Ceci est une note technique en complément de la note pédagogique “Les enfants ne sont pas plus contaminés que les adultes – Quand les dessous d’un graphe doivent être dévoilés” .
Une version PDF du présent document est disponible en cliquant sur ce lien.
Le nombre absolu de cas positifs ventilé par âge est inexploitable
Les décisions prises par le Codeco du 24/03/21 concernant la fermeture des écoles à partir du lundi 29/03/21 étaient apparemment justifiées par un emballement des cas de contaminations détectés dans les écoles au cours des dernières semaines. Lors du point presse du 26/03/21, le graphe présenté à la Figure 1 a été exploité pour illustrer cette situation. Il présente le nombre de cas positifs 1Un test positif peut représenter des réalités différentes: contamination au SARS-Cov-2 associée à des symptômes de la maladie COVID-19 ou non, voire trace de contamination plus ancienne, ou … Continue reading en fonction de l’âge pour la semaine du 9 au 15 mars 2021. On voit sur cette Figure 1 un pic du nombre de cas chez les enfants de 7 à 13 ans, un ‘plateau’ également élevé autour de 15-55 ans avec un maximum vers 40 ans, et par contre un nombre de cas décroissant à partir de 55 ans, atteignant des valeurs très faibles chez les très âgés. La Figure 1 a été utilisée au cours du point presse sans recontextualisation, ni par rapport au nombre de personnes dans chaque catégorie d’âge, ni par rapport au nombre de tests effectués, ni par rapport à la stratégie de testing. Le message visait manifestement à souligner le rôle des enfants dans l’avancée de l’épidémie, apportant une justification forte et aux apparences indiscutables à la décision de fermeture des écoles.
Figure 1: Graphe du nombre de cas positifs1 détectés entre le 09/03 et le 15/03/2021 en fonction de l’âge, extrait de la vidéo du point presse du 26/03/21.
Il paraît évident que l’on ne peut procéder à des comparaisons entre classes d’âge sans se soucier de la taille de la population concernée. La Figure 2 montre l’évolution des cas positifs1 au SARS-CoV-2 par 100 000 personnes dans chaque tranche d’âge au cours du mois de mars 2021. On peut y voir un nombre absolu de cas plus élevé par nombre d’habitants (ici 100 000) chez les 10-19 ans suivis des 20-49 ans, et une croissance plus rapide du nombre de cas positifs détectés chez les 0-9 et 10-19 ans (pente plus forte jusqu’au 19/03/21). Cependant, même si contrairement au graphe de la Figure 1, celui de la Figure 2 est rapporté à la population d’une tranche d’âge, il doit également nous appeler à une grande prudence puisqu’il n’est à nouveau pas mis en perspective avec le nombre de tests effectués, ni avec la stratégie de testing. Aucun de ces deux graphes n’est donc exploitable en tant que tel et il faut même absolument se garder de procéder à une interprétation du rôle de l’âge sur les contaminations, sur cette base.
Figure 2: Evolution du nombre de cas positifs par 100 000 habitants et par tranche d’âge, entre le 8 et le 21/03/2021 (moyenne glissante sur 7 jours) – Source: Covidata.be, sur base des chiffres de Sciensano disponibles le 24/03/21, jour du Codeco, c’est-à-dire consolidés jusqu’au 21/03/21.
Le taux de positivité tient compte du nombre de tests effectués mais reste biaisé
Les chiffres absolus présentés aux Figures 1 et 2 doivent en effet être rapportés au nombre de tests. Or, le nombre de tests réalisés pendant cette période a considérablement augmenté chez les 0-19 ans par rapport au reste de la population, comme le montre la Figure 3. On constate une évolution très marquée du nombre de tests dans les catégories 0-9 et 10-19 ans depuis la mi-février, tandis que le nombre de tests évolue plus modérément dans les autres catégories voire est relativement stable chez les plus de 65 ans. Environ 2,5% des personnes âgées de plus de 65 ans étaient testées (sur la semaine écoulée) de mi-février au 21/03/2021. Par contre, on est passé en l’espace d’un mois d’environ 1,5 à 4,5% chez les 0-9 ans et 10-19 ans.
