Mais comprendre ce qui motive ces modèles est resté une problem ouverte.



Une étude publiée cette semaine dans mSystems rapporte que ces oscillations résultent de versions dans les pratiques de test et de interaction des données, plutôt que de pratiques sociétales concernant la façon dont les personnes sont infectées ou traitées. Les résultats suggèrent que les modèles épidémiologiques des maladies infectieuses devraient tenir compte des problèmes de diagnostic et de notification.

« La pratique de l’acquisition de données est parfois aussi importante que les données elles-mêmes », a déclaré le biologiste informatique Aviv Bergman, Ph.D., au Albert Einstein College or university of Drugs de New York, et le microbiologiste Arturo Casadevall, MD, Ph.D. ., à la Johns Hopkins Bloomberg Faculty of Community Health and fitness à Baltimore, Maryland. Bergman et Casadevall ont travaillé sur l’étude avec Yehonatan Sella, Ph.D., à Albert Einstein, et le médecin-chercheur Peter Agre, Ph.D., à Johns Hopkins.



L’étude a commencé lorsque Agre, co-lauréat du prix Nobel de chimie 2003, a remarqué que les fluctuations hebdomadaires précises des données étaient clairement liées au jour de la semaine. « Nous sommes devenus très méfiants », a déclaré Bergman.

Les chercheurs ont collecté le nombre total de assessments quotidiens, de assessments positifs et de décès dans les données nationales américaines sur 161 jours, de janvier à fin juin. Ils ont également collecté des données spécifiques à New York et à Los Angeles du début mars à la fin juin. Pour mieux comprendre les modèles oscillants, ils ont effectué une analyse du spectre de puissance, qui est une méthodologie pour identifier différentes fréquences dans un signal. (Il est souvent utilisé dans le traitement du sign et de l’image, mais les auteurs pensent que le nouveau travail représente la première application aux données épidémiologiques.)

L’analyse a indiqué un cycle de 7 jours dans l’augmentation et la baisse des nouveaux cas nationaux, et des cycles de 6,8 jours et 6,9 jours à New York et Los Angeles, respectivement. Ces oscillations se reflètent dans des analyses qui ont montré, par exemple, que le taux de mortalité est furthermore élevé en fin de semaine ou le 7 days-end.

Alarmés par la cohérence du sign, les chercheurs ont cherché une explication. Ils ont signalé qu’une augmentation des rassemblements sociaux le 7 days-conclusion n’était probablement pas un facteur, auto le temps écoulé entre l’exposition au coronavirus et l’apparition des symptômes peut varier de 4 à 14 jours. Des analyses antérieures ont également suggéré que les sufferers reçoivent des soins de moindre qualité furthermore tard dans la semaine, mais la nouvelle analyse n’a pas soutenu cette hypothèse.

Les chercheurs ont ensuite examiné les pratiques de déclaration. Certaines régions, comme New York et Los Angeles, signalent des décès selon le moment où l’individu est décédé. Mais les données nationales publient les décès selon le minute où le décès a été signalé – pas quand il s’est produit. Dans les grands ensembles de données qui indiquent la day du décès, plutôt que la day du rapport, les oscillations apparentes disparaissent. Des écarts similaires dans la notification des cas expliquent les oscillations trouvées dans les nouvelles données de cas.

Les auteurs de la nouvelle étude notent que les interactions le 7 days-end ou la qualité des soins de santé peuvent influencer les résultats, mais ces facteurs sociétaux ne contribuent pas de manière significative aux schémas répétés.

« Ces oscillations sont un signe avant-coureur de problèmes dans la réponse de la santé publique », a déclaré Casadevall.

Les chercheurs ont souligné qu’aucun lien n’existe entre le nombre de exams et le nombre de cas, et qu’à moins que les pratiques de interaction des données ne changent, les oscillations resteront. « Et tant qu’il y aura des personnes infectées, ces oscillations, en raison des fluctuations du nombre de exams administrés et de rapports, seront toujours observées », a déclaré Bergman, « même si le nombre de cas diminue. »