Comments on Méfions-nous de la modélisation « mathématique » des épidémies

Tu es cité page 10 du dernier numéro de Tangente. Plus spécifiquement la phrase « pourquoi l'utilisation de modèles pour simuler les épidémies ne marche tout simplement pas quand il s'agit de prédire l'avenir (et pourquoi ça ne signifie pas que ces modèles sont inutiles) »

https://lockdownsceptics.org/code-review-of-fergusons-model/

Il semblerait que le code de Ferguson soit bourré de bugs (je ne sais pas si ce que vaut cet article, mais ça semble plausible).

Les simulations épidémiologiques qui ont poussé les gouvernements à prendre des décisions de confinement strictes n’ont pas inclus dans leur modèle les dégâts collatéraux de perte de chance pour la population confinée. S’y ajoutent les conséquences néfastes pour la recherche ou le climat. Un paradoxe de tenter de sauver des vies par des moyens qui en auront peut-être autant détruit, analysent le médecin Jean-François Toussaint, et Andy Marc, chercheur en biostatistiques. Un confinement personnalisé leur semble une approche mieux adaptée à la situation.

https://www.larecherche.fr/covid-19-coronavirus-epidémiologie/sortir-dun-confinement-aveugle

Des éléments du code et des données de l'Imperial College ici : https://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/covid-19/covid-19-scientific-resources/ ; Neil Ferguson avait indiqué ici l'origine et état de son code au 22 mars : https://twitter.com/neil_ferguson/status/1241835454707699713

Ah ben non en fait, le rapport vient d'être rétracté car il contenait des erreurs.

@Ruxor: L'agence de santé publique suédoise vient de publier à l'instant ce document qui devrait t'intéresser : <URL: https://www.folkhalsomyndigheten.se/publicerat-material/publikationsarkiv/s/skattning-av-peakdag-och-antal-infekterade-i-covid-19-utbrottet-i-stockholms-lan-februari-april-2020/ >

C'est un modèle mathématique basé sur SEIR. Je ne l'ai pas encore lu, mais ils estiment que 30% des stockholmois ont des anti-corps et que le pic a été atteint le 15 avril. Sinon les tests sérologiques stockholmois d'il y a une semaine donnaient 11%.

Si j'ai bien compris, SIR consiste à faire une approximation de type "mean field"/"champ moyen". Côté méca stat, SIR serait donc à des modèles plus raffinés (notamment faisant intervenir une géométrie non-triviale) ce qu'Erdös-Rényi est à la percolation ou ce que Curie-Weiss est au modèle d'Ising.

L'étude asymptotique des exponentielles, où comment l'algèbre tropicale peut aider (ou pas) à cerner le covid :D

Je suis tombé sur cet article qui rejoins exactement les préoccupations de la plupart d'entre nous même si ça ne concerne pas l'épidémiologie : <URL: https://sciencetonnante.wordpress.com/2020/04/17/austerite-excel/#more-8761 >. C'est édifiant !

En dehors des informaticiens et assimilés, la notion de code source libre est quelque chose d'hélas peu répandue… c'est un état d'esprit dommageable et très "physicien" pour moi: c'est un programme, c'est un épiphénomène de ce qu'on cherche à faire, et il n'y a pas de raison de le publier parce que c'est trivial…

… j'ai même des souvenirs de camarades très matheux purs en première année, un certain Pcro pour ne pas le citer, qui était carrément parti pour rendre un projet sans le tester, parce que de toutes façons, c'était forcément correct.

Trevize explique dans Terre et fondation pourquoi la psychohistoire ne peut fonctionner, c'est la supposition de l'humanité comme seule espèce vivante déterminante qui est le talon d'Achille et justifie son intuition du passage à Galaxia.
C'est marrant parce qu'avec cette crise liée à une petite machine chimique pas même vivante stricto sensu, j'ai pensé rapidement à ce point aveugle de la psychohistoire parce que j'aimais beaucoup la série dans mon adolescence. D'autre part, il est remarquable que si un truc du genre Galaxia émergeait le point de vue de l'épidémiologiste l'emporterait sur toutes les autres perspectives: la stratégie confinement ne semble pas compatible avec elle.
Mais bon moi je suis bien content de ne pas être simple parcelle dans une entité collective de ce genre…

« Grosso modo, un modèle ne doit pas avoir plus de quantité d'information dans ses paramètres qu'il n'y en a dans les observations qu'on lui soumettra ».
C'est assez évident, mais je ne suis pas convaincu que ce soit dans toutes les formations à l'intelligence artificielle / big data, en particulier les formations à l'utilisation de ces techniques.

