On peut bien sûr déduire de cette observation de R ~ 1.2 quasiment constant depuis des mois une estimation (au moins en ordre de grandeur) de l'ampleur de la seconde vague de covid qui attend la France: ⤵️ •1/11
Tout le monde est resté sur l'idée que le R₀ de covid est autour de 3 (donnant un seuil d'immunité grégaire naïf de 1 − 1/R₀ ~ 65%), mais manifestement, pour la France, quelles que soient les raisons (je ne me l'explique pas), en ce moment, c'est à ~1.2 que ça se passe. •2/11
(Et comme je le signale dans le fil lié ci-dessus, les mesures prises par le gouvernement n'ont pas l'air d'avoir eu un impact sur cette reproduction. Elle est peut-être passée de 1.22 à 1.15, l'incertitude est grande, mais en tout cas c'est toujours autour de 1.2.) •3/11
Or R=1.2 signifie qu'il suffit d'avoir 1−1/R = 17% d'immunisés pour que l'immunité du groupe stabilise l'infection. Ceci étant calculé hors de tous effets d'hétérogénéité (p.ex., villes-campagnes, cf.
Donc hors de toute intervention, on peut estimer que la seconde vague s'arrêtera quand 17% de la population aura été infectée. Le taux de létalité actuellement observé étant de l'ordre de 0.6%, cela représente autour de 65 000 morts (supplémentaires). •5/11
Ce calcul est sans doute pessimiste sur plusieurs points: il suppose qu'il n'y a aucun effet d'hétérogénéité qui baisserait le seuil d'immunité, et aussi que toutes les infections sont détectées (sinon, l'IFR est plus basse). Mais il suppose une immunité stérilisante. •6/11
Au rythme actuel de croissance des cas (autour de +3%/j), arriver à infecter ~17% de la population française prendrait autour de trois mois. Ceci est un ordre de grandeur encore plus grossier que le chiffre précédent (le rythme de croissance diminuerait bien sûr). •7/11
Pour la charge hospitalière on peut aussi faire un petit calcul d'ordre de grandeur: si cette seconde vague a un peu moins de deux fois l'ampleur cumulée de la première, mais se déroule environ deux-trois fois plus lentement, ce qui grosso merdo ce qu'on observe, … •8/11
… on peut s'attendre à une crête un peu moins haute (peut-être à peu près aux 2/3) de la précédente. Peut-être un chouïa mieux distribuée entre régions françaises, mais en contrepartie, des régions moins bien médicalisées seront plus critiques. •9/11
Bref, je m'attends à ~65k morts avec une saturation des hôpitaux qui ne dépasserait pas celle observée pendant la première vague. Ça c'est si le gouvernement ne confine pas. Si le gouvernement confine, je m'attends au même nombre de morts, juste plus étalés dans le temps. •10/11
Encore une fois, tout ça est juste un ordre de grandeur grossier. Vous en faites ce que vous voulez, je ne vous rembourserai pas le temps passé à lire mes tweets s'il s'avère que j'ai eu complètement tort. •11/11
PS: Par contre, si le gvt devait, p.ex., réquisitionner toutes les chambres d'hôtel du pays pour y loger autant que possible les personnes fragiles demandant à être isolées, ce qui coûte sans doute moins qu'un confinement, on pourrait baisser le nombre de morts. •12/(11+1)
PPS: Le calcul que je viens de présenter me semble «prudemment pessimiste» (ce n'est pas un pire cas, mais il met quand même une dose de prudence en prenant juste l'IFR observé et en supposant qu'aucun effet d'hétérogénéité ne nous aide). •13/(12+9)
Voici comment on peut faire un calcul nettement plus optimiste, en exploitant notre ignorance. (Je n'y crois pas trop, mais la vérité sera probablement un peu entre les deux.) Le truc c'est qu'on ignore totalement pourquoi R est tombé de ~2.5 à ~1.2, en fait. •14/(12+9)
Si c'est surtout un changement de comportement des gens, on ne peut pas trop espérer que ça continue à baisser. Il y a aussi une part d'immunité, mais a priori on s'attendrait à ce qu'elle soit faible, tombant de ~2.5 à au mieux ~2.0 si 20% immunisés: … •15/(12+9)
… l'hétérogénéité suggère plus, mais tomber à ~1.2 est un peu une divine surprise. Mais une autre explication possible serait qu'une part de la population serait non susceptible à covid, par exemple parce qu'elle serait préimmunisée par exposition aux HCoV. •16/(12+9)
Dans ce cas, cette part de la population doit être retirée du décompte. Du coup, la proportion nouvellement immunisée est beaucoup plus grande que ce qu'il paraît (tout se passe comme si on avait une population totale bien plus faible). •17/(12+9)
Et ceci permet d'être nettement plus optimiste: si l'infection de peut-être 10% de la population française, au cours de la première vague, a fait chuter le R de ~2.5 à ~1.2, il ne faut plus grand-chose pour passer sous 1. •18/(12+9)
