Prévoir les urgences de santé : Leçons tirées du Mpox

En mai 2022, un virus appelé mpox (avant connu sous le nom de variole du singe) a commencé à se diffuser rapidement dans des pays où il n'avait pas été vu auparavant. Cette épidémie soudaine a soulevé des inquiétudes sur notre préparation face à de telles urgences sanitaires. Cet article examine comment les gens prédisent la propagation des maladies, les défis rencontrés pendant l'épidémie de mpox, et pourquoi comprendre ces Prévisions est important.

#Contexte

Le mpox a été signalé pour la première fois à Londres début mai 2022. En juillet 2022, cela a amené l'Organisation mondiale de la santé (OMS) à déclarer une urgence de santé publique de portée internationale. Cela signifie qu'ils ont considéré ça comme un problème sérieux nécessitant une attention immédiate. À la fin de la période de l'épidémie discutée dans cet article, il y avait eu 87 000 cas signalés dans plus de 110 pays. La plupart des cas étaient liés à des hommes ayant des relations sexuelles avec des hommes, mais ça ne veut pas dire que seuls ce groupe a été touché.

Les prévisions, le processus de prédiction d'événements futurs, sont cruciales pendant les Épidémies. Elles aident les gouvernements et les agences de santé à décider comment allouer des ressources et répondre efficacement. Les prévisions sur les indicateurs de santé publique, comme le nombre de cas ou de décès, sont essentielles pour cette raison. Des organisations comme les Centers for Disease Control and Prevention (CDC) organisent souvent des défis de prévisions pour obtenir des Prédictions de chercheurs et d'experts pendant les épidémies.

#Le besoin de prévisions

Pendant les épidémies, les prévisions peuvent aider à prévenir une propagation supplémentaire en identifiant des tendances et des pics potentiels de cas. Des prévisions précises peuvent guider les décisions de santé publique, comme quand augmenter les tests, où diriger les vaccins, ou quand mettre en place des restrictions de voyage. Pour le mpox, les prévisions étaient particulièrement importantes alors que le virus se propageait rapidement et touchait des populations diverses.

#Collecte des prévisions

Entre le 19 mai et le 31 juillet 2022, des chercheurs ont recueilli 1 275 prévisions de 442 personnes sur six questions spécifiques liées à l'épidémie de mpox. Les questions visaient à déterminer combien de cas étaient attendus dans différentes régions et combien de pays signaleraient des cas. Les participants comprenaient à la fois des experts et des prévisionnistes occasionnels, qui ont utilisé une plateforme appelée Metaculus pour soumettre leurs prévisions.

#Types de prévisions

Ces prévisions n'étaient pas juste des paris ; elles étaient basées sur les évaluations et interprétations des Données disponibles par les individus. Les participants pouvaient réviser leurs prévisions au fur et à mesure que de nouvelles données sortaient, ce qui leur permettait d'affiner leurs prédictions selon les dernières informations. Cette méthode de collecte des prévisions aide à comprendre comment les gens pensent aux risques et incertitudes pendant les crises sanitaires.

#Précision des prévisions

Les résultats ont révélé que les prévisions individuelles sous-estimaient souvent la taille réelle de l'épidémie. Bien que la prévision médiane se soit rapprochée de la vérité au fil du temps, il y avait encore beaucoup d'incertitude. Dans certains cas, les prévisions n'ont pas beaucoup amélioré à mesure que la date réelle approchait.

En comparant les prévisions humaines aux modèles informatiques, qui utilisent des algorithmes basés sur des données passées pour faire des prévisions, les prévisions humaines ont mieux fonctionné pour les prédictions faites deux à huit semaines à l'avance. Cependant, pour les prévisions faites seulement une semaine à l'avance, les modèles ont fourni des prévisions plus précises que les prévisions humaines.

#Pourquoi les prévisions échouent

Plusieurs raisons peuvent expliquer pourquoi les prévisions étaient souvent trop faibles. Une possibilité est que, lors de leurs prévisions, les gens se concentraient trop sur les données les plus récentes, qui étaient inférieures à ce qui a finalement émergé comme les chiffres finaux. De plus, certaines questions étaient présentées sur une échelle logarithmique, ce qui a pu conduire les prévisionnistes à produire des prédictions plus incertaines que prévu.

Comprendre ces biais est crucial. Cela informe les efforts de prévision futurs, surtout lorsqu'il s'agit d'événements sanitaires inattendus. Si les individus s'appuient trop sur les données récentes, cela peut mener à sous-estimer de nouvelles épidémies, comme on l'a vu avec le mpox.

#Le rôle des données

Les données de surveillance ont joué un rôle essentiel pour façonner à la fois les prévisions humaines et celles des modèles. Ces données fournissaient des mises à jour en temps réel sur le nombre de cas et où les épidémies se produisaient. Des modèles efficaces reposent sur des données précises et opportunes pour faire des prédictions éclairées.

Les modèles utilisent généralement des données historiques et des informations externes pour guider leurs prévisions. Par exemple, ils peuvent intégrer des recherches en ligne liées aux symptômes de la maladie et l'activité sur les réseaux sociaux, ce qui peut refléter l'inquiétude et la sensibilisation du public. Cette approche a prouvé son utilité lors d'épidémies précédentes, comme celle de COVID-19.

#Humain vs. Machine

Les prévisions humaines diffèrent des prévisions générées par des machines de manière significative. Alors que les modèles statistiques et mécanistiques s'appuient sur des données numériques, les prévisionnistes Humains peuvent incorporer de l'intuition et des aperçus qualitatifs qui pourraient ne pas être capturés dans des données pures. Par exemple, ils pourraient considérer des facteurs externes comme l'évolution des recommandations de santé publique ou des tendances sur les réseaux sociaux.

Des recherches ont montré que parfois les humains peuvent surpasser les modèles, surtout dans des situations incertaines où les données peuvent être limitées. Pendant le début de l'épidémie de mpox, cette intuition humaine a probablement fourni un contexte précieux que les modèles ne pouvaient pas capturer.

#L'importance de la communauté

La communauté de prévisionnistes sur Metaculus a discuté de leurs pensées et de leur logique derrière leurs prévisions. Cet échange d'idées peut mener à de meilleures prévisions alors que les gens partagent des aperçus et se mettent à jour sur les nouveaux développements. Des thèmes ont émergé de ces discussions, comme prendre des indices de l'épidémiologie, des articles de presse, et d'autres sources de données externes.

Cependant, il y avait aussi des signes de confusion concernant ce qui était demandé dans certaines prévisions. Des malentendus sur la façon de rapporter les prévisions peuvent mener à une mauvaise précision, rendant vital pour les plateformes de clarifier comment les prévisions devraient être formulées.

#Tendances et révisions

La plupart des prévisionnistes ont soumis leurs premières prévisions deux semaines après la publication des questions. Ce retard suggère qu'ils attendaient que plus de données ou de tendances apparaissent. Après leurs premières prévisions, de nombreux prévisionnistes ont rapidement révisé leurs prévisions selon les dernières informations.

La fréquence des révisions souligne une approche réactive à la prévision pendant des situations sanitaires évolutives. Au fur et à mesure que de nouvelles informations arrivaient, les prévisionnistes ajustaient leurs prévisions, ce qui peut aider à améliorer la précision.

#Le défi de la prévision logarithmique

Une observation significative des prévisions de mpox était liée à la façon dont les questions étaient posées sur différentes échelles. Demander des prévisions sur une échelle logarithmique semblait troubler de nombreux prévisionnistes. Les humains ont souvent du mal à comprendre la croissance exponentielle, ce qui peut mener à des prévisions biaisées.

Lorsque les données sont présentées sous un format logarithmique, les gens peuvent avoir du mal à convertir leur intuition en chiffres. Cela peut aboutir à des prévisions qui ne reflètent pas fidèlement la réalité, car les prédictions peuvent sembler raisonnables sans contexte.

#Calibration et performance

Il est essentiel d'évaluer dans quelle mesure les prévisions correspondent à la réalité. Les métriques utilisées pour évaluer ces prévisions incluent l'erreur absolue médiane et le score d'intervalle pondéré. Ces mesures aident à déterminer dans quelle mesure les prévisions sont proches des résultats réels.

Dans le cas de mpox, les prévisions attribuaient souvent une certaine probabilité à des valeurs improbables. Cette habitude d'attribuer des probabilités à des résultats peu probables peut fausser les données et les rendre moins fiables. Il est crucial que les prévisionnistes apprennent à spécifier les raisons derrière leurs prévisions et à éviter de donner du poids à des événements peu probables.

#Apprendre du passé

Les défis rencontrés lors des prévisions de l'épidémie de mpox offrent des leçons pour les futures crises de santé. Comprendre les erreurs commises peut mener à une meilleure formation pour les prévisionnistes. Fournir des directives sur la façon de prévoir efficacement, surtout lors de l'utilisation de différentes échelles, peut améliorer la performance.

Les efforts de prévision futurs pourraient également bénéficier du fait de permettre aux prévisionnistes de définir les intervalles où ils attribuent leurs probabilités, au lieu d'être contraints par des formats stricts. Cette flexibilité pourrait aboutir à des prévisions plus précises représentant de vraies croyances.

#Conclusion

L'expérience de la prévision pendant l'épidémie de mpox souligne la complexité de prédire la propagation des maladies infectieuses. Elle révèle comment les plateformes communautaires peuvent tirer parti de l'intuition humaine tout en soulignant les pièges potentiels de s'appuyer trop sur des données immédiates.

En évaluant pourquoi les prévisions échouent parfois et en comprenant le rôle des différentes échelles et formats de présentation, nous pouvons améliorer les méthodes de prévision en santé publique. Alors que nous continuons à faire face à de nouveaux défis sanitaires, affiner notre approche des prévisions sera essentiel pour garantir des réponses efficaces à l'avenir.

#Dernières pensées

Bien que le jugement humain puisse être un outil puissant en matière de prévisions, il est essentiel de le combiner avec des données robustes et des méthodologies soigneuses. Les praticiens en santé publique doivent travailler à améliorer les cadres de prévision et encourager une exploration réfléchie des données disponibles pour guider la prise de décision pendant les épidémies. Cet équilibre entre aperçu humain et analyse basée sur les données peut être crucial alors que nous faisons face à des défis sanitaires persistants et futurs.