Bon article, comme le précédent, merci !
Les épidémiologistes sont décevants en premier lieu parce qu'ils n'ont pas largement diffusé un article sur ce thème.

Peu important sur le fond : tu assimiles R à la pente de l'exponentielle, mais si on exprime cette pente en fonction de R il y a aussi un paramètre de temps qui correspond au temps de contagiosité, la pente est la combinaison des deux.

Je dirais aussi que la modélisation n'a pas beaucoup de sens si on n'a pas assez données ou de data concernant le phénomène étudié, ce qui me semble être le cas pour l'épidémie du SARS-CoV-2. Et à la limite si on me sortait un modèle du chapeau sur un phénomène aussi compliqué que cette épidémie mais qui marche et en ayant assez de données pour le construire et vérifier sa véracité, alors ça me conviendrait. Au delà du modèle, on se rend bien compte que ce qui a vraiment de la valeur ce sont les données qui caractérisent le phénomène.

Le modèle de l'INSERM ne se contente pas de prédire l'avenir, il donne une aussi estimation du présent:
"we estimate […] the population infected by COVID-19 as of April 5 to be in the range 1% to 6%."
Est-ce que tu as compris comment ils arrivent à ce chiffre ? Ont-ils besoin de tout leur modèle pour cette estimation ou y a-t-il un moyen plus direct de la justifier ?

Les statistiques épidémiologiques que j’aimerais bien voir modéliser est l’effet du confinement sur les autres virus.

1- Il me paraît possible à partir des données que j’ai glanées que les virus saisonniers ont quasi complètement disparus avec le confinement. Du coup, la bonne stratégie n’aurait plus rien à voir avec ce qu’il fallait faire en janvier/février, tester massivement, mais on pourrait présumer assez justement que tous les malades ont le Corona.
Et du coup, la conséquence devrait d’isoler à l’hôtel tous les malades avec une dispense complète de travailler.

2- les statistiques et la modélisation devraient permettre d’identifier les super-contaminateurs. On pourra regarder dans tous les moins de 50 ans décédés quels sont les professions, lieux etc impliqués de manière à identifier qui et quoi doit être absolument interdit ou requérir un masque de manière obligatoire. J’ai l’impression que les cérémonies religieuses sont très contaminates. Les bars, les bateaux aussi. Les écoles beaucoup moins. On pourrait par exemple avoir des ouvertures du type : Restaurant ok à condition que bar soit fermés et les clients n’ont pas le droit d’attendre debout à l’intérieur si on s’aperçoit qu’être attablé n’est pas contaminant alors que faire la queue au bar ou dans les toilettes oui.

C’est ce genre d’études micro qui est fondamental.

Kevin Systrom (oui oui, le fondateur d'Instagram) vient justement de faire un joli petit billet sur le calcul de Rt avec les entrées (github), son program (py, Github) et avec de jolies mathématiques (essentiellement le papier de Bettencourt et Ribeiro que tu dois connaitre)

il y aura certainement à discuter de l'introduction de 'm'.

<URL: https://github.com/k-sys/covid-19/blob/master/Realtime%20R0.ipynb >

Il peut être testé simplement via Google Colab ici
<URL: https://colab.research.google.com/github/k-sys/covid-19/blob/master/Realtime%20R0.ipynb >

Ce serait intéressant qu'on regarde pour l'Europe (mais je ne sais où trouver les données identiques) - ce doit être assez simple d'adapter son code finalement.

Sur ce billet, finalement, et de notre courte discussion twitter, c'est peut être cette phrase là la plus importante :
* "Tout ceci ne signifie pas que les modèles sont inutiles : ils sont inutiles pour faire des prévisions de ce qui va se produire ; mais ils sont utiles pour comprendre les sortes de phénomènes qui peuvent se produire."
: elle est assez subtile et je la reformulerais en disant que les modèles (du fait de la complexité du contexte et de l'évaluation des paramètres ou même de la disponibilité de la valeur de ces derniers) servent non pas à prédire exactement ce qui va se passer mais un ensemble de situations possibles. (puis vient ensuite le temps du travail d'analyse pour comprendre la fiabilité, la précision, la robustesse, le poids de chaque variables, les dépendances entre elles). Mais ils servent bien à prédire quand même, même si c'est un ensemble de situations possibles ou probables plutôt que la situation effective au temps t demandé.

Moi je retiens que tu as cité Hari Seldon, et ça suffit à mon plaisir. :DDD