Cette pièce fait partie d’une série, présentée par notre partenaire SAS, qui explore le rôle des données dans la compréhension de la pandémie de COVID-19. SAS est un pionnier dans le domaine de la gestion et de l’analyse des données. (Consultez les autres articles de la série sur notre page Get Smart About COVID-19 Misinformation.)
Taux de létalité vs taux de mortalité
Les données et informations relatives au COVID-19 peuvent être difficiles à interpréter si vous n’êtes pas un expert. Nous avons appris beaucoup de nouveaux termes au cours des dernières semaines. L’un des termes que nous voyons le plus souvent est le taux de létalité, ou CFR. Il s’agit d’une mesure importante car elle nous aide à comprendre combien de personnes ayant reçu un diagnostic confirmé de COVID-19 meurent des suites de la maladie. Cependant, comme les comparaisons mentionnées précédemment dans cette série, ce chiffre doit être considéré dans son contexte.
Pour commencer, il est important de différencier le taux de létalité des cas d’autres métriques, telles que le taux de mortalité, ou même le risque de décès d’une personne si elle était infectée. Le taux de létalité est représenté par un ratio.
Graphique avec l’aimable autorisation de SAS.
Malheureusement, il est difficile de mesurer ces deux chiffres avec une précision totale. Le nombre de personnes actuellement diagnostiquées avec le COVID-19 n’est pas égal au nombre de personnes qui en sont réellement atteintes. Et il est possible que nous n’obtenions jamais une évaluation précise de ce nombre. Le taux de létalité actuel est probablement élevé par rapport au risque réel de mourir si vous attrapez la maladie. Cela s’explique par le fait que les personnes les plus susceptibles de se faire dépister sont celles qui présentent les pires symptômes, ce qui les rend plus susceptibles de connaître des complications potentiellement mortelles.
Considérer d’autres facteurs
Des facteurs sous-jacents tels que l’âge et les conditions de santé préexistantes font que votre risque individuel est différent du risque global. Et si certains rapports sur les taux de létalité incluent également certaines de ces données démographiques, n’oubliez pas que ces chiffres présentent les mêmes biais liés au contexte que les taux de létalité globaux.
Enfin, une métrique que nous voyons moins souvent, mais qui mérite tout de même de l’attention, est le taux de mortalité global. Il s’agit de la part de la population qui meurt des suites de la pandémie. Ce chiffre est généralement très différent du taux de létalité, car tout le monde n’est pas exposé à la maladie. Imaginez un pays qui ne compte que 100 habitants. Si 20 de ces personnes sont infectées et qu’une d’entre elles meurt, le taux de létalité – la proportion de personnes infectées qui meurent – serait de 5 %. Or, le taux de mortalité n’est que de 1 %. C’est-à-dire que 1 % de la population totale est décédée.*
La leçon à retenir ici est d’examiner attentivement les pourcentages que vous voyez rapportés et de vous assurer que vous comprenez à quelle population ils s’appliquent. S’agit-il d’une population entière ? Seulement les personnes infectées ? Seulement ceux qui présentent des symptômes graves ? Ce sont toutes des questions importantes à se poser lors de l’interprétation des informations.
Conclusion
On a souvent l’impression que les chiffres et les données sont des faits, mais il est faux de penser qu’ils donnent une image totalement exacte du monde. Les données dont nous disposons sont les meilleures mesures disponibles à l’heure actuelle. La seule façon de savoir avec certitude comment le nombre de cas évolue chaque jour est de tester chaque personne chaque jour. Cela n’est tout simplement pas réalisable, et nous devons donc nous fier à nos mesures imparfaites. This makes understanding the pandemic and its progression more challenging; but data analysis is still a powerful tool to give us insight and help us make decisions.
*The original version of this blog post included incorrect figures in the section discussing mortality rate vs. case fatality rate. They were corrected on April 14, 2020, the date of publication. We apologize for the error.
Other articles in this series:
-
- Examining data behind racial disparities.
- Comparing data across countries.
- Comparing data across time.
- Age isn’t everything.
About SAS: Through innovative analytics software and services, SAS helps customers around the world transform data into intelligence.