Lutter contre Covid-19 grâce au contrôle adaptatif: leçons de l'Inde

Cet article a été écrit par Anup Malani, professeur à la faculté de droit et de médecine de l'Université de Chicago et directeur de l'International Innovation Corps; Luis Bettencourt, professeur d'écologie et d'évolution et directeur à l'Institut Mansueto de l'Université de Chicago; Jonathan Gruber, professeur au département d'économie du MIT; Vaidehi Tandel, économiste à l'Institut IDFC; et Satej Soman, chercheur à l'Université de Chicago.

Alors que les cas de Covid-19 en Inde franchissent la barre du million et que plusieurs régions du pays connaissent une résurgence, les gouvernements des États ont rétabli des mesures de verrouillage à l' échelle de l' État et de la ville . Les décisions concernant l'emplacement et la durée de ces politiques peuvent être prises efficacement grâce à une approche connue sous le nom de contrôle adaptatif.

Pour comprendre la logique du contrôle adaptatif, il est utile de considérer le contrôle des infections comme une activité avec laquelle nous sommes familiers: conduire une voiture. Lorsque vous conduisez, vous avez deux objectifs fondamentaux: maintenir votre vitesse et éviter les obstacles. Ces objectifs sont analogues au fait de maintenir le taux de reproduction de Covid (c'est-à-dire le nombre de personnes infectées par une personne infectée) en dessous de un et de ralentir l'activité économique en cas d'épidémie.

En conduisant, vous évitez les actions extrêmes. On «met rarement la pédale au métal», ce qui revient à abandonner toute distanciation sociale. De même, vous essayez de ne pas claquer sur les freins, ce qui, similaire au verrouillage total, signifie probablement que quelque chose s'est mal passé ou qu'il y avait un obstacle sur la route. Au lieu de cela, vous voulez garder un œil sur le tableau de bord. Lorsque votre vitesse dépasse la limite de vitesse, vous appuyez sur les pauses. Lorsqu'il tombe en dessous de votre objectif, vous appuyez sur l'accélérateur.

Le contrôle adaptatif est un outil qui pourrait permettre aux pays, aux États ou aux villes de maîtriser les taux d'infection - grâce à des politiques telles que la distanciation sociale volontaire - tout en autorisant des niveaux modestes d'activité économique.

Contrôle adaptatif: les trois principes

Le contrôle adaptatif n'est pas une nouvelle technique sophistiquée. Notre approche s'inspire des leçons des versions antérieures du verrouillage en Inde. L'Inde a annoncé un verrouillage national le 24 mars (connu sous le nom de Lockdown 1.0), l'un des arrêts les plus graves au monde. La mobilité, telle que mesurée par les rapports de Google Mobility, a chuté de 40%. Cette politique nous a appris à quel point nous pouvons réellement claquer les freins si nécessaire. Cependant, cette politique est économiquement très coûteuse, en particulier pour les pauvres et les salariés journaliers.

Le 21 avril, le gouvernement indien a annoncé Lockdown 2.0, qui a permis à certains États d'assouplir les contrôles à certains endroits. Lockdown 3.0 a introduit l'idée que certaines zones sont plus risquées que d'autres et le gouvernement a ensuite calibré les verrouillages en fonction du risque local. Ces deux éléments sont des éléments importants du contrôle adaptatif - les données sur Covid permettent aux autorités de déterminer le degré de risque des différentes zones et elles peuvent ensuite concevoir des politiques pour répondre à ces risques.

Puis, le 17 mai, le ministère de l'Intérieur a annoncé Lockdown 4.0, qui permettait aux États de prendre le volant. Cela facilite l'équilibre entre le risque d'infection local et l'impact économique local. Le contrôle adaptatif fournit des conseils sur la façon de procéder.

Le contrôle adaptatif a trois principes de base. Tout d'abord , fixez-vous un objectif clair. L'objectif peut être en partie lié à Covid, par exemple, un objectif peut être de réduire le taux de reproduction en dessous de 1 ou de garantir que les décès sont stables ou en baisse. La cible peut être liée à la capacité de soins, comme le ratio lits d'hôpitaux / hospitalisations. Il peut également s'agir d'une activité économique: autoriser autant d'activité compatible avec cet objectif lié à Covid.

L'établissement d'objectifs clairs aide les fonctionnaires à comprendre ce qu'ils doivent accomplir pour ouvrir les économies. Cela facilite la coordination entre les fonctionnaires et la population. En annonçant des objectifs, il rend la réponse future du gouvernement au comportement des gens prévisible. Il permet également au public de savoir comment mesurer l'importance de sa distanciation sociale. Des objectifs clairs renforcent également la légitimité des politiques de verrouillage, qui peuvent être politiquement impopulaires.

