Une étude récente a critiqué la fiabilité des projections de Covid-19 faites par SPI-M, un sous-groupe du Groupe scientifique consultatif pour les urgences (SAGE) du Royaume-Uni, suggérant que certaines prévisions étaient si inexactes qu’elles étaient inefficaces pour la planification et la prise de décision.

Le document, publié dans la revue Global Epidemiology, examine deux échecs clés dans la modélisation prédictive du SAGE : l’un en juillet 2021 pendant la vague Delta, et un autre en décembre de la même année avec l’émergence du variant Omicron. Dans les deux cas, les prévisions, largement utilisées par les décideurs politiques, étaient soit trop vagues, soit significativement éloignées de la réalité.

Avant le soi-disant « Jour de la Liberté » en juillet 2021, le SAGE avait prévu que les hospitalisations quotidiennes pourraient varier de 100 à 10 000, et avait averti que les cas « resteraient presque certainement extrêmement élevés pour le reste de l’été ». Au lieu de cela, les hospitalisations ont atteint un pic d’environ 1 000 par jour, tandis que les cas ont commencé à diminuer peu après la levée des restrictions, soit plus de 10 fois en dessous de la limite supérieure, s’écartant fortement des prévisions, a révélé l’étude.

Parallèlement, en décembre 2021, le SAGE a averti qu’en vertu des restrictions « Plan B » — que le gouvernement a finalement maintenues — les décès quotidiens pourraient atteindre entre 600 et 6 000. Le pic final n’était que de 202, tombant bien en dessous de la limite inférieure de la prévision.

Les auteurs de l’étude attribuent ces échecs à la dépendance excessive du SAGE à la modélisation mécanique, qui simule la dynamique des maladies sur la base d’hypothèses théoriques. Bien que les modèles mécaniques soient utiles pour évaluer les impacts des interventions, ils dépendent fortement de données de haute qualité, qui étaient souvent indisponibles ou incohérentes pendant la crise.

En revanche, les auteurs citent le Consortium de modélisation Covid-19 d’Afrique du Sud (SACMC), qui a adopté une approche plus flexible et diversifiée, utilisant des modèles descriptifs plus simples aux côtés de modèles mécaniques. Malgré des ressources bien moindres que celles du SAGE, les auteurs affirment que le SACMC a fourni des projections significativement plus précises, en particulier pendant la vague Omicron.

Au cours de la pandémie, le Royaume-Uni a connu des taux d’infection, des hospitalisations et des décès fluctuants, avec des pics notables pendant les premières et deuxièmes vagues (Alpha). Au plus fort de la troisième vague Delta à la mi-2021, le pays a vu le nombre quotidien de cas dépasser 40 000, avec des admissions à l’hôpital augmentant dans certaines régions. Au moment de la montée du variant Omicron à la fin de 2021, les infections ont de nouveau explosé, mais les admissions à l’hôpital et les taux de mortalité sont restés bien inférieurs à ceux des deux premières vagues.

Les résultats soulignent des lacunes qui ont eu un impact non seulement sur la prise de décision au Royaume-Uni, mais aussi sur les stratégies de santé publique mondiales, étant donné l’influence de l’Imperial College London en tant que seul centre de collaboration de l’Organisation mondiale de la santé pour la modélisation des maladies infectieuses. « Si le SAGE avait adopté une approche méthodologiquement pluraliste, beaucoup de ces erreurs auraient pu être évitées », soutient l’étude.

« L’échec à s’adapter et à utiliser des méthodes diverses pendant une pandémie n’est pas seulement une occasion manquée », écrivent les chercheurs. « C’est un risque que nous ne pouvons pas nous permettre de répéter lors de futures crises de santé mondiale. »