Thread by @T_Fiolet

Pourquoi ces différences de conclusions sur l'efficacité du confinement ?

❌Étude du Pr Toussaint : le confinement n'est pas associé à la mortalité

vs

✅ Dans Nature H. B. et BMJ classent le confinement/restrictions de mouvement en mesures efficace pour contrôler la pandémie

La conclusion de l'étude dans Frontier Public Health est de vous mettre à l'activité physique...

vs

La conclusion dans Nature est de combiner de façon astucieux communication claire sur les risques, mesures de restriction de mouvement, de rassemblement, contrôle

Les trois études portent sur les pays comme unité
L'étude du Pr Toussaint porte sur la mortalité cumulée par habitants au 31 août 2020

L'étude de Nature porte sur le taux de reproduction Rt = transmission du COVID-19

BMJ sur le nombre de cas

Les études de Nature et du BMJ sont partis sur de la modélisation complexe multivariée prenant en compte simultanément plusieurs variables

A l'inverse, Pr Toussaint a effectué une simple corrélation de Pearson r (analyse la relation linéaire entre 2 variables) et une ACP

Voici la matrice des corrélations de Pearson, un r=1 signifie qu'on a une association positive. Une X signifie pas d'association linéaire entre deux variables

Ici on voit en Jaune pas d'association entre la mortalité et l'indice de confinement (containment index)

Voici une analyse en composante principale (ACP), c'est une projection en 2D des différentes variables sous forme de 2 axes. Chaque axe est une combinaison linéaire des variables, càd un axe résumé

L'indice de confinement et la mortalité font un angle droit => pas d'association

Dans une ACP, un angle droit = pas de lien
Si on a deux flèches qui sont colinéaires (dans le même sens ou sens opposé, donc angle à 0° ou 180°, on a une association

Grosse limite de ces deux méthodes, ce sont des analyses très simples descriptives qui évaluent les liens 1 par 1

Il n'y a aucune prise en compte des autres variables simultanément sur la relation dans ces analyses dites "univariées" (1 seule variable associée avec la variable d'intérêt). On n'a pas de prise en compte des autres facteurs comme dans les modèles dits multivariées

Exemple quand on prend en compte une 3è variable Z par rapport à une relation X et Y, on peut arriver à des relations complètement différentes (on voit le coefficient directeur de la pente de régression qui change complètement), d'où l'importance de partir sur des analyses multi.

Autre point important, ici la mortalité cumulée est estimée à un temps t. Il n'y a pas de prise en compte de l'évolution de la mortalité. Certains pays ont mis un confinement (Chine, NZ, Australie) qui a permis une réduction importante des cas (et donc des décès)

Les restrictions de mouvement ont été efficaces pour réduire la transmission (comme le montre l'étude de Nature) et comme ces pays ont pris les mesures tôt, ils ont une mortalité pas habitant très basse !

Cette temporalité non prise en compte dans Frontiers est embêtante

Le timing est super important comme on le voit. L'effet des confinements mis en place tôt était plus visible sur la transmission Rt parce quand ils sont mis en place plus tard, leur effet est en partie dilué avec d'autres mesures concomitantes prises en amont

Ce thread n'est pas pour le confinement à tout prix mais utiliser l'étude de Frontiers pour dire que le confinement est inutile est trompeur, surtout quand on voit que les analyses restent très descriptives (le papier le signale qu'on est loin d'une relation cause-effet)

Malheureusement sur Altmetric, on voit que le papier du Pr Toussaint est 4x à 6x plus tweeté que celle de Nature/BMJ...

J'avais vulgarisé l'étude de Nature ici :

https://twitter.com/T_Fiolet/status/1330489735035367429?s=20

Celle du BMJ
bmj.com/content/370/bm…

Dans Frontiers, la sélection des variables environnementales se base sur le coefficient ajusté de détermination R² (part de variance (de la réponse), expliquée par le modèle de régression), or l'utilisation du R² peut être critiquable : un bon R² avec un mauvais modèle

On a également des relations mortalité/variables environnementales qui n'ont probablement pas des relations linéaires, ce qui complexifie encore leur analyse

On n'a sans doute pas non plus des distributions normales des variables.. peut être partir sur des reg binomiale négative

une autocritique, oui je compare 3 études qui n'étudient pas exactement la même outcome (mortalité, taux de reproduction et nombre de cas) mais les 3 sont intimement liés. Il n'y a pas de décès sans cas...

La principale limite de l'étude du Pr Toussaint est principalement l'utilisation de statistiques simples et exploratoires (pour l'ACP) qui ne sont insuffisantes pour voir des effets mortalité/autres facteurs
L'indice de confinement est lui même un proxy de confinements variables