Figure 3: Nombre de tests effectués par 100 000 personnes selon la classe d’âge entre septembre 2020 et mars 2021. – Source: Bulletin quotidien Sciensano du 25/03/2021.
Si on considère une population homogène, ou plus exactement une répartition homogène des porteurs du virus au sein de la population, plus on effectuera de tests, plus on trouvera de cas positifs. Pour éliminer ce biais lié au nombre de tests effectués, on peut alors se référer au taux de positivité calculé en divisant le nombre de cas positifs par le nombre de tests effectués. La Figure 4 reprend ce taux de positivité pour toute la population (trait gras rouge) ainsi que pour les différentes classes d’âge. De la mi-février au 22/03/21, ce taux est globalement assez stable. Chez les 0-9 et 10-19 ans, il suit toutefois une allure particulière, avec un maximum vers le 20 février puis une chute suivie d’une remontée depuis début mars. Les 10-19 ans sont au-dessus des autres catégories (et ce presque tout le temps depuis le sommet de la deuxième vague), alors que les 0-9 ans sont la plupart du temps la catégorie montrant le taux le plus bas. Pour plus de précision sur les valeurs, le Tableau 1 reprend les chiffres pour la période du 15 au 21/03/2021. On confirme la constatation que si le taux de positivité des 10-19 ans (9,3%) est supérieur à la moyenne nationale tous âges confondus (7,7 %), c’est le contraire pour les 0-9 ans (5,7%).
Le nombre absolu de cas positifs, utilisé tel quel et fortement médiatisé, pointait vers un pic de contamination en particulier chez les 7-13 ans, largement au-dessus des valeurs chez les plus de 60 ans, menant à une interprétation directe (“les écoles deviennent des endroits de contamination” – Alexander De Croo2https://www.rtl.be/info/video/776534.aspx) toutefois largement biaisée par la population différente selon la catégorie d’âge, d’une part, et le nombre de tests effectués, d’autre part. L’utilisation des taux de positivité dans la communication à destination du public aurait déjà été beaucoup plus nuancée. Il faut toutefois pousser le raisonnement encore plus loin pour réaliser qu’il reste encore des biais dont il faut se préoccuper. En effet, on a jusqu’ici fait la supposition d’une distribution homogène des cas positifs au sein de la population, et d’une stratégie de testing venant puiser des échantillons de personnes représentatifs de l’ensemble de la population.
Figure 4: Taux de positivité selon la classe d’âge de septembre 2020 à mars 2021 – Source: Bulletin hebdomadaire Sciensano du 26/03/2021
Tableau 1: Source: Bulletin quotidien Sciensano du 25/03/2021
La sélection des personnes testées varie au cours du temps et selon l’âge, rendant les comparaisons très hasardeuses
Un biais supplémentaire est celui lié à la stratégie de testing. Les tests ne sont pas effectués sur un échantillon de personnes représentatives de l’ensemble de la population et qui serait soumis de manière répétée au testing3Une telle stratégie de testing, que l’on pourrait appeler “testing sentinelle”, serait d’ailleurs la bienvenue car cela permettrait des comparaisons correctes en fonction du temps et de … Continue reading. Les personnes soumises à un test le sont en fonction de différentes raisons qui peuvent pousser à effectuer ce test, encore appelées “indications de test”. On va tester quelqu’un qui présente des symptômes, ou qui n’en présente pas mais a eu un contact jugé à haut risque. On teste aussi de manière plus systématique certaines communautés ou catégories de personnes, dans une logique que l’on qualifie de “screening” ou criblage. Cela peut être le cas des personnes revenant de l’étranger, de classes voire d’écoles entières, de maisons de repos, de personnes entrant à l’hôpital etc. Si on teste des personnes montrant des symptômes ou ayant déclaré un contact à haut risque, la probabilité de trouver un cas positif est largement augmentée par rapport à celle de tests effectués dans le cadre d’autres “screenings”. Ceci est illustré par la Figure 5. On y voit en particulier que pendant la deuxième vague, le taux de positivité est le plus élevé pour les cas suspectés de maladie (symptômes), suivi des contacts à risque élevé, les “screenings” restant plus bas. On remarque d’ailleurs que le taux de positivité est inférieur à 5% depuis début janvier pour les “screenings pour différentes raisons” (et retours de l’étranger), alors qu’il a oscillé aux alentours de 8-15% pour les cas suspects et les contacts à haut risque. Il n’y avait par ailleurs pas d’indication d’un démarrage d’une troisième vague dans ces données s’arrêtant au 22/03/2021.