Dans cette hypothèse optimiste, la deuxième vague pourrait ne faire que le tiers de la première (parce que 1/1.2 − 1/2.5 vaut environ trois fois 1 − 1/1.2). Du coup, au lieu de prédire de l'ordre de 65k nouveaux morts, on tombe à plutôt 10k. •19/(12+9)
Encore une fois, je n'y crois pas des masses, mais je veux en tout cas dire que c'est possible d'être plus optimiste que ~65k morts. En revanche, croire qu'on s'en tirera avec moins de ~10k nouveaux morts, c'est vraiment croire un peu trop aux miracles à mon sens. •20/(12+9)
Voici donc une sorte d'intervalle où j'aurais tendance, toujours avec des pincettes, à placer le bilan de la seconde vague (by which I mean, peut-être plus que deux ensemble, si les actions du gvt ou réactions de la population font qu'on a une accalmie intermédiaire). •21/(12+9)
• • •
Missing some Tweet in this thread? You can try to
force a refresh
There's something really fishy going on with “effective reproduction numbers” in various analyses of this pandemic. And I'm not talking about predicting the future, I'm talking about analysing the past. Here we see a claim of R~3 for Belgium. •1/21
On the other hand, researchers at the Centre for Mathematical Modelling of Infectious Diseases have a web site computing R(t) for many countries, and their estimates for Belgium never went above 1.5 in the computed time frame: epiforecasts.io/covid/posts/na… •2/21
Now briefly speaking, computing R(t) depends on two things: the exponential rate of growth r (=logarithmic slope, =logarithmic derivative) of the number of new cases, and temporal data on infections, notably the “serial interval” and its distribution. •3/21
Il y a 160 ans, les soldats français et britanniques, pour punir la Chine de refuser qu'on lui deale de l'opium, ont pillé puis détruit ce qui était certainement une des plus grandes merveilles de l'art palatial et horticole, le Yuánmíng yuán ou Palais d'été des Qīng.
Victor Hugo écrit assez bien son indignation: «Les artistes, les poètes, les philosophes, connaissaient le Palais d’été. […] Cette merveille a disparu. Un jour, deux bandits sont entrés dans le Palais d’été. L’un a pillé, l’autre a incendié.» (monde-diplomatique.fr/2004/10/HUGO/1…)
Cette date d'octobre 1860 est évidemment bien connue des Chinois, mais je me demande à quel point elle l'est en France et au Royaume-Uni. Elle est pourtant, et continue d'être, géopolitiquement importante.
Mais bon, soyons compréhensifs, peut-être qu'il s'agit d'un simple malentendu: les préfets ont pris le Journal Officiel pour un recueil de blagues et cherchent à détendre l'ambiance en publiant celle qui fera enfin rire les Français dans cette période difficile.
Non mais faut vraiment lancer un petit concours «imaginez la prochaine restriction ridicule dans votre département». Attention, pour être admissible à concourir la mesure proposée doit être totalement inefficace et doit inclure une amende de 135€!
Voici l'estimation de la variation du nombre de reproduction de la covid en France tirée de epiforecasts.io/covid/posts/na… à ce jour. Une mesure publique efficace devrait se manifester comme une baisse soudaine et/ou nette de cette courbe. Hmmm… 🤔
Faudrait étiqueter ce graphique par les mesures qui ont été prises pendant ce temps: masque obligatoire à l'extérieur, fermeture des bars à 22h, fermeture des salles de sport, couvre-feu (bon, pour ça il faut attendre un peu).
Noter que ce calcul de R effectif est fait par les gens du CMMID qui savent utiliser le package EpiEstim (cran.r-project.org/web/packages/E…), niveau 0 de l'épidémiologie, par opposition à SPF qui doit juste faire: nombre de cas à la date D ÷ nombre de cas à la date D−7 (niveau −1).
Here's a plot of the most populated European countries, showing
⁃ abscissa = peak covid deaths/day/1Mhab (7-day avg) during 1st covid wave,
⁃ ordinate = ratio of current covid deaths/day/1Mhab (last 7 days avg) to this 1st peak value, in log scale.
In other words, the abscissa is how bad the first wave was (in terms of deaths per inhabitant during a single day), the ordinate is how the current state of the second wave compares to the peak of the first.
I just watched this video on why England has £1M (“giant”) and £100M (“titan”) banknotes, and I'm left with nothing but questions. •1/14
Their explanation is basically that Scottish and Northern banks are still allowed to print their own notes, but they are required to deposit the same amount at the Bank of England as security, to ensure that these private banknotes keep their value in case of collapse. •2/14
Superficially this makes sense. But the more I think about it, the more absurd and confusing it becomes. First, why store it in paper form and deposit it in high security vaults… at the Bank of England itself? Why not store it electronically? •3/14