popas1 a écrit : ↑ven. 22 mai 2020 07:50
14jours après le déconfinement on as toujours pas de hausse significative des nombres de cas. La seconde vague n'existerait donc pas ?
Il va falloir attendre encore un peu. En Autriche, hors culture, la vie normale a quasiment repris le pas depuis une petite semaine. Encore 10 jours et on pourra juger. L'évolution en suède est intéressante aussi.
Sinon pour cette histoire de deuxième vague ... A mon sens, cette peur de la deuxième vague vient du fait que les scientifiques qui sont les plus influents de nos jours sont des modélisateurs. En épidémiologie, les modèles de références sont des modèles SIR. Une présentation vidéo de ces modèles qui est bien foutue:
Dans ces modèles, tant qu'on a pas éliminé tous les cas, l'épidémie repart, elle ne peut pas "s'éteindre d'elle même". En conséquence, tant qu'on pense dans les termes du modèle, on ne peut pas imaginer qu'il n'y ait pas une seconde vague. Hors, il y a plein de choses qu'on ne connait pas (dans le modèle on connait les paramètres) mais raisonner dans des modèles empêche de conceptualiser le fait qu'on soit dans des situations d'incertitude. C'est ce sur quoi nous avons travaillé ces derniers temps, même si nous avons été peu audibles:
The keynote of the current COVID-19 pandemic is
uncertainty. Who could have known in early January,
that by mid-March, most countries in the EU would
opt for a generalised lockdown, and that borders would
be closed within the Schengen. Now, as we slowly
approach the end of generalised lockdown periods in
many European countries, all we can say with certainty
is that we don’t know whether the worst is behind us,
or whether there will be a second wave of infections to
bring public life at least partially to a hold. And yet, most
public decision-making over the past months has relied
on epidemiological models that, of course, had to start
somewhere: that is, with assumptions.
In “normal” times, discussing the correctness of
assumptions can be quite a pleasant pastime, in
particular among economists. However, in the current
situation, it would have been, and still is, fruitful to rely
on the actual data available rather than on assumed
probabilities. The purpose of using actual data,
however, is not to count the number of people infected
or cured, but to help visualise any acceleration or
deceleration of harm. That is, what matters in times of
radical uncertainty is to enhance understanding of the
dynamic of the pandemic in real time, by offering a way
to indicate when the pandemic is spreading rapidly and
when it is slowing down.
Quand on regarde les vidéos de D. Raoult, qui n'est justement pas un modélisateur, mais un médecin, c'est aussi ce qu'il dit quand il annonce la fin de l'épidémie. Il y a beaucoup de choses que l'on ne connait pas, on ne sait pas pourquoi ça s'arrête, etc. La modélisation empêche de penser cette incertitude et si les modélisateurs sont les conseillers du Prince, ça pose une difficulté, notamment parce que ça limite un certain pragmatisme qui se base sur les faits en acceptant qu'il y a beaucoup de choses qu'on ne sait pas (comme par exemple pour les paramètres des modèles seraient stables au cours du temps).
Stef