Other research product . Other ORP type . 2020

Estimation de la situation du SRAS-CoV-2 en France

Name: Estimation de la situation du SRAS-CoV-2 en France
Keywords: [SDV]Life Sciences [q-bio], [SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie

Salje, Henrik; Tran Kiem, Cécile; Lefrancq, Noémie; Courtejoie, Noémie; Bosetti, Paolo; Paireau, Juliette; Andronico, Alessio; +10 Authors

French

Published: 01 Jan 2020

Publisher: HAL CCSD

Country: France

- Summary
- References
  (11)
- Related research
  (1)

Abstract

Traduction non relue par les auteurs de "Estimating the burden of SARS-CoV-2 in France" paru dans Science https://science.sciencemag.org/content/369/6500/208 Date de parution : 10 juillet 2020 DOI: 10.1126/science.abc3517; [ATTENTION : LA TRADUCTION DE L'ARTICLE N'A PAS ÉTÉ RELUE PAR LES AUTEURS]. La France a été fortement affectée par la pandémie du syndrome respiratoire aigu sévère coronavirus 2 (SRAS-CoV-2) et est entrée en confinement le 17 mars 2020. À l'aide de modèles appliqués aux données hospitalières et de décès, nous estimons l'impact du confinement et l'immunité actuelle de la population . Nous constatons que 2,9% des personnes infectées sont hospitalisées et 0,5% des personnes infectées décèdent (intervalle de confiance à 95%: 0,3 à 0,9%), allant de 0,001% chez les moins de 20 ans à 8,3% chez les 80 ans ou plus âgés. À tous les âges, les hommes sont plus susceptibles d'être hospitalisés, d'entrer en soins intensifs et de mourir que les femmes. Le confinement a réduit la reproductivité de 2,90 à 0,67 (réduction de 77%). D'ici le 11 mai 2020, date à laquelle les interventions devraient être assouplies, nous prévoyons que 3,5 millions de personnes (fourchette: 2,1 millions à 6,0 millions), soit 5,3% de la population (fourchette: 3,3 à 9,3%), auront été infectées. L'immunité de la population semble insuffisante pour éviter une deuxième vague si toutes les mesures de contrôle sont relâchées à la fin du confinement.

Subjects

[SDV]Life Sciences [q-bio], [SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie

Related Organizations

Cancer
France
Cell Biology, Development and Evolution
France
Department of Virology
France
Biology of Infection
France
Molecular and structural basis of life sciences
France

View all

11 references, page 1 of 2

22. Stan Development Team, RStan: the R interface to Stan (2020); https://mc-stan.org/.

23. Z. Du, X. Xu, Y. Wu, L. Wang, B. J. Cowling, L. A. Meyers, Serial interval of COVID-19 among publicly reported confirmed cases. Emerg. Infect. Dis. 26, 1341-1343 (2020). doi:10.3201/eid2606.200357pmid:32191173

24. Q. Bi, Y. Wu, S. Mei, C. Ye, X. Zou, Z. Zhang, X. Liu, L. Wei, S. A. Truelove, T. Zhang, W. Gao, C. Cheng, X. Tang, X. Wu, Y. Wu, B. Sun, S. Huang, Y. Sun, J. Zhang, T. Ma, J. Lessler, T. Feng, Epidemiology and transmission of COVID-19 in 391 cases and 1286 of their close contacts in Shenzhen, China: a retrospective cohort study. Lancet Infect. Dis. 10.1016/S1473-3099(20)30287-5 (2020). doi:10.1016/S1473-3099(20)30287-5

25. L. Tindale, M. Coombe, J. E. Stockdale, E.Garlock, W. Y. V. Lau, M. Saraswat, Y.-H. B. Lee, L. Zhang, D. Chen, J.Wallinga, C. Colijn, Transmission interval estimates suggest pre-symptomaticspread of COVID-19. medRxiv 2020.03.03.20029983 [Preprint]. 6 March 2020.https://doi.org/10.1101/2020.03.03.20029983.

26. S. Funk, socialmixr; https://github.com/sbfnk/socialmixr.

27. O. Diekmann, J. A. Heesterbeek, J. A. Metz, On the definition and the computation of the basic reproduction ratio R0 in models for infectious diseases in heterogeneous populations. J. Math. Biol. 28, 365-382 (1990). doi:10.1007/BF00178324pmid:2117040 [OpenAIRE]

28. N. Hens, G. M. Ayele, N. Goeyvaerts, M. Aerts, J. Mossong, J. W. Edmunds, P. Beutels, Estimating the impact of school closure on social mixing behaviour and the transmission of close contact infections in eight European countries. BMC Infect. Dis. 9, 187 (2009). doi:10.1186/1471-2334-9-187pmid:19943919

29. Décret n° 2020-260 du 16 mars 2020 portant réglementation des déplacements dans le cadre de la lutte contre la propagation du virus covid-19, Legifrance; www.legifrance.gouv.fr/affichTexte.do? cidTexte=JORFTEXT000041728476&categorieLien=id.

30. A. Gelman, J. B. Carlin, H. S. Stern, D. B. Rubin, Bayesian Data Analysis (CRC Texts in Statistical Science, Chapman and Hall, ed. 2, 2004).

31. COVID-19 Community Mobility Report, www.google.com/covid19/mobility/.