Le gouvernement du Québec a longuement tardé à dévoiler les prédictions provenant des modélisations de l’épidémie de COVID-19. Ces prédictions permettent d’orienter le gouvernement sur les actions à prendre pour répondre à l’urgence sanitaire.

Marie-Claude Boily et Benoît Mâsse 
Professeure au département d’épidémiologie des maladies infectueuses de l’Imperial College de Londres, et professeur titulaire à l’École de santé publique de l’Université de Montréal

À ce jour, les détails et composantes des modèles utilisés ne sont pas communiqués. Cela contraste avec la tendance mondiale favorisant l’accès rapide à l’information en toute transparence.

Il est particulièrement important de permettre à la communauté scientifique québécoise d’apprécier la validité des approches utilisées, surtout si le processus décisionnel de la réponse du gouvernement repose sur ces modèles et les prémisses des modèles. 

Rôle des modèles 

Les résultats des modèles mathématiques sont nécessaires pour comprendre l’évolution de l’épidémie de la COVID-19 et pour évaluer différents scénarios d’interventions. 

Premièrement, les modèles permettent d’évaluer les stratégies de prévention nécessaires à court terme pour « aplatir » la première vague épidémique ; minimiser les hospitalisations et les mortalités et déterminer les besoins médicaux et hospitaliers. Les prédictions initiales des modèles d’équipes anglaises et américaines de même que les données sur la vitesse de l’évolution du nombre de cas diagnostiqués dans différents pays, notamment en Chine, en Italie et en Espagne, montraient que sans mesures préventives strictes, il serait difficile de contenir l‘épidémie et que les systèmes de santé pourraient être rapidement compromis. 

Ensuite, une fois le « pic » de l’épidémie atteint, les modèles aident à déterminer les stratégies de relâchement des mesures préventives en contrebalançant le risque d’une reprise de l’épidémie.

La communauté scientifique internationale essaie de déterminer les stratégies qui permettraient de lever les mesures de confinement strictes, une fois la première vague contrôlée, sans provoquer une recrudescence de la transmission, voire un deuxième et même un troisième pic.

À l’heure actuelle, une solution optimale n’est pas apparente. Présentement, il existe peu de solutions et beaucoup d’incertitudes liées à la disponibilité des avancées scientifiques qui pourraient survenir dans l’avenir (vaccin, traitement, test de dépistage rapide et test sérologique rapide). 

Quand et comment s’en sortir ? 

Les modèles jouent un rôle essentiel dans les décisions futures. Il est important de réaliser que les prédictions de tous les modèles reposent sur la structure des modèles utilisés et sur des prémisses qui doivent être transparentes. Ces modèles comportent une part d’incertitudes reflétant l’état actuel de nos connaissances et des données disponibles, ce qui, dans le cas d’une épidémie avec un nouveau pathogène comme le coronavirus, évolue avec le temps. 

Il est présentement difficile de prédire exactement quand et comment relâcher les mesures préventives, car cela dépend des avancées scientifiques et de ce qu’on apprendra sur l’état de l’épidémie et l’impact des mesures préventives dans les prochaines semaines ou les prochains mois. 

La communauté scientifique s’entend que le nouveau virus qui cause la COVID-19 est difficile à contrôler, parce que le virus peut être transmis par les individus infectés avec ou sans symptômes, et personne n’a d’immunité naturelle. Il ne sera pas possible, sans vaccin, de lever subitement toutes les mesures préventives et de retourner à la vie normale. Il ne sera pas possible non plus de maintenir ces mesures strictes indéfiniment. 

En attendant des percées scientifiques pour des vaccins et des traitements efficaces, les réflexions à l’échelle internationale portent principalement sur les outils qui permettraient d’améliorer l’efficacité du dépistage et de la recherche des contacts d’infections symptomatiques et asymptomatiques afin de bloquer un plus grand nombre de transmissions. Très variable entre les pays, la capacité de tester et de diagnostiquer les individus avec des infections actives constitue la pierre angulaire de la réponse et son talon d’Achille. 

Ces incertitudes sont loin d’invalider l’utilité des modèles. Elles démontrent plutôt l’importance de bien communiquer non seulement les prédictions des modèles, mais également toutes les prémisses sur lesquelles ils reposent.

Le débat récent entourant deux études de modélisation mathématique indépendantes de l’Imperial College London et de l’Institute for Health Metrics and Evaluation (Seattle), prédisant la taille potentielle de l’épidémie de la COVID-19 aux États-Unis, illustrent clairement la nécessité d’une approche transparente donnant accès aux prédictions, prémisses et structures des modèles. 

L’exemple du Royaume-Uni, qui a lancé une enquête à la suite des critiques reçues par le gouvernement et sa volte-face sur sa stratégie pour contrer l’épidémie suivant la parution des résultats d’une étude de modélisation mathématique d’Imperial College London, démontre l’importance d’une démarche scientifique transparente et bien documentée.

Dans une présentation de différents scénarios, la caractérisation de ce que constitue un scénario « optimiste » et « pessimiste » est importante. Une complète appréciation de ces scénarios n’est possible qu’avec une communication détaillée des modèles et des prémisses. 

Transparence

Pour assurer une meilleure transparence du processus décisionnel, le gouvernement du Québec devrait : 

1- Permettre l’accès aux prédictions, prémisses, et structures des modèles prédictifs utilisés ; 

2- Permettre l’accès aux données utilisées dans ces modèles ; 

3- Divulguer les noms de l’équipe responsable des modélisations ainsi que son chef ; 

4- Mettre en place un comité scientifique conseil pouvant évaluer, valider et apprécier les méthodes utilisées, et interpréter l’ensemble des évidences et des prédictions ;

5- Décrire les études prévues pour évaluer les mesures préventives et avoir une meilleure appréciation du cours de l’épidémie. 

Étant donné les enjeux, le partage de ces informations pourrait encourager la communauté scientifique, qui n’est pas encore engagée à contribuer à cet effort activement, tout au moins en révisant les évidences sur lesquelles reposent les décisions touchant toute notre communauté.

* Benoît Mâsse est également chef de l’Unité de recherche clinique appliquée au CHU Sainte-Justine et chercheur associé à la Vaccine and Infectious Disease Division du centre de recherche Fred Hutch de Seattle.