La sainteté des données utilisées par le gouvernement est également importante pour l'adhésion. Lors de la fixation des objectifs, le gouvernement devrait tenir compte des incitations à manipuler les données. Si l'objectif est le niveau des cas de Covid, les fonctionnaires peuvent être incités à ne pas tester Covid. Une meilleure politique consiste à utiliser une combinaison de taux de dépistage et de taux de mortalité. Lorsque les fonctionnaires doivent respecter les taux de dépistage, ils ont plus de mal à cacher les cas en ne regardant pas. De plus, il est plus difficile pour les fonctionnaires de supprimer la déclaration des décès que des cas.

Le deuxième principe est d'ajuster progressivement les politiques de distanciation sociale pour atteindre l'objectif. Le verrouillage ou la libération complète de toutes les restrictions sont des extrêmes. Ils peuvent être potentiellement dangereux. Le verrouillage a été difficile, en particulier pour les pauvres, qui ont moins d'épargne sur laquelle puiser pour survivre des mois sans revenu. La libération complète peut provoquer une réapparition de la maladie, reportant simplement la courbe des infections plutôt que de l'aplatir. De plus petits changements - revisités toutes les une à trois semaines - permettent au gouvernement de mieux comprendre comment les politiques affectent les taux de maladie et les niveaux d'emploi et de calibrer sa réponse de manière appropriée.

Le troisième principe est de prendre des décisions au niveau du district et peut-être au niveau municipal. Les politiques locales permettent aux gouvernements d'équilibrer le risque d'infection, qui varie selon les régions, avec la perte d'activité.

La précision avec laquelle ils peuvent calibrer les politiques dépend du niveau auquel les restrictions de voyage peuvent être appliquées ou de la capacité à contrôler les mouvements de personnes. Un avantage de l'élaboration des politiques locales est que s'il y a une épidémie dans une zone, elle peut être bouclée tandis que d'autres zones sont autorisées à continuer de fonctionner.

Surmonter les défis

Si le contrôle adaptatif peut sembler du bon sens, sa mise en œuvre nécessite des précautions. Il est important de fixer des objectifs clairs et réfléchis et de prêter attention à la manière dont la population réagit aux différentes politiques. Parce que l'Inde n'a pas beaucoup d'expérience en matière de distanciation sociale, elle doit apprendre comment différentes règles affectent la mobilité et la maladie.

Un autre défi est de savoir quelles politiques contrôlent les taux d'infection, et à quel coût en termes de gains économiques.

Deux choses compliquent les choses. Premièrement, il n'est pas évident de savoir quelles politiques fonctionneront. Prenons, par exemple, la limitation des heures d'ouverture des magasins. Cela semble limiter l'activité, mais limiter les heures ne réduit pas le nombre de personnes qui souhaitent faire leurs achats en magasin. En conséquence, il y aura probablement plus de personnes au magasin en même temps, ce qui peut augmenter les contacts et donc les infections.

Deuxièmement, il y a un décalage entre le moment où les politiques sont adoptées et le moment où elles affectent la maladie et un décalage entre les dates d'infection et de décès. Examiner les infections ou les décès actuels pour décider des politiques peut conduire à des erreurs. On peut sous-estimer ou surestimer les cas qui se produisent réellement lorsque la politique a finalement un impact sur les cas. Au lieu de cela, les gouvernements devraient prévoir ce qu'il adviendra des cas dans une semaine ou des décès dans deux semaines afin de déterminer les changements à apporter aujourd'hui.

Nos simulations suggèrent que le contrôle adaptatif peut profiter à la plupart des États indiens - certains États plus que d'autres. Les simulations sont basées sur un modèle épidémiologique quantitatif appelé modèle sensible-infecté-récupéré (SIR). Nous avons modifié ce modèle pour permettre des compartiments séparés pour chaque État indien et pour la migration entre les États. Des détails sont fournis dans ce livre blanc. Les figures ci-dessous fournissent des exemples simulés pour les États du Maharashtra, qui compte le plus grand nombre de cas confirmés, et du Karnataka.

Dans les deux états, nous avons simulé ce qui se passerait sur 90 jours si les états utilisaient le contrôle adaptatif pour maintenir le taux de reproduction en dessous de 1 au lieu de permettre toutes les activités. Le Maharashtra connaîtrait une réduction rapide de l'infection Covid (comme le montre la ligne orange) tandis que le Karnataka verrait initialement une augmentation des cas mais une réduction avec le temps.

La raison est simple: avec le contrôle adaptatif, les états ont le choix. Ils peuvent toujours choisir l'activité plutôt que le contrôle des infections ou vice versa, selon ce qui est le mieux.

Le contrôle adaptatif fournit une étoile nord pour guider les états. Les décisions sont moins ponctuelles et plus transparentes. Les gouvernements et leurs citoyens peuvent en être assurés. - Bettencourt, Gruber, Malani , Soman, Tandel

Cette équipe a conseillé les États sur le contrôle des infections. Les auteurs remercient Reuben Abraham pour ses commentaires.

(Crédit photo: Unsplash)