Publiée dans la revue Nature Human Behaviour, l’étude a été menée par des chercheurs d’Autriche et d’Italie.

 

• Celle-ci passe au crible plus de 6000 mesures (appelées NPI, pour Non Pharmacological Intervention) adoptées entre mars et avril dans 79 Etats.

 

• Les chercheurs ont utilisé quatre approches informatiques distinctes pour modéliser ces mesures (ou NPI) d’un point de vue épidémiologique. Il s’agissait en particulier d’évaluer leur effet individuel sur la réduction de l’indicateur Re, le nombre de reproduction de l’épidémie, qui décrit le nombre moyen de personnes contaminées par chaque malade.

 

• Pour s’assurer de la cohérence de leurs résultats, ils les ont ensuite validé sur un jeu de données beaucoup plus large, comportant plus de 42’000 mesures adoptées par 226 pays.

 

Les résultats.

 

Ils permettent de hiérarchiser les catégories de mesures les plus efficaces pour limiter la propagation de Covid-19. Les quatre méthodes numériques concordent pour dire qu’il s’agit:

 

• De l’annulation des petits rassemblements sociaux,
• De la fermeture des établissements scolaires,
• De la fermeture des frontières,
• Des restrictions de déplacement,
• De la fourniture d’équipement de protection (masques, notamment).

 

Le détail des résultats, mesure par mesure, est disponible dans le tableau ci-dessous. Il montre l’effet de la mesure sur le Re (les barres horizontales représentent les marges d’erreur).

A l’inverse, ces résultats dévoilent aussi les mesures qui ne marchent pas aussi bien qu’escompté. C’est par exemple le cas de la désinfection des surfaces, au domicile ou sur les lieux de travail, qui ne montre qu’un impact très limité sur la propagation de l’épidémie.

 

Ce n’est pas tout: les chercheurs montrent aussi que certaines mesures, que l’on pourrait penser mineures (par exemple la communication des risques à des fins d’auto-responsabilisation, ou encore le soutien aux populations vulnérables), ne le sont pas tant que cela. Celles-ci sont presque aussi efficaces au plan sanitaire que d’autres mesures plus contraignantes, tout en étant moins lourdes d’un point de vue social et économique.

 

Quantifier l’incertitude.

 

Les marges d’erreur restent élevées, comme le montre le graphe ci-dessus. Cela s’explique par le fait qu’au printemps dernier, les pays touchés ont été obligés d’adopter plusieurs mesures à la fois pour maximiser leurs chance de freiner l’épidémie.

 

Peter Klimek, professeur associé à l’Université médicale de Vienne et co-auteur de l’étude, nous explique:

 

«C’était le principal défi statistique de ce travail: ces NPI ont été implémentés par paquet, de façon simultanée. Les démmêler pour évaluer leur contribution individuelle est délicat. On pourrait même arguer qu’un indicateur tel que l’efficacité individuelle d’une mesure n’existe pas. Prenons la fermeture des écoles, par exemple. Ce faisant, vous allez automatiquement entraîner la fermeture d’un certain nombre de lieux de travail et commerces, où les parents ne pourront pas se rendre car ils devront garder leurs enfants. Vous n’allez pas fermer seulement les écoles.»

 

Il poursuit: «Or d’un point de vue statistique, il n’y a pas moyen de faire la part des choses. C’est cette incertitude que montrent les barres d’erreur du graphe ci-dessus. C’est pourquoi les NPI doivent être évaluées dans leur contexte local: quelles autres mesures sont déjà en place, le climat socio-économique, culturel, le type de gouvernance en place… Malheureusement, cet aspect nous a semblé sous-estimé dans la littérature scientifique jusqu’à présent. C’est pourquoi nous avons voulu insister sur ce point.»

 

L’avis d’un expert.

 

Pour Antoine Flahault épidémiologiste et directeur de l’institut de santé globale de l’Université de Genève (il n’a pas pris part à ces travaux), l’approche est originale.

 

«Il s’agit de l’une des premières publications qui présente une étude approfondie et détaillée des différentes mesures de lutte contre la pandémie en l’absence de vaccin et de traitement efficace disponibles. Nous connaissons bien sûr toutes les mesures présentées, mais ce travail permet de constater d’une part qu’il n’y a pas de ‘mesure magique’ qui permettrait de faire baisser le taux de reproduction R, et qu’il n’y a pas non plus de “one size fits all “ de mesure universelle qui fonctionnerait partout en tous temps.»

