous pouvons fixer une date à laquelle le score de port du masque passe à 3.0. Si nous le définissons du 1er juin au 1er octobre, cela nous indique que le comté de Wyandotte aurait eu 101.5% de cas de plus et 150 décès de plus au cours de cette période. Il indique à l'utilisateur le nombre de décès survenus ou évités en fonction d'un paramètre de taux de mortalité que l'utilisateur peut définir. Dans cet exemple, il a été fixé à 2%.
Comment le modèle crée-t-il le «Et si?» scénario si cela ne s'est pas réellement produit? Pour ce faire, il examine les autres comtés qui sont à proximité et ont des données démographiques et un nombre de cas similaires, mais un seuil de port de masque inférieur. Il essaie de trouver une moyenne pondérée pour former un groupe témoin synthétique qui est similaire à notre comté d'intérêt (groupe de traitement). Le modèle examine ensuite dans quelle mesure les deux groupes ont divergé en termes de nombre de cas. La différence de nombre de cas entre les deux groupes est convertie en une différence de décès à l'aide du paramètre du taux de mortalité.
Qu'est-ce que cela nous apprend sur l'impact des politiques de port de masque?
Il peut être utile de continuer à porter un masque ou de mettre en œuvre une politique de masque à tout moment. Mais son impact est le plus élevé lorsque vous le faites tôt. Lorsque vous exécutez ce modèle plusieurs fois en utilisant des dates différentes, vous constatez que l'impact diminue à mesure que vous retardez la mise en œuvre d'une stratégie de port de masque. Donc, si un comté avait mis en œuvre une politique de masque le 1er juin, cela aurait évité de nombreux cas. Si elle agissait le 1er juillet, elle aurait un impact moindre. S'il avait agi en août, il aurait quand même évité des cas, mais un très petit nombre.
Quelles sont les limites de ce modèle?
Cet outil fonctionne mieux pour certains comtés que pour d'autres. En général, cela fonctionne mieux avec les comtés plus proches de la moyenne, car il aura des correspondances plus proches à comparer. Il y a aussi une limite dans le sens où l'enquête sur l'observance des masques du New York Times a été réalisée pendant l'été, et les choses ne cessent de changer. Donc, si d'autres chercheurs utilisent cet outil, ils devront rendre compte des changements.
Mais ce que vous voyez, c'est que lorsque vous mettez en œuvre une politique de masques ou que la population porte régulièrement des masques, cela a un impact positif. Et plus vous le faites tôt, plus c'est efficace.
A propos de l'auteur
Biplav Srivastava, professeur d'informatique, Université de Caroline du Sud. Je voudrais saluer le travail de mon équipe, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda et Lokesh Johri, dans le développement de ce programme.
Cet article est republié de The Conversation sous une licence Creative Commons. Lis le article original.
Livres connexes:
Le corps garde le score : le cerveau, l'esprit et le corps dans la guérison des traumatismes
par Bessel van der Kolk
Ce livre explore les liens entre les traumatismes et la santé physique et mentale, offrant des idées et des stratégies de guérison et de rétablissement.
Cliquez pour plus d'informations ou pour commander
Souffle: la nouvelle science d'un art perdu
par James Nestor
Ce livre explore la science et la pratique de la respiration, offrant des idées et des techniques pour améliorer la santé physique et mentale.
Cliquez pour plus d'informations ou pour commander
Le paradoxe végétal : les dangers cachés des aliments « sains » qui causent des maladies et une prise de poids
par Steven R. Gundry
Ce livre explore les liens entre l'alimentation, la santé et la maladie, offrant des idées et des stratégies pour améliorer la santé et le bien-être en général.
Cliquez pour plus d'informations ou pour commander
Le code de l'immunité : le nouveau paradigme de la vraie santé et de l'anti-âge radical
par Joel Greene
Ce livre offre une nouvelle perspective sur la santé et l'immunité, s'appuyant sur les principes de l'épigénétique et offrant des idées et des stratégies pour optimiser la santé et le vieillissement.
Cliquez pour plus d'informations ou pour commander
Le guide complet du jeûne : Guérissez votre corps grâce au jeûne intermittent, alterné et prolongé
par le Dr Jason Fung et Jimmy Moore
Ce livre explore la science et la pratique du jeûne en offrant des idées et des stratégies pour améliorer la santé et le bien-être en général.