Figure 5: Taux de positivité en fonction de l’indication de test entre septembre 2020 et août 2021- Source: Bulletin hebdomadaire Sciensano du 26/03/2021.
On peut confronter la Figure 5 à la Figure 6, qui montre le nombre de tests effectués selon l’indication de test. Le nombre de tests de screening a peu évolué depuis février. Par contre, il y a eu une forte augmentation depuis mi-février du nombre de tests pour cas possible4On notera que, vu que les enfants sont rarement très symptomatiques, la définition de “cas possible” chez les enfants est probablement également à géométrie variable. ou contact à risque. Cette forte augmentation, comme vu précédemment (Figure 3), est surtout liée au testing chez les catégories d’âge les plus jeunes, alors que le testing est resté assez stable en nombre chez les plus âgés. Sur cette base, il semble que le lien entre taux de positivité (Figure 5) et nombre de tests effectués (Figure 6) ait changé de nature en 2021 par rapport aux observations faites lors de la deuxième vague. Afin de creuser la question, le lien entre nombre de tests et taux de positivité a été exploré d’une part chez les plus de 60 ans, et d’autre part chez les 10-19 ans.
Figure 6: Nombre de tests selon l’indication de test entre septembre 2020 et mars 2021 – Source: Bulletin hebdomadaire Sciensano du 26/03/2021.
Le lien entre nombre de tests et taux de positivité varie fortement selon l’âge, rendant les comparaisons entre classes d’âge très peu fiables
Prenons le cas des plus de 60 ans :
Globalement, aux Figures 7 et 8, on voit que plus on effectue de tests, plus le taux de positivité augmente chez les plus de 60 ans. C’est un peu contre-intuitif puisque le taux de positivité est justement utilisé pour tenter de s’affranchir du nombre de tests effectués. Mais il ne faut pas oublier le biais de sélection des personnes testées. Si on positionne les données sur l’échelle de temps (Figure 8), on remarque que le tracé du nombre de tests suit celui de l’épidémie (on visualise bien la seconde vague en octobre). En réalité, on pourrait dire que la politique de testing « court derrière l’épidémie », avec un nombre de tests qui augmente quand l’épidémie augmente. Avec des tests basés surtout sur les personnes symptomatiques ou contacts à haut risque, c’est finalement assez logique. En ce sens, et pour autant que la stratégie de testing reste assez stable, le fait de noter que le nombre de tests augmente devient presque un indicateur pour cette catégorie d’âge. Actuellement, le taux de positivité n’augmente cependant pas très fortement pour ces personnes parmi les plus vulnérables, ce qui est un élément positif en comparaison avec les mois de septembre – octobre 2020. Ceci peut être attribué à la vaccination, ainsi qu’à l’immunité acquise naturellement ou encore, malheureusement, aux décès préalables des personnes les plus susceptibles. Depuis décembre, le nombre de tests est aussi comparativement plus élevé par rapport au taux de positivité, signe sans doute d’une politique de testing moins orientée 5Un testing qui se focalise sur les symptomatiques est plus réactif qu’anticipatif. On voit à la Figure 6 que depuis la mi-novembre, la part du “screening” a largement augmenté..
Figure 7: Taux de positivité en fonction du nombre de tests par 100 000 personnes chez les plus de 60 ans – Source: données communiquées par Sciensano à C. Dupont – merci à A. Lajot pour la collaboration.
Figure 8: Nombre de tests par 100 000 personnes et taux de positivité chez les plus de 60 ans en fonction du temps entre septembre 2020 et mars 2021 – Source: données communiquées par Sciensano à C. Dupont – merci à A. Lajot pour la collaboration.
