Modèles épidémiques pour des politiques personnalisées d'isolement et de sortie du COVID-19 à l'aide de prédictions du risque clinique.

Résumé À la mi-avril 2020, alors que plus de 2,5 milliards de personnes dans le monde suivent des mesures d'éloignement social en raison du COVID-19, les gouvernements envisagent d'assouplir l'isolement. Nous avons combiné les prévisions de risque clinique individuel avec la modélisation épidémique pour examiner les simulations de politiques d'isolement et de sortie. Méthodes : Nous avons développé une méthode pour inclure les prédictions de risque personnalisées dans les modèles épidémiques basés sur les principes de la science des données. Nous avons étendu un modèle standard susceptible-exposé-infecté-sortant (SEIR) pour tenir compte des prédictions de gravité, définies par le risque qu'un individu ait besoin de soins intensifs en cas d'infection. Nous avons étudié des exemples de politiques d'isolement à l'aide de simulations avec le modèle épidémique à risque étendu, en utilisant les données et les estimations de COVID-19 en France à la mi-avril 2020 (4 000 patients en soins intensifs, environ 7 250 lits de soins intensifs au total occupés au pic de l'épidémie, 0,5 % des patients nécessitant des soins intensifs en cas d'infection). Nous avons considéré des scénarios variant dans la performance de discrimination d'un modèle de prédiction du risque, dans le degré de distanciation sociale et dans le taux de gravité de l'infection. Les intervalles de confiance ont été obtenus en utilisant une approche de calcul bayésien approximatif. Ce cadre peut être utilisé avec d'autres modèles épidémiques, avec d'autres prédictions de risque et pour d'autres épidémies.