Mesures COVID-19 et leur impact sur la grippe au Canada

La pandémie de COVID-19 a changé la vie quotidienne de tout le monde à travers le monde. Au Canada, les règles mises en place pour contrôler la propagation du virus, comme les confinements et le port du masque, ont impacté le comportement d'autres virus respiratoires, comme la Grippe. De mars 2020 jusqu'à la fin 2022, plusieurs mesures ont été utilisées à travers le Canada pour arrêter la propagation des maladies aéroportées. Ces mesures comprenaient rester chez soi, porter des masques et garder ses distances avec les autres. La façon dont ces règles étaient appliquées et suivies variait d'une province à l'autre, mais elles ont toutes eu un effet sur la grippe saisonnière.

Une fois les règles mises en place, on a remarqué un changement dans le nombre de personnes se faisant tester pour la grippe. Selon des rapports, il semble qu'une souche de la grippe B ait même disparu à cause de la COVID-19 et des mesures prises. Cette étude vise à examiner comment les mesures contre la COVID-19 ont modifié à la fois la grippe A et B au Canada.

La grippe est étudiée depuis longtemps en utilisant des modèles mathématiques. Ces modèles divisent une population en différents groupes : ceux qui peuvent tomber malades, ceux qui sont actuellement malades et ceux qui se sont rétablis. Ce cadre simple est couramment utilisé pour étudier la grippe et peut être ajusté pour prendre en compte différents facteurs d'une épidémie, comme l'immunité des infections passées ou les efforts de Vaccination. Les modèles aident à estimer des chiffres importants qui montrent comment une maladie se propage, tant qu'on a suffisamment de données sur la population.

Cependant, les tests se concentrent souvent sur les cas graves, ce qui entraîne un sous-dénombrement des infections réelles dans la population. Depuis 2020, plus de données ont été collectées sur la COVID-19, ce qui a amélioré notre compréhension de ces chiffres. Au Canada, cependant, la collecte de données pour les cas de grippe n'a pas vu les mêmes changements. Cette situation peut fausser nos estimations des paramètres du modèle, mais cette étude se concentrera sur la comparaison relative de ces paramètres.

Ici, on utilise un modèle simple avec des données sur la grippe de l'été 1999 au printemps 2023 pour voir comment les mesures de COVID-19 ont affecté la propagation de la grippe. On a choisi ce modèle simplifié car les données sur la grippe sont rapportées chaque semaine, ce qui nous donne moins de 50 points de données chaque saison. On va discuter de ce que ces estimations signifient à la lumière d'autres maladies et politiques connexes.

Pour réduire l'influence des changements liés, on appliquera un modèle simple utilisant des données historiques sur la grippe. Cette approche n'est pas nouvelle et a été utilisée dans certaines études pour prévoir les saisons de grippe. En appliquant ce modèle, on peut limiter le nombre de variables à ajuster en gardant celles qui sont moins susceptibles de changer fixes, comme le taux de guérison. Le nombre initial de personnes qui peuvent tomber malades varie chaque année et dépend de combien de gens se font vacciner, de l'efficacité des vaccins et des comportements sociaux. On va estimer ce nombre et montrer comment les mesures de COVID-19 l'ont impacté.

Dans notre étude, on définit les groupes comme suit : S fait référence aux personnes qui peuvent encore attraper le virus, I fait référence à ceux qui sont infectés, et R fait référence à ceux qui se sont rétablis. On suit aussi le nombre total de cas pour chaque saison de grippe. En faisant cela, on peut utiliser à la fois les nouveaux cas rapportés chaque semaine et le total cumulatif pour comparer avec les données réelles.

En regardant le nombre initial de personnes qui peuvent tomber malades, on reconnaît que tout le monde dans la population ne peut pas être classé de cette manière pour la grippe. De nombreux facteurs comme les infections passées et la vaccination entrent en jeu. Donc, on définit le groupe initial des susceptibles comme le nombre effectif de personnes qui peuvent tomber malades au début de la saison de grippe. Cette vue est encore compliquée puisque les mesures COVID-19 peuvent temporairement réduire les chiffres dans ce groupe. Par conséquent, on considère soigneusement ce groupe initial.

On suppose que tout changement majeur de la population pendant les six mois de la saison de grippe n'affecte pas notre modèle. Ces hypothèses nous aident à réduire le nombre de facteurs pour rendre le modèle plus facile à gérer mathématiquement.

