Coronavirus : comment décrypter les études et les chiffres ?

Par souci de « transparencetransparence », les scientifiques, le gouvernement et les médias nous assomment chaque jour de chiffres alarmistes et de statistiques. Mais, en l'absence de contexte et de décryptage, ces chiffres ne nous apprennent en réalité pas grand chose. Voici comment mieux les interpréter.

Un chiffre tout seul ne veut rien dire

« 100 nouveaux cas en France », « 18.900 morts dans le monde », « 32.000 personnes testées positives »... Que nous apprennent ces chiffres sur le coronavirus ? Absolument rien, si on ne les met pas en rapport avec un deuxième chiffre. Il est, par exemple, tout à fait logique d'avoir plus de morts en Chine qu'au Royaume-Uni dans la mesure où la population est 20 fois plus nombreuse. De même, il faut se méfier des moyennes et du niveau géographique choisi. Si l'Italie entière semble dépassée par la crise du coronavirus avec un record de près de 7.000 décès, on s'aperçoit que la Lombardie concentre à elle seule 65 % des victimes, alors que le sud du pays est quasiment exempt. De même, le taux de mortalité moyen du Covid-19 ne reflète absolument pas les facteurs de risques : il est par exemple de 9,2 % pour les diabétiques contre 1,4 % pour les patients sans affection particulière.
 

Un chiffre hors contexte est à relativiser

En 2018-2019, l'épidémie de grippe saisonnière a causé 8.100 décès en l'espace de 8 semaines en France, soit plus de 1.000 décès par semaine. Un chiffre bien supérieur aux quelques centaines de décès de Covid-19 annoncés chaque semaine. Au final, pas sûr que le nombre de morts soit finalement supérieur cet hiverhiver par rapport à l'an dernier, coronavirus et grippegrippe compris. De même, qui se souvient que la caniculecanicule de 2003 avait causé 15.000 morts en à peine 15 jours, soit 7.500 morts par semaine ? Mais, comme nous avons affaire à un virusvirus totalement inconnu, le nombre de décès suscite une peur démultipliée.

Graphiques : attention à l’échelle choisie

On peut faire dire à peu près n'importe quoi à une courbe en choisissant des axes qui partent d'un point particulier ou en utilisant une échelle trompeuse. Dans l'exemple ci-dessous, la première courbe représente les cas de contaminationcontamination pour 100.000 habitants à partir la date du premier cas déclaré. La deuxième adopte une échelle logarithmique en axe vertical, ce qui donne des résultats très différents. La courbe normale donne l'impression que l'Italie et la Suisse sont les pires pays tandis que la courbe en échelle logarithmique montre une plus grande homogénéité selon les pays. De même, une courbe vue sur l'écran vertical d'un smartphone montre une augmentation beaucoup plus impressionnante que sur l'écran horizontal d'un ordinateurordinateur.
 

Pourcentages : se méfier des données de départ

Dans les premiers temps, une épidémie se propage toujours « sous le radar » : beaucoup de personnes sont déjà affectées sans le savoir. Lorsqu'on commence à comptabiliser les cas, ces derniers augmentent donc de façon très rapide par rapport à un point de départpoint de départ nul. 10 nouveaux cas par rapport à 10 cas existants, cela donne une augmentation de 100 %. Les mêmes 10 nouveaux cas rapportés à 1.000 cas existants, cela donne une hausse de 1 %. Il est également très facile de manipuler les graphiques « camembert », en choisissant des catégories adéquates, par exemple des tranches d'âge. Si l'on veut montrer que les patients âgés décèdent davantage, on va choisir une catégorie plus large (par exemple les plus de 60 ans), à l'inverse quand on veut minimiser le risque, on crée une catégorie « plus de 80 ans » qui comprendra donc moins de morts par rapport à la population générale.

Prolonger les courbes, une tentation à manier avec précaution

« En l'absence de confinement, 30 millions de personnes seront atteintes [du Covid-19] en France », prédisait un chercheur de la Sorbonne en mars. Pour parvenir à ce genre de projection, les chercheurs partent du taux de reproduction (nombre de personnes contaminées par un malade), qui est de 2,2 pour le SARS-CoV-2SARS-CoV-2, et appliquent le taux de mortalité estimé de la maladie - autour de 1 % des personnes qui déclarent des symptômessymptômes, comme l’explique l’AFP. D'après les calculs de l'Imperial College de Londres (ICL), 81 % de la population britannique pourrait ainsi être affectée à terme, avec un nombre de morts dépassant les 510.000. En prolongeant simplement les courbes de façon exponentielle, on peut même conclure que le nombre de morts va dépasser le nombre d'habitants, ce qui est bien entendu absurde.
 

Une corrélation, ce n'est pas une preuve

Le 23 janvier, la province de Hubei en Chine est placée en confinement total avec interdiction de circuler. DIx jours après, on observe un net tassement du nombre de nouveaux cas, ce qui suggère que c'est le confinement qui a été efficace. Sauf que personne ne sait ce qu'il se serait passé sans confinement. Pour François Bricaire, infectiologue et membre de l'Académie de médecine, « il est possible que l'on avait alors atteint le pic de l'épidémie qui a naturellement commencé à ralentir à ce moment », suggère le médecin sur LCI. La fausse corrélation est un biais très connu dans les études épidémiologiques. On peut ainsi démontrer à peu près n'importe quoi, par exemple que le gelgel hydroalcoolique donne envie de manger des spaghettis, les deux produits affichant une hausse des ventes similaire.   

Chiffres du coronavirus : des taux de mortalité sans valeur

Avec 6.077 morts pour 63.927 cas (au 24 mars), l'Italie affiche un taux de mortalité effrayant de 9,8 %, soit plus que l'Iran (7,9 %)) et la France (4,3 %). L'Allemagne, avec pourtant 70 % de cas de plus que la France, montre elle un taux de décès bien plus faible (0,4 %, soit à peine supérieur à celui de la grippe). Car un taux dépend avant tout de son dénominateur, c'est-à-dire ici du nombre de cas détectés. Or, l'Allemagne a lancé une vaste campagne de dépistagedépistage, avec une capacité de 160.000 tests par semaine, là où la France a fait le choix de ne détecter que les cas sévères. Le taux de mortalité dépend également de l'âge et de l'état du patient, ainsi que de l'échelle géographique. La mortalité à Wuhan (et donc de la Chine) a été estimée entre 3 % et 4 % initialement, mais dans le reste du pays, elle est plutôt proche de 0,7 % à 1 %.

Nombre de cas de Covid-19 par pays par rapport au nombre de personnes testées. © Our World in Data

Trop de chiffres tue les statistiques

Le décompte macabre des nouveaux cas et des décès annoncés chaque jour n'aide pas à prendre du recul. L'évolution d'une épidémie est par nature chaotique : une stabilisation peut se produire sous forme d'un déclin suivi d'un rebond de nouvelles infections. Un peu comme les chiffres du chômage, que Pôle Emploi a cessé de publier mensuellement, jugeant leur volatilitévolatilité trop importante. Si vous lisez un article entièrement truffé de chiffres, c'est peut-être qu'il ne donne pas assez de place à leur analyse.