Comme d'autres, j'étais assez embêté pour comparer les données de mortalité car on sait que la croiss. démo., le changement de la pyramide des âges et la baisse tendancielle de la mortalité biaisent les comparaisons. Du coup voici comment je procède pour arriver à ce graphique ⬇️
Attention, c'est un thread #ArmchairEpidemiologist ! Je m'aventure en terrain inconnu.
Primo, je normalise les décès quotidiens par la population totale. J'ai au préalable "journalisé" des données annuelles par la méthode de Denton 1971) pour avoir une série lisse et éviter les sauts en début/fin d'année.
Ensuite, on se rend vite compte qu'il y a une tendance baissière dans la série de mortalité quotidienne que l'on obtient : elle est expliquée en grande partie par l'amélioration des soins et du niveau de vie, la baisse de la mortalité routière etc.
Cette est cependant probablement sous-estimée par le fait que la population de 2020 est nettement plus vieille que celle de 1968 !
Ici, d'avance pardon aux démographes (je ne prétends pas faire leur métier) : je régresse les décès quotidiens sur une tendance quadratique et les parts des 20-59 ans et des +de 65 ans (les autres classes d'âge apportent peu d'information à la régression).
Puis je réalise deux opérations :
1) je stationnarise la série des décès quotidiens en retirant la tendance quadratique
2) je neutralise les différences de structure de population, en ajustant la série des décès quotidiens à la structure démographique de 2020
Maintenant que j'ai une série ajustée de ces facteurs qui biaisent la comparaison dans le temps (et j'imagine bien qu'il reste des biais), je fais une simple régression de la série ajustée sur un ensemble de variables indicatrices pour chaque jour de l'année.
Et on y est : on obtient l'estimation du taux de mortalité quotidienne moyenne ou "attendue" de 1968 à 2020. Le gros problème de cette technique c'est que la variance n'est pas constante pour chaque jour de l'année (typiquement, l'hiver elle est plus forte).
Du coup la bande des 2 écarts-types est biaisée à la baisse sur les premiers et derniers mois de l'année, et surement à la hausse sur les mois de printemps et d'été. On pourrait améliorer ça avec un ARCH, j'imagine.
Ensuite, c'est juste un jeu de réécriture : on a une mortalité quotidien par millions d'habitant, hors effet de la structure démo. et de la tendance. Il suffit de "re-baser" tout ça à la population de 2020 pour faire des comparaisons un peu plus toutes choses égales par ailleurs.
La conclusion, c'est que Covid19 est clairement un évènement sans commune mesure avec une grosse épidémie de grippe (genre 2017)...

Et en même temps, il reste difficile de le comparer à la grippe de HK (1969/1970) !
C'est une fois de plus le paradoxe de la prévention : en 1969/1970, pas de confinement, pas de mesures barrières ni de masques, un vaccin pas efficace. 36% des Français atteints estime-t-on alors.

franceinter.fr/histoire/histo…

lemonde.fr/podcasts/artic…
Beaucoup, beaucoup plus que les 4.5% estimés par l'enquête Epicov après la première vague de la COVID19 ! presse.inserm.fr/premiers-resul…
Donc si la 1ère vague COVID19 apparait un peu plus faible que la vague de la Grippe de 1969/70, c'est en fait très trompeur dans la mesure où le taux d'attaque de la seconde est (à en croire les liens ci-dessous) 8 fois plus élevé.
Bon voilà, c'est tout, j'espère ne pas avoir choqué un démographe ou un épidémiologiste de santé publique qui passerait par là. Don't shoot the #ArmchairEpidemiologist!

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Pierre Aldama

Pierre Aldama Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @paldama

25 Sep
Est-ce qu’il est à la fois possible de :
1) constater la reprise de l’épidémie, deuxième ou première vague, appelez ça comme vous voulez, sans nier sa gravité (ni l’exagérer d’ailleurs, le Rt étant bien plus faible qu’en mars)
2) penser que l’obligation du masque en plein air ou la fermeture des lieux de socialisation sont des réponses mal-ciblées, i.e. pas forcément efficaces et qui font peser les coûts de la lutte contre le covid sur ceux qui risquent le moins
3) qu’il est extrêmement coûteux (et peut-être pas optimal à moyen-terme) de “supprimer” l’épidémie par lockdown (hors justification sur les tensions hospitalières)
Read 4 tweets
22 Sep
Bon, l’occasion de dire que je goûte assez peu l’espèce de vendetta contre @yonatman, que certains mettent dans le même sac que Raoult (!!) 1/4
Le gars à posé des hypothèses (mal fondées peut être) et une proposition *falsifiable*. C’est déjà incroyablement plus responsable et SCIENTIFIQUE que les délires anti-science, non-falsifiables, du mégalomane de Marseille. 2/4
Et SURTOUT il se tient à des exercices de contrition, sur ce réseau rarement familier avec le concept de nuance et de complexité, en admettant avoir eu tort sur expressions ou certains points. 3/4
Read 4 tweets
16 Sep
Il y a quand même un truc drôle avec cette tempête (dans une baignoire) à propos des prévisions... #BdFeco

Ces économistes de plateau-télé (copyright @BiasedStats) qui parlent en permanence de "rupture", de changement de logiciel, de penser "outside the box"...
Et qui se moquent de nous, les économistes bien plus anonymes (quoi que de moins en moins... ?) qui serions "grégaires", enfermés dans nos cadres de pensée, j'en passe...
Read 13 tweets
26 Jul
On the Hamilton filter and de-trending real GDP: several weeks ago, I compared the Hamilton (2018) and Modified Hamilton filter (Quast & Wolters 2020) to the two-sided HP filter and one-sided HP filter.
I wondered whether this approach could be extended with "exogenous" variables about the cycle component we want to estimate, something in the spirit of Borio et al (2017 academic.oup.com/oep/article/69…
And here are preliminary results: I used two additional variables
- Capacity Utilization Rate (Insee, in %-deviation from historical mean)
- an inflation gap (yoy% of VA deflator versus consensus forecast) Image
Read 6 tweets
22 Jul
Chez les macaques, in vivo.
Avec ou sans AZT.
En préventif, au début ou à la fin de l’infection.
Donc a priori rien chez l’homme non plus. RIEN.
Et vous savez quoi? On en était déjà quasi assuré fin février. 60 ans que les médecins essayent ce traitement comme anti-viral chez l’homme, rappel :sciencedirect.com/science/articl…
Tout ça parce qu’un mandarin mégalomane a fait des vidéos YouTube. C’est énorme.
Read 4 tweets
25 Jun
Debt/GDP historical decompositions in 8 euro area countries, cumulative variation in pp of GDP since 1995: The black solid line is the...
and annual variation in pp of GDP: Image
Method (all variables in pp of GDP):
Delta(debt(t)) = [(r(t)-g(t))/(1+g(t))]*debt(-1) - sps(t) - cycps(t)+ sfa(t)
with :
- [(r(t)-g(t))/(1+g(t))]*debt(-1): snow-ball effect
- sps(t): structural primary surplus
- cycps(t): cyclical primary surplus
- sfa(t): stock-flow adjustments
Read 4 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!