Dernier R et taux de croissance

Une valeur R entre 0,7 et 1,0 signifie qu’en moyenne, chaque 10 personnes infectées infectera entre 7 et 10 autres personnes.

Un taux de croissance compris entre -5% et -2% signifie que le nombre de nouvelles infections diminue de 2% à 5% chaque jour.

Les estimations britanniques de R et du taux de croissance sont des moyennes sur différentes situations épidémiologiques et doivent être considérées comme un guide de la tendance générale plutôt que comme une description de l’état épidémique. Compte tenu de l’approche de plus en plus localisée de la gestion de l’épidémie, en particulier entre les nations, les estimations au niveau du Royaume-Uni sont moins significatives qu’auparavant.

Ces estimations représentent la transmission du COVID-19 au cours des dernières semaines en raison du délai entre une personne infectée, présentant des symptômes et nécessitant des soins de santé.

Dernières estimations par les régions du NHS England

Il s’agit des dernières estimations de R et du taux de croissance par les régions du NHS England.

Lorsque les nombres de cas ou de décès sont à des niveaux bas et/ou qu’il y a un haut degré de variabilité dans la transmission à travers une région, alors il faut faire attention lors de l’interprétation des estimations de R et du taux de croissance. Par exemple, une quantité importante de variabilité à travers une région en raison d’une épidémie locale peut signifier qu’une seule valeur moyenne ne reflète pas précisément la façon dont les infections évoluent à travers cette région.

C’est l’avis d’expert de SAGE, cependant, que les estimations de cette semaine sont fiables.

Les estimations de R et de taux de croissance sont présentées sous forme de fourchette, et les vraies valeurs sont susceptibles de se situer dans cette fourchette.

Voir une série chronologique d’estimations publiées de R et de taux de croissance (ODS, 20KB) à partir du 29 mai 2020 pour :

• UK
• Angleterre
• les 7 régions du NHS England

Le document sur les séries chronologiques est mis à jour régulièrement.

Dernières pour les administrations décentralisées

Les dernières fourchettes de valeurs R dans les administrations décentralisées sont publiées sur leurs sites web respectifs :

• Estimation R de l’Irlande du Nord
• Estimation R de l’Ecosse
• Estimation R du Pays de Galles (Cymraeg)

Autres statistiques clés

L’enquête sur les infections de l’ONS fournit des informations sur :

• le nombre de nouvelles infections de la maladie identifiées pendant une période donnée (incidence)
• la proportion de la population dont le test de dépistage de la maladie est positif dans la communauté à un moment donné (taux de positivité ou prévalence)

D’autres données sur les tests, les cas, les soins de santé et les décès sont disponibles sur le tableau de bord Coronavirus (COVID-19) au Royaume-Uni.

A propos de R et du taux de croissance

R

Le nombre de reproduction (R) est le nombre moyen d’infections secondaires produites par une seule personne infectée.

Une valeur de R de 1 signifie qu’en moyenne chaque personne infectée infectera 1 autre personne, ce qui signifie que le nombre total d’infections est stable. Si R est de 2, en moyenne, chaque personne infectée infecte 2 autres personnes. Si R est de 0,5, en moyenne, pour chaque 2 personnes infectées, il n’y aura qu’une seule nouvelle infection. Si R est supérieur à 1, l’épidémie se développe, si R est inférieur à 1, l’épidémie se réduit. Plus R est supérieur à 1, plus une personne infectée infecte de personnes et donc plus l’épidémie se développe rapidement.

R peut changer dans le temps. Par exemple, il diminue lorsqu’il y a une réduction du nombre de contacts entre les personnes, ce qui réduit la transmission. R augmente lorsque le nombre de contacts entre personnes augmente, ce qui entraîne une hausse de la transmission virale.

Taux de croissance

Le taux de croissance reflète la vitesse à laquelle le nombre d’infections évolue jour après jour. Il s’agit d’une approximation du pourcentage de variation du nombre d’infections chaque jour. Si le taux de croissance est supérieur à 0 (+ positif), alors l’épidémie se développe. Si le taux de croissance est inférieur à 0 (- négatif), alors l’épidémie recule.