 

Les perspectives.

 

Ces travaux soulignent plusieurs ingrédients clés d’une bonne réponse à l’épidémie:

 

• La prise en compte du contexte local. En n’occultant pas l’incertitude, l’étude fait surgir une façon différente d’appréhender l’efficacité des mesures, voire leur pilotage par les autorités. Un niveau «d’entropie» statistique est ainsi calculé pour chaque mesure: il correspond à la variabilité de l’efficacité de la mesure entre les différents pays qui l’ont mise en place. Antoine Flahault commente:

 

«C’est un résultat original. Personne, à ma connaissance, n’avait jamais étudié par le détail la régionalisation des options de riposte contre cette pandémie. Ce travail montre par exemple que les mesures de confinement et les restrictions aux frontières sont associées à un niveau élevé d’entropie, ce qui signifie que leur efficacité est très variable entre les différents pays étudiés, alors que l’efficacité de mesures comme le testing, la recherche des contacts, ou encore les soins dispensés sont moins variables d’un pays à l’autre.

 

[Dans notre réponse à la première vague], on a peut-être eu trop tendance à vouloir plaquer des modèles extérieurs, sortis de leur contexte, pour tenter d’améliorer notre riposte, alors qu’ils n’étaient pas ou plus transposables. Car si ce travail montre qu’il n’y a pas de recettes miracles, il montre aussi que certaines mesures dépendent beaucoup du contexte géographique et temporel dans lesquels ces mesures ont été déployées.»

 

• Appliquer la bonne mesure au bon moment. Peter Klimek rappelle que certaines mesures n’ont pas le même impact, selon qu’elles soient prises à temps, ou trop tard. Antoine Flahault illustre:

 

«Le rôle de la fermeture des frontières était crucial en mars-avril, puisque le virus était en train de se répandre dans le monde. On conçoit qu’alors la fermeture des frontières ait pu avoir une efficacité majeure lorsqu’elle a été mise en œuvre précocement avant que le virus n’entre de façon trop massive dans les pays qui l’ont mis en œuvre. Mais quelques temps après, une telle mesure appliqué à des territoires déjà largement contaminés n’aura pas eu la même efficacité.»

 

• Adopter les mesures progressivement, selon un scénario-type. Les mesures seront aussi plus ou moins efficaces selon l’ordre dans lequel elles sont prises. Pour Peter Klimek, cela montre que les pays ont besoin de se préparer à différents scénarios, c’est-à-dire plusieurs séquences de mesures, afin de pouvoir correctement réagir.

 

«De tels scénarios conditionnels sont nécessaires pour que chaque pays, en fonction de son stade d’avancement épidémique et des NPI déjà en place, puisse anticiper les effets d’une mesure supplémentaire.

 

Un exemple: la fermeture des aéroports et l’interdiction des rassemblements privés sont très utiles lorsque décidés suffisemment tôt. Mais quand l’épidémie se propage, leur efficacité décroît progressivement.»

 

• L’efficacité des confinements stricts est à relativiser. Ces derniers ne doivent être décidés qu’en dernier recours, en cas de perte de contrôle de l’épidémie, avertissent les auteurs. Le confinement au domicile n’a qu’un effet modéré sur l’épidémie par rapport à d’autres mesures moins drastiques, expliquent-ils dans la publication:

 

«Notre travail montre que ces confinements stricts n’ont qu’un effet modéré. Il y a en effet un chevauchement avec plusieurs mesures associées, mais qui peuvent être adoptées séparément: fermeture des frontières, des écoles, des commerces non-essentiels, interdiction des rassemblements…»

 

• Les limites des modèles épidémiologiques. Enfin, un modèle numérique n’est jamais… qu’un outil, rappelle Peter Klimek. Et ne doit pas occulter d’autres grilles d’analyse de cette question profondément sociale qu’est la lutte contre l’épidémie.

 

«Le défi [de la deuxième vague, ndlr], c’est qu’il n’y a aucune garantie que les mesures qui ont marché une fois fonctionnent une seconde fois. Ceci tient à deux raisons. Tout d’abord, l’importance du contexte local, que j’ai déjà expliqué. Mais aussi en raison de l’adhésion de la population à ces règles, qui pourrait être différente aujourd’hui comparée à mars-avril.

 

Ce n’est pas forcément de meilleurs modèles épidémiologiques dont nous avont besoin, mais de meilleurs modèles sociologiques, afin de comprendre comment améliorer l’adhésion de la population à long terme.»