La météo pour prédire les risques de congestion des hôpitaux

Des scientifiques ont développé un modèle mathématique pour permettre aux hôpitaux d'anticiper les pics de consultations de grippe (photo d'illustration). KEYSTONE/MARTIAL TREZZINI sda-ats

(Keystone-ATS) Des chercheurs des universités de Lausanne et de Genève ont développé un modèle mathématique permettant d’anticiper les pics de grippe dans les hôpitaux. Pour ce faire, ils utilisent les données météo.

La grippe est un virus saisonnier, essentiellement présent pendant la saison hivernale sous nos latitudes. L’équipe de scientifiques a donc confronté certaines données météorologiques et les cas de grippe enregistrés quotidiennement durant trois années au CHUV, selon cette étude publiée dans le Journal of the Royal Statistical Society.

Les chercheurs se sont focalisés sur les valeurs extrêmes enregistrées. « Au lieu d’indiquer aux hôpitaux une valeur moyenne de cas attendus, nous leur indiquons la probabilité qu’un nombre de cas dépassant leurs capacités soit atteint », explique Valérie Chavez, statisticienne à l’Université de Lausanne et co-auteure de l’étude.

Utile pour la planification

En suivant chaque année l’évolution de cette probabilité à partir de l’automne, les responsables des hôpitaux pourraient donc anticiper un pic de cas de grippe et planifier le personnel en conséquence, a indiqué jeudi le Fonds national suisse (FNS).

Concrètement, le modèle indique le nombre de cas positifs qui pourrait être dépassé avec une probabilité de 1%, 5% ou 10%. Il donne aussi la valeur maximale du nombre de cas positifs qui pourrait être observée à un horizon de 10 ou 30 jours. Pour les hôpitaux, c’est un signal d’alarme », résume la scientifique.

Données à enrichir

Le modèle présente encore une certaine incertitude dans l’estimation du risque, car seules trois années de données du CHUV ont pu être analysées. Par ailleurs, toujours en raison du manque de données, il n’est pas encore applicable à la surveillance du SARS-CoV-2.

En revanche, les scientifiques planchent déjà sur des modèles qui, à côté des données météo, exploiteraient aussi les processus de propagation des virus afin de suivre encore mieux les phénomènes de contagion.