CO8.2 - Intérêt des indicateurs écologiques socio-économique et de mobilité dans la modélisation de l'infection par SARS-CoV-2: un cas d'étude en France

INTRODUCTION: Suite à son émergence en janvier 2020, la circulation de SARS-CoV-2 dans le monde s'est déroulée durant 12 mois avec les mesures non-pharmaceutiques génériques et ciblées pour seul moyen de contrôle de l'épidémie (masques, isolation, contact-tracing). En France, la première vague (janvier-mai 2020) a impacté l'Ile-de-France et le nord-est de façon prédominante, et la seconde vague (septembre 2020-mars 2021) la région Auvergne-Rhône-Alpes (et PACA dans une moindre mesure). Considérant la littérature préalable pour d'autres maladies infectieuses respiratoires (grippe, tuberculose), nous avons évalué la capacité prédictive de 10 covariables socio-démographiques et de mobilité humaine à fine échelle géographique sur le risque d'infection par SARS-CoV-2 en région Auvergne-Rhône-Alpes (ARA) sachant l'existence d'une épidémie spatialement structurée, à des fins de ciblage des mesures de contrôle non pharmaceutiques. MÉTHODES: Pour la période de mai 2020 à février 2021, nous avons collecté et agrégé les comptes de cas confirmés d'infection par SARS-CoV-2 dans la région Auvergne-Rhône-Alpes à l'échelle de l'IRIS pour quatre phases épidémiques: faible incidence d'été 2020, croissance de septembre-octobre, pic de novembre-décembre, et plateau haut de janvier-février 2021. 10 covariables de mobilité humaine et socio-démographiques à l'échelle IRIS (densité de population, niveau éducatif, chômage, immigration, composition du foyer, modes de transport usuel) ont été évaluées comme predicteurs de l'incidence par un modèle de Poisson à effet aléatoire conditionnel autoregressif (CAR) à estimation bayésienne. Des comparaisons de performances de modèles avec et sans covariables/effet aléatoire ont été réalisées via des pseudo-R(2) et des I de Moran. RÉSULTATS: Au total, 438 992 cas confirmés d'infection, répartis sur 5410 IRIS, parmi 7917 997 habitants de la région ont été analysés. L'association entre covariables retenues et incidence des cas est inconstante: la densité de population, la proportion d'individus travaillant hors de leur commune de résidence et la proportion de foyers sans enfants (respectivement RR 1,29 [1,20;1,39], 1,04 [1,02;1,07], 0,94 [0,91;0,97] en phase croissance) sont les seules covariables avec un effet constant au cours du temps. La corrélation spatiale est élevée durant les trois dernières périodes, et la plus forte en période de pic (coef.: 0,89 [0,84;0,93]). Seuls les modèles avec ajustement pour la structure spatiale de l'incidence améliorent significativement le pseudo-R(2) ou le I de Moran comparativement au modèle à intercept uniquement, indépendament de la présence ou non des 10 covariables parmi les predicteurs. CONCLUSION: Les covariables écologiques évaluées sont insuffisantes pour modéliser adéquatement la distribution de l'incidence des cas en l'absence d'ajustement pour la structure spatiale de la circulation virale. L'association entre covariables et incidence est inconstante au cours du temps, suggérant un rôle de proxy des comportements de sous-population au fil des phases épidémiques plus que de la réalité matérielle des individus résidant dans chaque IRIS. Nous considérons nécessaire la modélisation épidémique du SARS-CoV-2 et de façon générale des maladies infectieuses respiratoires par des méthodes intégrant les dynamiques spatiales des individus, notamment leurs contacts et mobilités effectives. MOTS CLÉS: COVID-19; Statistiques spatiales; Epidémiologie; SARS-CoV-2; Maladies émergentes DÉCLARATION DE LIENS D'INTÉRÊTS: Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts.