Alors que le SARS-CoV-2 continue de se propager en France, une caractérisation approfondie des besoins en soins hospitaliers et de la trajectoire des patients à l’hôpital, ainsi que de leur évolution au cours du temps, est essentielle pour appuyer la planification. Dans ce contexte, les chercheurs de l’unité Modélisations mathématiques des maladies infectieuses de l’Institut Pasteur et de l’Université de Cambridge ont développé un modèle probabiliste permettant d’analyser les trajectoires détaillées de patients à partir de 198 846 hospitalisations en France au cours des neuf premiers mois de la pandémie (de mars à novembre 2020). Ces travaux ont été publiés le 21 mars 2021 dans le Lancet Regional Health Europe.
Ce modèle tient compte des variations d’âge et de sexe des patients au cours du temps, et explore l’évolution des probabilités d’admission en soins critiques, de décès, et de retour au domicile, ainsi que les changements des durées de séjour à l’hôpital.
Les chercheurs ont constaté des changements importants dans l'âge et le sexe des patients hospitalisés au cours de la période d'étude. En particulier, la proportion de patients hospitalisés âgés de plus de 80 ans a varié entre 27% et 48% au cours de l'épidémie, et était plus faible entre les deux vagues. La proportion de femmes parmi les patients hospitalisés a varié entre 45% et 53% durant l’épidémie.
Les chercheurs ont également montré que le devenir des patients hospitalisés a connu des variations importantes durant la pandémie. Par exemple, la probabilité que les patients hospitalisés soient admis en soins critiques a chuté de 25,4% (24,4%–26,4%) à 12,6% (11,6%–13,6%) au cours des quatre premiers mois (de mars à juin), parallèlement à la diminution du nombre de cas, avant de remonter à 19,3% (18,9%–19,7%) au cours de la deuxième vague. La probabilité de décès a suivi une trajectoire similaire, passant de 24,9% (24,0%–25,9%) à 10,0% (8,7%–11,3%) après la première vague avant d'augmenter à nouveau au cours de la deuxième vague pour atteindre 18,6% (18,1%–19,0%). Ces dynamiques sont similaires pour les hommes et les femmes.
« Ces variations importantes dans les probabilités d'admission en soins critiques et de décès doivent être prises en compte dans les efforts de planification des besoins en soins hospitaliers » explique Simon Cauchemez, responsable de l’unité Modélisations mathématiques des maladies infectieuses de l’Institut Pasteur et dernier auteur de l’étude.
« Les raisons de ces variations concernant la mortalité des patients depuis le début de la pandémie restent incertaines. Cependant, elles pourraient être expliquées par une combinaison de changements : les comportements de recours aux soins des patients, l’évolution des tensions subies par les établissements de santé, ainsi qu’une meilleure prise en charge car les médecins en savent aujourd’hui plus sur la maladie » conclue Noémie Lefrancq, doctorante au sein du département de génétique à l’Université de Cambridge et première auteure de l’étude.
Pour en savoir plus, consultez l’espace modélisations Covid-19
Source
Evolution of outcomes for patients hospitalized during the first 9 months of the SARS-CoV-2 pandemic in France: a retrospective national surveillance data analysis, Lancet Regional Health Europe, 21 mars 2021
Noémie Lefrancq1,2 , MSc, Juliette Paireau1,3, PhD, Nathanaël Hozé1, PhD, Noémie Courtejoie4, PhD, Yazdan Yazdanpanah5,6, PhD, Lila Bouadma5,7, MD, Pierre-Yves Boëlle8, PhD, Fanny Chereau3, PhD, Henrik Salje1,2,*, PhD, Simon Cauchemez1,* PhD
1. Mathematical Modelling of Infectious Diseases Unit, Institut Pasteur, UMR2000, CNRS, Paris, France.
2. Department of Genetics, University of Cambridge, Cambridge, UK.
3. Santé Publique France, French National Public Health Agency, Saint-Maurice, France
4. DREES, Ministère des Solidarités et de la Santé, Paris, France.
5. Université of Paris, INSERM UMR 1137 IAME, Paris, France.
6. Department of Infectious Diseases, Assistance Publique-Hôpitaux de Paris, Bichat–Claude-Bernard University Hospital, Paris, France.
7. Medical and Infectious Diseases Intensive Care Unit, Assistance Publique-Hôpitaux de Paris, Bichat–Claude-Bernard University Hospital, Paris, France.
8. Institut Pierre Louis d’Epidémiologie et de Santé Publique, Sorbonne Université, INSERM, Paris, France.