Tests de dépistage
Dès le 16 mars 2020, l’OMS recommande de tester tous les cas suspects. Cependant, il a fallu du temps pour mettre au point des tests de qualité.
Qualité des tests
La qualité des tests de dépistage dépend de 2 facteurs :
- La sensibilité du test indique la probabilité que le test soit positif si la personne testée est réellement malade, c’est-à-dire la proportion de vrais positifs. Un test 100% sensible appliqué à une personne malade sera toujours positif (pas de faux négatifs).
- La spécificité du test indique la probabilité que le test soit négatif si la personne testée n’est pas malade, c’est-à-dire la proportion de vrais négatifs. Un test 100% spécifique appliqué à une personne saine sera toujours négatif (pas de faux positifs).
Cependant, il est impossible de fabriquer des tests parfaits sur ces deux critères, ni même sur un seul. Les tests de dépistage ont toujours une marge d’erreur. Les tests ne pouvant avoir à la fois une sensibilité et une spécificité très élevées, nous devons choisir la stratégie que nous préférons adopter :
- soit avoir une sensibilité très élevée, et donc réduire le plus possible la proportion de faux positifs : ceci permet d’éviter de confiner des personnes qui n’étaient en réalité pas infectées
- soit avoir une spécificité très élevée, et donc réduire le plus possible la proportion de faux négatifs : ceci permet d’éviter de laisser circuler des personnes infectées
Les premiers tests étaient relativement spécifiques (de l’ordre de 95 à 98% de vrais négatifs) mais encore peu sensibles (parfois 30 à 40% de faux négatifs. Il est donc parfois nécessaire de faire un deuxième test pour confirmer un résultat.
Dans le modèle présenté précédemment, nous simulons des tests ayant une sensibilité et une spécificité de 90%. Il pourrait être intéressant de faire varier ces deux paramètres pour observer l’impact qu’ils ont sur la reconstruction de la courbe épidémique, cela fera peut-être l’objet d’un post ultérieur !
Types de tests
Il existe deux types de tests permettant de détecter le SARS-CoV-2 :
- les tests dits PCR, pour réaction en chaîne par polymérase, sont réalisés à partir de prélèvements nasopharyngés (dans le nez) et permettent de déterminer si une personne est porteuse du virus au moment où le prélèvement est effectué
- les tests sérologiques sont réalisés à partir de prélèvements sanguins et permettent de déterminer si une personne possède des anticorps contre le virus, ce qui indique une infection plus ou moins récente selon le type d’anticorps détectés
Les tests PCR sont des tests de diagnostic permettant d’identifier les personnes qui sont actuellement porteuses du virus, tandis que les tests sérologiques indiquent uniquement la présence d’anticorps mais ne permettent pas de conclure sur le fait qu’une personne soit porteuse du virus, et donc potentiellement contagieuse.
Pour plus d’informations sur les différents types de tests et leur fiabilité, le collectif KezaCovid a réalisé une infographie explicative très bien faite.
Recherche de la stratégie optimale dans notre modèle
Afin de déterminer la stratégie qui permet d’obtenir le résultat le plus satisfaisant, nous avons exécuté un algorithme d’optimisation sur notre modèle. Cet algorithme simule le modèle un très grand nombre de fois en faisant varier les valeurs des paramètres d’entrée, dans le but d’optimiser les critères qui nous paraissent les plus importants pour caractériser la réussite de la campagne de tests.
Nous avons fait varier les trois paramètres d’entrée suivants :
- Stratégie de test utilisée (aléatoire, travailleurs, personnes âgées, personnes symptomatiques)
- Nombre de tests quotidiens (entre 0,5 et 7 fois la stratégie française)
- Seuil de déclenchement de la campagne de test (entre démarrage immédiat et démarrage à 50% de personnes infectées dans la population)
Dans le but de minimiser les trois critères de sortie suivants :
- Nombre total de tests effectués (leur nombre étant limité, on cherche à en utiliser le moins possible)
- Nombre de résultats faux positifs (qui entraînent des quarantaines inutiles)
- Nombre de personnes infectées non détectées (qui continuent à propager le virus - que ce soit parce qu’elles n’ont pas été testées, ou à cause de faux négatifs)
Comme nous avons plusieurs critères de sortie, il n’existe pas une solution unique qui sera la meilleure, mais plusieurs solutions équivalentes qui permettent de mieux minimiser l’un ou l’autre des critères de sortie. C’est ce qu’on appelle un front de Pareto.
Pour une population de 10 000 agents, toutes les meilleures solutions trouvées par l’algorithme :
- utilisent la stratégie de test qui cible les personnes symptomatiques
- commencent à tester dès l’apparition du premier cas (le plus tôt possible en somme, comme recommandé par l’OMS)
En outre, les paramètres sélectionnés par ces meilleures solutions montrent que plus on fait de tests, plus on détecte de personnes infectées (voir figure ci-dessous). Ce résultat peut sembler évident mais il est toujours bon de confirmer qu’un modèle se comporte de la manière attendue !
Cela confirme donc aussi que la stratégie de tester massivement la population le plus tôt possible fonctionne et peut éviter un confinement, à condition bien sûr de disposer de suffisamment de tests et de personnels pour les réaliser. C’est d’ailleurs la stratégie adoptée en Corée du Sud.
Rappel : les modèles développés sur ce site sont des modèles pédagogiques, bien plus simples que les modèles construits et mis en oeuvre par d’autres équipes scientifiques travaillant sur la COVID-19. Ils ne se substituent pas à ces modèles de référence et ne peuvent pas être utilisés à leur place pour mener des expertises, diagnostics ou pronostics. Notre objectif est de contribuer à la création, au sein de la population, d’une meilleure connaissance des moteurs de cette épidémie qui nous concerne toutes et tous.