Chez les enfants de 10-19 ans
Chez les 10-19 ans, le profil est d’une toute autre nature (Figures 9 et 10). On voit moins de corrélation entre nombre de tests effectués et taux de positivité, et une allure très différente. C’est plus chaotique, avec des données hors du pic de la deuxième vague qui ont même plutôt une légère pente négative (Figure 9 – taux de positivité qui tend un peu à diminuer avec le nombre de tests). Si on regarde l’évolution en fonction du temps (Figure 10), on ne reproduit pas bien le profil de l’épidémie, on observe des variations parfois brutales dans un sens comme dans l’autre. On peut difficilement interpréter les chiffres car il est évident que la stratégie de testing varie énormément, au gré sans doute de campagnes de testings de masse ou screening de communautés. Les enfants étant peu symptomatiques, la stratégie de testing s’en trouve de facto altérée, elle diffère largement de la stratégie utilisée chez les adultes. La notion de contact à risque est elle aussi plus délicate à déterminer, notamment dans le cadre scolaire ou d’activités hors école. Depuis la mi-février, le nombre de tests effectués chez les 10-19 ans a énormément augmenté sans générer toutefois de forte variation du taux de positivité.
Figure 9: Taux de positivité en fonction du nombre de tests par 100 000 personnes chez les 10-19 ans – Source: données communiquées par Sciensano à C. Dupont – merci à A. Lajot pour la collaboration.
Figure 10: Nombre de tests par 100 000 personnes et taux de positivité chez les 10-19 ans en fonction du temps entre septembre 2020 et mars 2021 – Source: données communiquées par Sciensano à C. Dupont – merci à A. Lajot pour la collaboration.
Avec l’analyse de ces deux classes d’âge, il apparaît clairement que la stratégie de testing est fort différente selon l’âge et le temps. Or, les résultats obtenus dépendent fortement de la stratégie (il suffit de revoir la Figure 5 pour s’en convaincre). De ce fait, comparer le nombre absolu de cas et même les taux de positivité pour différentes classes d’âge à un moment donné de l’épidémie, ou comparer leur évolution au cours du temps, n’est tout simplement pas fiable 6On voit circuler des cartographies (“heat maps”) de l’évolution de l’épidémie en fonction de l’âge et du temps, souvent accompagnées de messages de type “l’évolution est en tâche … Continue reading. Il faudrait isoler des sous-ensembles de données obtenues sur base d’une stratégie de testing suffisamment comparable à travers les classes d’âges et le temps pour pouvoir procéder à de telles comparaisons.
Conclusions
- Peut-on comparer des données pour différentes classes d’âge et en fonction du temps ? L’information générée par le nombre de cas positifs est très largement biaisée car elle dépend du nombre de tests effectués, lequel varie considérablement selon l’âge et le temps. Le “pic de cas” identifié autour de l’âge de 10 ans la semaine du 09/03/2021 ne peut en aucun cas être utilisé pour tirer des informations relatives au rôle d’une classe d’âge dans l’épidémie, et il en va de même pour des analyses en fonction du temps basées sur le nombre de cas.
- Le taux de positivité devrait être exploitable, à indications de test constantes. Les valeurs de ce taux chez les enfants ne s’écartaient pas de celles de la population générale en mars7On notera que si on prend l’ensemble 0-19 ans, le taux de positivité est de 7,6% (contre 7,7% pour la population globale). La séparation en classes de 0-9 et 10-19 ans ne correspond pas bien à … Continue reading, et n’auraient donc pas dû constituer une base décisionnelle pour prendre des mesures visant les enfants. Cependant, les données montrent que l’on ne peut pas l’utiliser pour comparer des classes d’âges en fonction du temps (et analyser ainsi la dynamique de l’épidémie) car celles-ci sont sujettes à des stratégies de testing bien différentes.
- La fermeture des écoles ne paraît donc pas pouvoir se justifier sur base de l’analyse stricte des chiffres ci-dessus. Une analyse plus fouillée des transmissions intergénérationnelles est nécessaire. La littérature à ce sujet converge dans le sens que les enfants ne sont pas les moteurs de l’épidémie8A meta-analysis on the role of children in SARS-CoV-2 in household transmission clusters https://doi.org/10.1093/cid/ciaa1825 Children are unlikely to be the main drivers of the COVID-19 pandemic–a … Continue reading.