La taille du taux de croissance indique la vitesse du changement. Un taux de croissance de +5% indique que l’épidémie se développe plus rapidement qu’un taux de croissance de +1%. De même, un taux de croissance de -4% indique que l’épidémie recule plus rapidement qu’un taux de croissance de -1%. D’autres informations techniques sur le taux de croissance peuvent être trouvées sur le magazine Plus.

Comment les taux de croissance sont différents des estimations R

R seul ne nous dit pas à quelle vitesse une épidémie évolue. Différentes maladies avec le même R peuvent générer des épidémies qui se développent à des vitesses très différentes. Par exemple, 2 maladies, toutes deux avec R=2, pourraient avoir des durées très différentes pour qu’un individu infecté infecte 2 autres personnes ; une maladie pourrait prendre des années, alors que l’autre pourrait prendre quelques jours.

Le taux de croissance nous fournit des informations sur la taille et la vitesse du changement, alors que la valeur R ne nous donne que des informations sur la direction du changement.

Pour calculer R, des informations sur le temps pris entre chaque génération d’infections sont nécessaires. C’est-à-dire le temps qu’il faut à un ensemble de personnes d’un groupe infecté pour infecter un nouvel ensemble de personnes du groupe suivant. Cela peut dépendre de plusieurs facteurs biologiques, sociaux et comportementaux différents. Le taux de croissance ne dépend pas du « temps de génération » et nécessite donc moins d’hypothèses pour être estimé.

Aucune des deux mesures, R ou taux de croissance, n’est meilleure que l’autre mais chacune fournit des informations utiles pour surveiller la propagation d’une maladie.

Les estimations des taux de croissance et de R sont mises à jour régulièrement. Elles ne sont cependant pas les seules mesures importantes de l’épidémie. Ils doivent tous deux être considérés aux côtés d’autres mesures de la propagation de la maladie, comme le nombre de nouveaux cas de la maladie identifiés pendant une période donnée (incidence), et la proportion de la population atteinte de la maladie à un moment donné (prévalence). Si R est égal à 1 avec 100 000 personnes actuellement infectées, il s’agit d’une situation très différente de R égal à 1 avec 1 000 personnes actuellement infectées. Le nombre de personnes actuellement infectées par le coronavirus (COVID-19) – et donc capables de transmettre le virus – est donc très important.

Comment le R et les taux de croissance sont estimés

Les groupes de modélisation individuels utilisent une série de données pour estimer les taux de croissance et les valeurs R, notamment :

• les données épidémiologiques telles que les données de dépistage, les admissions à l’hôpital, les admissions en soins intensifs et les décès – il faut généralement jusqu’à 3 semaines pour que les changements dans la propagation de la maladie se reflètent dans les estimations en raison du délai entre l’infection initiale et le besoin de soins hospitaliers
• les enquêtes sur les modèles de contact qui recueillent des informations sur le comportement – celles-ci peuvent être plus rapides (avec un décalage d’environ une semaine) mais peuvent être sujettes à des biais car elles reposent souvent sur le comportement autoCes enquêtes peuvent être plus rapides (avec un décalage d’environ une semaine), mais elles peuvent être biaisées car elles reposent souvent sur des comportements auto-déclarés et font des hypothèses sur la façon dont les informations recueillies sont liées à la propagation de la maladie. Les enquêtes longitudinales (où des échantillons sont prélevés à plusieurs reprises sur les mêmes personnes) permettent une estimation plus directe de la croissance des taux d’infection

Différents groupes de modélisation utilisent différentes sources de données pour estimer ces valeurs à l’aide de modèles mathématiques qui simulent la propagation des infections. Certains peuvent même utiliser toutes ces sources d’information pour ajuster leurs modèles afin de mieux refléter la situation réelle. Toutes ces sources de données sont entachées d’incertitude, de sorte que les estimations peuvent varier d’un modèle à l’autre et qu’il ne faut pas se fier à un seul modèle. Les données provenant de plusieurs modèles sont prises en compte, discutées, combinées, et le taux de croissance et R sont ensuite présentés sous forme de fourchettes. Les vraies valeurs les plus probables se situent quelque part dans ces fourchettes.

