Les facteurs clés dans la modélisation d’une pandémie et l’orientation de l’élaboration des politiques comprennent les taux d’infection ; taux de mortalité associés aux infections; la capacité et l’efficacité des politiques, des systèmes médicaux et des sociétés à s’adapter à la dynamique changeante d’une pandémie ; et d’autres facteurs structurels ( Verity et al. 2020 ). Comprendre ces facteurs est nécessaire pour remobiliser les travailleurs sans risquer une surcharge médicale ( Baldwin 2020 ). Dans Jinjarak et al. (2020), nous faisons le point sur les données recueillies au cours des trois premiers mois de la pandémie de COVID-19, retraçant les associations entre la mortalité liée à la COVID-19 et les interventions politiques en cas de pandémie tout en tenant compte des schémas mondiaux de diffusion de la pandémie. Les interventions politiques en cas de pandémie dans notre examen font référence aux politiques de confinement et de fermeture qui visent à limiter les contacts sociaux. Notre spécification empirique tient compte de ces considérations, sous réserve des données limitées disponibles sur les facteurs clés. Plus précisément, la rareté des tests COVID-19 et les informations limitées sur la précision des tests disponibles impliquent une vaste sous-estimation des taux d’infection par habitant, peut-être d’un facteur à deux chiffres.
Le sous-dénombrement des taux de mortalité de la population COVID-19 est également répandu, mais d’un ordre de grandeur inférieur aux erreurs associées aux taux d’infection.
Par conséquent, nous nous concentrons principalement sur la comptabilisation des taux de mortalité de la population COVID-19 par habitant pendant la première phase de la pandémie, en contrôlant les facteurs politiques et structurels sous réserve de la disponibilité et de la qualité des données. Nous prévoyons de réexaminer ces problèmes avec des données de meilleure qualité et à plus long terme au cours des prochains trimestres.
Une bonne partie des pays ont atteint un pic local de la courbe des nouveaux taux de mortalité quotidiens de la population COVID-19 au cours de la période d’échantillonnage (voir la figure 1). En appliquant diverses techniques, nous étudions les facteurs expliquant la forme empirique de la courbe de mortalité depuis le début de la pandémie jusqu’au pic local, en mettant l’accent sur l’impact de l’intensité des politiques en interaction avec les variables structurelles. Comme la plupart des études similaires, les résultats doivent être considérés avec un scepticisme sain. Premièrement, la qualité et la disponibilité des données sont une limitation majeure, car chaque pays a ses propres défis en matière de collecte, d’agrégation et de notification des données. Deuxièmement, une « meilleure performance » dans la première phase d’atténuation d’une pandémie ne garantit pas une performance future supérieure, car la dynamique d’une nouvelle pandémie virale est encore inconnue. De par sa conception, l’aplatissement de la courbe pandémique fait avancer une partie de l’incidence de la mortalité.
Note : Moyenne mobile sur sept jours du nouveau taux de mortalité par pays. Axe Y normalisé pour que tous les pays correspondent à la même échelle. Période : 23 janvier – 28 avril 2020. Pays du cas particulier omis des graphiques ci-dessus : Chine, Singapour et Vietnam.
Notre étude s’appuie sur la politique COVID-19 quotidienne et les données de cas rapportées par l’Université d’Oxford et John Hopkins, ainsi que sur les données de mobilité d’Apple et divers contrôles. Notre étude d’estimation de base examine les sous-échantillons de l’OCDE et des marchés émergents (ME) sur la base des données du 23 janvier 2020 au 28 avril 2020, soit les 97 premiers jours de la pandémie.
Premièrement, nous étudions l’évolution des taux de croissance hebdomadaire de la mortalité dans le temps et entre les pays. En appliquant des projections locales (Jorda 2005), les données du panel suggèrent que l’administration de politiques pandémiques plus strictes était associée à des taux de croissance de la mortalité futurs significativement plus faibles au cours de la première phase pandémique.
En prenant les fondamentaux des pays à évolution lente de la période pré-COVID-19 comme exogènes, nous constatons que les pays du 75e centile de la proportion de personnes âgées (personnes de 65 ans ou plus) ont enregistré une réduction beaucoup plus forte des taux de croissance de la mortalité à partir des mêmes dix augmentation unitaire de l’indice de rigueur des politiques, SI, par rapport aux pays où la proportion de personnes âgées est relativement faible (25e centile).
Dans les pays plus éloignés de l’équateur, les mesures SI ont eu un impact plus fort sur la croissance de la mortalité que les pays plus proches de l’équateur. Cette hétérogénéité peut être cohérente avec ce que certains décrivent comme un facteur de risque lié à la température associé à de nombreux virus de la grippe (voir la figure 2). Les pays avec des proportions plus élevées de personnes âgées ou des températures plus fraîches au cours de la période janvier-avril peuvent être plus à risque en ce qui concerne le COVID-19, ce qui augmente l’efficacité des mesures de rigueur pour ces pays. Une plus grande rigueur politique est également plus fortement associée à une croissance plus faible de la mortalité au cours de la première phase de la pandémie dans les pays à plus forte densité de population ; une plus grande proportion d’employés dans des professions vulnérables; et une plus grande liberté démocratique (mesurée avec l’indice de démocratie de l’EIU), mais l’importance économique n’est pas aussi évidente. Alors que la densité de population et les employés occupant des emplois vulnérables sont des facteurs de risque intuitifs pour une pandémie comme la COVID-19, le rôle de la liberté démocratique est un sujet de débat permanent. Nos résultats sont cohérents avec l’opinion selon laquelle des droits individuels accrus peuvent être préjudiciables dans cette situation, ce qui rend plus difficile pour le gouvernement de mettre en place des quarantaines strictes et de les faire respecter par les citoyens.