- Si d’autres chiffres ou études sont disponibles par ailleurs pour motiver cette fermeture, ils devraient être communiqués. On peut se demander si les chiffres qui ont été médiatisés pour justifier la fermeture des écoles ne contribuent pas, d’une part, à générer anxiété et stigmatisation, notamment au sein de la communauté scolaire, et d’autre part, à rendre légitime une mesure auprès du grand public sur une base scientifique non fondée. A terme, une telle approche de la communication vers le grand public risque de s’avérer contre-productive et de générer une perte de confiance.
Signataires
- Christine Dupont (UCLouvain)
- Denis Flandre (UCLouvain)
- Quentin Louveaux (ULiège)
Avec la participation de
- Guillaume Derval (UCLouvain)
- Pierre Schaus (UCLouvain)
- Vinciane Debaille (ULB)
- Martin Buysse (UCLouvain)
- Raphael Lefevere (Université de Paris)
Notes
↑1 | Un test positif peut représenter des réalités différentes: contamination au SARS-Cov-2 associée à des symptômes de la maladie COVID-19 ou non, voire trace de contamination plus ancienne, ou encore dans moins de 4% des cas, l’absence de toute contamination (faux positif – E. Surkova, V. Nikolayevskyy, F. Drobniewski, False-positive COVID-19 results: hidden problems and costs , The Lancet, 09/2020. https://doi.org/10.1016/S2213-2600(20)30453-7) |
---|---|
↑2 | https://www.rtl.be/info/video/776534.aspx |
↑3 | Une telle stratégie de testing, que l’on pourrait appeler “testing sentinelle”, serait d’ailleurs la bienvenue car cela permettrait des comparaisons correctes en fonction du temps et de l’âge notamment. C’est une clé pour le suivi correct de l’évolution d’une épidémie. https://population-europe.eu/policy-insights/common-pitfalls-interpretation-covid-19-data-and-statistics |
↑4 | On notera que, vu que les enfants sont rarement très symptomatiques, la définition de “cas possible” chez les enfants est probablement également à géométrie variable. |
↑5 | Un testing qui se focalise sur les symptomatiques est plus réactif qu’anticipatif. On voit à la Figure 6 que depuis la mi-novembre, la part du “screening” a largement augmenté. |
↑6 | On voit circuler des cartographies (“heat maps”) de l’évolution de l’épidémie en fonction de l’âge et du temps, souvent accompagnées de messages de type “l’évolution est en tâche d’huile” ce qui pourrait démontrer le potentiel de transmission d’une classe d’âge vers une autre. Ces cartes sont fortement biaisées et ne peuvent être utilisées comme telles sans vérification de la stratégie de testing. C’est encore pire quand elles se basent sur le nombre de cas plutôt que sur le taux de positivité. Exemples (à ne pas suivre): https://twitter.com/Emmanuel_microb/status/1336757817890516993 https://twitter.com/JorisMeys/status/1375054111163441152 |
↑7 | On notera que si on prend l’ensemble 0-19 ans, le taux de positivité est de 7,6% (contre 7,7% pour la population globale). La séparation en classes de 0-9 et 10-19 ans ne correspond pas bien à la réalité de terrain, l’école primaire couvrant par exemple la tranche 6-12 ans, et les 0-5 ans étant vraisemblablement très peu testés. |
↑8 | A meta-analysis on the role of children in SARS-CoV-2 in household transmission clusters https://doi.org/10.1093/cid/ciaa1825 Children are unlikely to be the main drivers of the COVID-19 pandemic–a systematic review https://doi.org/10.1111/apa.15371 A five-compartment model of age-specific transmissibility of SARS-CoV-2 https://idpjournal.biomedcentral.com/articles/10.1186/s40249-020-00735-x The effects of school closures on SARS-CoV-2 among parents and teachers https://www.pnas.org/content/118/9/e2020834118 |