ARNO*

C’est très compliqué car il y a beaucoup de facteurs à prendre en compte : par exemple
– temporels : dans l’hypothèse où la population la plus à risque (les vieux) aurait été rapidement infectée, on voit ses morts apparaître progressivement après 5 à 15 jours, et ce même si l’épidémie arrête de se propager
– les exponentielles (cf note) peuvent décrire le début d’une courbe épidémique, mais pas la suite — car la population n’est pas infinie. Les courbes à modéliser sont donc plutôt des courbes logistiques (courbes en S avec un début de type exponentiel, puis un plateau).
– le ralentissement lié au confinement devrait inch’allah commencer à se faire sentir
– l’hôpital sait sans doute un peu mieux prendre les gens en charge qu’au début (meilleure connaissance de la maladie) mais a moins de ressources (lits, personnels) par patient.

[note] loin de moi l’idée de dénigrer les épidémiologistes amateurs que nous sommes tous ici, mais il semble bien (merci Prof. @simplicissimus) que la première mise en garde des modélisateurs est que il faut éviter d’employer des données agrégées et cumulées :

Avoidable errors in the modelling of outbreaks of emerging pathogens, with special reference to Ebola | Proceedings of the Royal Society B : Biological Sciences
►https://royalsocietypublishing.org/doi/abs/10.1098/rspb.2015.0347

(1) models should be fit to raw, disaggregated data whenever possible and never to temporally accumulated data;

Par conséquent il faut rester très modeste sur ce que racontent ces courbes.

Question que vous avez peut-être déjà abordé ici : est-ce que ce ne serait pas intéressant de présenter ces courbes sous forme de pourcentage de hausse (ou simplement la dérivée) histoire de voir quand la courbe commence à s’infléchir ?

Je ne pense pas que les pourcentages eux-mêmes t’indiquent grand chose directement. En fait, la copie d’écran que tu as ci-dessus te donne un peu l’indication que tu suggères, parce que les 3 pays, avec leur décalage dans le temps, ont jusque là suivi la même évolution. Si ça n’a pas forcément valeur prédictive, ça te montre en gros l’évolution de la courbe italienne sur 3 périodes successives d’une semaine :
– première semaine, l’Italie était presque identique de la pente allemande de cette semaine, avec un doublement en 2,1 jours ;
– deuxième semaine, l’Italie était presque identique à la pente française de cette semaine (plutôt : avec un décalage d’une dizaine de jours), avec un doublement à peine ralentit ;
– dernière semaine, l’Italie a désormais un doublement tous les 4,2 jours, ce qui suggère un net infléchissement de la courbe.

Mais en même temps, comme le rappelle @fil : c’est pas évident d’en tirer des conclusions pratiques.

Note : je suis fainéant alors j’utilise le rendu que j’ai déjà posté ci-dessus en prétendant que les 3 pays sont suffisamment proches de la courbe italienne. Mais pour être plus précis, l’outil de Fil permet d’afficher cette droite d’approximation en choisissant le nombre de jours (ici : 7), mais aussi un décalage par rapport à aujourd’hui. Tu peux donc directement faire « glisser » cette courbe d’approximation en direct, sur le pays de ton choix, en faisant bouger le curseur, et tu vois ainsi « visuellement » la courbe qui s’infléchit.

Tout à fait, merci @arno , mais c’est bien ce que je dis, la pente est vachement informative, çe serait sympa de tracer l’évolution de la pente avec le temps...

astuce : la pente du cumul c’est le nombre quotidien de nouveaux cas