On examine le Taux de reproduction moyen pour chaque saison de grippe en utilisant une façon standard d'exprimer ce taux basée sur notre modèle. Il est important de noter qu'on ne suppose pas que chaque année commence avec une population entièrement susceptible, ce qui nous amène à voir ce taux de reproduction comme une mesure saisonnière. En d'autres termes, cela reflète à quel point la grippe A est contagieuse au début de chaque saison.

On utilise des données sur la grippe provenant de diverses sources au Canada pour voir comment les paramètres du modèle ont changé pendant les saisons de grippe 2020-2021 et 2021-2022, une période où les mesures COVID-19 étaient assez strictes. Les données nous permettent de mieux ajuster notre modèle et de voir comment les erreurs dans la collecte de données peuvent affecter nos résultats.

En utilisant notre modèle, on peut évaluer les paramètres qui nous intéressent en minimisant la différence entre les nouveaux cas rapportés et les cas totaux pour chaque semaine. En utilisant à la fois les nouveaux cas et les cas totaux, on peut minimiser l'effet des erreurs de collecte, car elles apparaissent différemment dans les comptes hebdomadaires par rapport aux comptes cumulés. Cette méthode a montré qu'elle produit de bons ajustements pour les données dont on dispose.

On fixe certains paramètres sur la base d'informations connues, comme la durée moyenne de la maladie grippale. La saison de grippe s'étend généralement d'août d'une année à juillet de l'année suivante. On ajuste les données de chaque saison par rapport aux rapports disponibles, et s'il y avait des lacunes dans les rapports, on a regardé les sources provinciales.

Le processus d'ajustement nous aide à évaluer comment les mesures ont affecté les paramètres étudiés, comme combien de personnes peuvent tomber malades au début de la saison. Au cours des saisons 2020-2021 et 2021-2022 - quand les mesures COVID-19 étaient en place - on a vu des changements significatifs dans le comportement de la grippe. Cela a signifié que moins de gens pouvaient tomber malades et un Taux d'attaque réduit pendant ces saisons.

On a regardé comment ces effets se comparent aux années précédentes. Les données ont montré que les mesures ont conduit à une réduction globale du nombre de reproduction de la grippe A et à un taux d'attaque plus bas. Plus précisément, on a vu une baisse du nombre de cas potentiels à cause des mesures COVID-19.

Au printemps 2022, alors que les mesures COVID-19 commençaient à s'estomper, on a noté un changement dans la saison de la grippe. Il semblait y avoir une deuxième vague de grippe A cette année-là, soulignant comment ces mesures avaient un effet à retardement. Même sans mesures strictes, il y avait encore une augmentation visible des cas de grippe.

On a aussi remarqué que le rebond des cas après la levée des mesures COVID-19 pourrait être lié à une diminution de la vaccination contre la grippe, à un manque d'immunité accumulée à cause de moins d'infections, ou à des cas de COVID-19 eux-mêmes affectant la susceptibilité à la grippe. Ces facteurs nécessiteront une étude plus approfondie, mais ils suggèrent qu'il est crucial de comprendre comment ces virus interagissent et le rôle de la vaccination dans la gestion des futures épidémies.

Les résultats montrent à quel point le nombre initial de personnes susceptibles de tomber malades peut être influencé par les mesures prises pour lutter contre d'autres virus. Quand on voit une baisse des personnes qui peuvent tomber malades, on trouve souvent une augmentation des taux de contact parmi ceux qui restent. Les données suggèrent que les travailleurs essentiels peuvent avoir des taux de contact plus élevés pendant les pandémies, affectant la façon dont les maladies se propagent.

À l'avenir, on aimerait étendre cette recherche à d'autres maladies aéroportées au Canada pour voir si les mêmes mesures ont des effets variés sur différents virus. Cette information pourrait aider à mieux répondre aux futures épidémies.

En résumé, l'étude montre que les mesures prises pendant la pandémie de COVID-19 ont eu des effets significatifs sur la grippe saisonnière au Canada. Ces impacts se sont manifestés par une baisse du nombre d'infections et des paramètres associés, qui sont cruciaux pour comprendre comment les politiques affectent la santé publique. Alors que la société avance, les enseignements tirés de cette recherche peuvent aider à informer de meilleures stratégies pour gérer à la fois la grippe et les futures maladies infectieuses émergentes.