L’arrondissement et les différences entre les flux de données utilisés dans ces sorties de modèles individuels qui sont combinés expliquent les différences entre les estimations de R et les taux de croissance estimés.

Qui estime R et les taux de croissance

Les taux de croissance et R sont estimés par plusieurs groupes de modélisation indépendants basés dans les universités et Public Health England (PHE). Les groupes de modélisation discutent de leurs estimations individuelles de R au sein du Science Pandemic Influenza Modelling group (SPI-M) – un sous-groupe de SAGE.

Délai des estimations

Le SPI-M utilise plusieurs modèles, chacun utilisant des données provenant de diverses sources dans leurs estimations de R et du taux de croissance. Les données épidémiologiques, telles que les admissions à l’hôpital, les admissions en soins intensifs et les décès, prennent généralement jusqu’à 3 semaines pour refléter les changements dans la propagation de la maladie.

Cela est dû au délai entre l’infection initiale, le fait d’avoir des symptômes et le besoin de soins hospitaliers. Par conséquent, les derniers chiffres publiés représentent la situation des dernières semaines plutôt que celle d’aujourd’hui. Ces estimations ne reflètent pas encore complètement les changements très récents de la transmission dus, par exemple, aux récents changements de politique au Royaume-Uni.

Limites de R

R est une valeur moyenne qui peut varier dans différentes parties du pays, communautés et sous-sections de la population. Il ne peut pas être mesuré directement, il y a donc toujours une incertitude autour de sa valeur exacte. Ce problème devient encore plus important lorsque l’on calcule R en utilisant un petit nombre de cas, soit en raison de taux d’infection plus faibles, soit en raison de zones géographiques plus petites. Cette incertitude peut être due à la variabilité des données sous-jacentes, ce qui conduit à une fourchette plus large pour R et à des changements plus fréquents dans les estimations.

Même lorsque l’estimation globale de R au Royaume-Uni est inférieure à 1, certaines régions peuvent avoir des estimations de R qui comprennent des fourchettes qui dépassent 1, par exemple de 0,7 à 1,1 ; cela ne signifie pas nécessairement que l’épidémie augmente dans cette région, mais simplement que l’incertitude ne permet pas de l’exclure. Il est également possible qu’une épidémie dans un endroit spécifique entraîne un R supérieur à 1 pour toute la région.

Limites des taux de croissance

Le taux de croissance est une valeur moyenne qui peut varier. Lorsque le nombre de cas est faible, l’incertitude augmente. Cela peut se produire lorsque seule une très petite proportion de personnes est infectée, ou que la zone géographique considérée a une très faible population. Un nombre de cas plus faible signifie que la variabilité des données sous-jacentes rend difficile l’estimation du taux de croissance ; il y aura une fourchette plus large donnée pour le taux de croissance et des changements fréquents dans les estimations. Cela se produit tant pour R que pour le taux de croissance. Cependant, l’estimation du taux de croissance nécessite moins d’hypothèses sur la maladie que R.

Même lorsque l’estimation du taux de croissance global du Royaume-Uni est négative (inférieure à 0), certaines régions peuvent avoir des estimations du taux de croissance qui comprennent des fourchettes positives (supérieures à 0), par exemple de -4% à +1%. Cela ne signifie pas nécessairement que l’épidémie progresse dans cette région, mais simplement que l’incertitude ne permet pas de l’exclure. Il est également possible qu’une épidémie dans un endroit spécifique entraîne un taux de croissance positif (supérieur à 0) pour l’ensemble de la région.

Les estimations du taux de croissance pour les géographies inférieures au niveau régional sont moins fiables et il est plus approprié d’identifier les points chauds locaux en surveillant, par exemple, le nombre de cas, d’hospitalisations et de décès.