Remarque : Les carrés rouges (cercles bleus) représentent l’impact de la projection locale d’un indice de rigueur supérieur de dix unités sur la croissance de la mortalité pour les pays du 75e centile (25e centile) de la caractéristique du pays.
Ensuite, nous passons aux résultats de la régression internationale. Les variables dépendantes comprennent le taux de mortalité maximal enregistré (calculé comme le nombre cumulé de décès parmi la population au pic de la nouvelle mortalité quotidienne, par pays) ; le taux de nouvelle mortalité maximal enregistré (calculé comme le nombre de nouveaux décès parmi la population au plus haut de la nouvelle mortalité quotidienne, par pays) ; et le rapport entre le « nouveau taux de mortalité maximal » et la « durée de la pandémie par rapport au premier pic » mesuré en jours (un aplatissement/pente approximatif de la courbe du taux de mortalité) (voir la figure 3). Les pays où la mortalité précoce est plus élevée (mortalité cumulée au cours de la première semaine suivant le premier décès) ont tendance à avoir de nouveaux pics de mortalité plus élevés, mais des courbes de mortalité plus plates lors de la première phase pandémique. En outre, les pays ayant des interventions politiques plus agressives en place avant le premier décès (Early SI) ont tendance à afficher une mortalité cumulée et nouvelle plus faible au pic, et des courbes de mortalité plus plates.
Les pays ayant une plus grande population de personnes âgées ont tendance à avoir des taux de mortalité de pointe plus élevés. Nous trouvons également des preuves suggérant que les pays ayant des taux de croissance de la mortalité plus élevés lors de l’épidémie avaient également des taux de mortalité de pointe plus élevés. Dans l’ensemble, les preuves suggèrent (mais n’affirment pas nécessairement) que la rigueur des politiques a directement réduit les taux de mortalité maximaux et aplati la courbe de mortalité, et que d’autres forces étaient également en jeu (par exemple, la démographie, les conditions initiales de la pandémie).
Non seulement les taux de mortalité au cours de la première phase pandémique diffèrent d’un pays à l’autre, mais il existe également des variations considérables dans la durée pendant laquelle les nouveaux décès ont continué d’augmenter (mesurés en jours). Nous appelons cela la «durée de la pandémie jusqu’au premier pic» (PD). Il convient d’être prudent lors de l’interprétation des effets des covariables sur la PD en termes de modification de la forme des courbes de mortalité, car une PD plus longue pourrait s’accompagner d’un taux de mortalité maximal plus élevé et donc d’une courbe plus raide, ou d’un taux de mortalité maximal plus faible et donc une courbe plus plate. L’ajustement d’une courbe de Kaplan-Meier pour la PD sur tous les pays de l’échantillon, par nombre de jours, suggère que les pays avec des interventions politiques plus strictes au début (Early SI > 19) avaient des PD significativement plus faibles sur le chemin du premier pic local de la courbe de mortalité quotidienne ; atteint le pic, avec une probabilité de 75 %, en environ 40 jours par rapport aux pays sans de telles interventions (Early SI < 19) ; et a mis dix jours de plus pour atteindre la même probabilité maximale (voir la figure 4).
Remarque : l’axe Y indique la probabilité que le pic de mortalité/cas soit « encore à venir ». L’axe y supérieur implique une probabilité plus faible de pic. L’axe des abscisses reflète le nombre de jours depuis la première mortalité constatée. Les zones ombrées représentent les intervalles de confiance à 95 %.
Pour mieux comprendre la variation entre les pays de la PD sous un modèle à risques proportionnels de Cox, nous rapportons que dans la plupart des spécifications (mais pas toutes), des interventions politiques plus strictes au début sont associées à des durées plus courtes de la PD. Des taux de mortalité plus élevés au début sont associés à des durées de pandémie plus courtes jusqu’au pic, tandis que les pays réalisant des pics de mortalité plus élevés ont tendance à avoir des durées de pandémie plus longues jusqu’au pic. De plus, les pays avec une plus grande population de personnes âgées, une densité de population plus élevée et une plus grande part d’emplois vulnérables ont tendance à présenter des durées de pandémie plus courtes jusqu’au pic. De plus, sous certaines spécifications, le niveau de liberté démocratique apparaît comme un déterminant hautement significatif de la durée de la pandémie jusqu’au pic. En tant que tels, les pays considérés comme plus « démocratiquement libres » ont connu des durées de pandémie plus longues jusqu’au pic. Les pays plus éloignés de l’équateur ont également tendance à connaître une PD plus longue. Bien qu’à ce stade, nous signalions des associations statistiques suggestives, davantage de données et de recherches sont nécessaires pour fournir des identifications plus complètes de tous ces facteurs.
Nous concluons en avertissant que nos résultats sont soumis à des limites de données, y compris le sous-dénombrement des infections au COVID-19 et de la mortalité. « De meilleures ou de moins bonnes performances » d’un pays dans la première phase de la pandémie ne garantissent pas des résultats futurs similaires. L’aplatissement des courbes de mortalité et d’infection peut faire avancer la mortalité et l’ajustement douloureux. L’ouverture prématurée de l’économie sans tests appropriés, recherche des contacts et mises en quarantaine sélectives des segments vulnérables ou touchés de la population peut induire une accélération future de la pandémie (Acemoglu et al. 2020). Davantage de recherche médicale et d’avancées vers de meilleurs traitements et d’éventuelles vaccinations, la qualité des politiques publiques locales et mondiales et les capacités d’ajustement des pays détermineront la dynamique future de la pandémie ( Lipsitch et al. 2020 ).