L’optimisme récemment provoqué par la nouvelle de l’arrivée de plusieurs vaccins contre le coronavirus doit être tempéré par le constat que, même dans les pays les plus en pointe, il faudra probablement attendre le milieu de l’année prochaine pour qu’une large partie de la population ait été vaccinée. D’ici là, les gouvernements tentent, dans le monde entier, d'ajuster leurs interventions de manière à contenir la propagation de la maladie sans paralyser l’activité économique, bien souvent avec un succès limité, le nombre de cas d’infection étant récemment reparti à la hausse dans plusieurs pays. La présente étude s’appuie sur les réponses apportées par les pays lors de la première phase de la pandémie pour évaluer l’impact de différents types d’interventions gouvernementales à la fois sur le taux de reproduction du virus (« R »), et sur la mobilité des individus en tant qu’outil de mesure de l’activité économique. Les résultats empiriques servent ensuite à bâtir plusieurs scénarios en fonction de l’arbitrage réalisé entre les enjeux sanitaires et économiques dans les politiques de réponse à la crise1.
Perspectives économiques de l'OCDE, Volume 2020 Numéro 2
Note de réflexion 4. Sur la ligne de crête : contenir le virus tout en évitant les confinements
La mobilité comme outil de mesure de l’activité économique
Les politiques d’endiguement mises en place par les gouvernements pour réduire la propagation du virus ont un coût économique, mesuré ici au travers de leur impact sur la mobilité des individus. Google offre des données de mobilité fondées sur la circulation des utilisateurs de smartphones Android et sur la fonction « historique des positions ».
Graphique 2.14. Relation entre la mobilité et les révisions de prévisions de PIB à une fréquence trimestrielle pour les premier et deuxième trimestres 2020
Note : L’axe des ordonnées représente le ratio entre la dernière estimation (ou mesure officielle) en date du PIB et le niveau qui était prévu pour le trimestre concerné dans les Perspectives économiques de l’OCDE parues en décembre 2019. Chaque point représente l’association d’un pays et d’un trimestre. Le graphique couvre les pays de l’OCDE et les BRIICS.
Source : Google LLC, Rapports sur la mobilité de la communauté – COVID-19, https://www.google.com/covid19/mobility ; base de données des Perspectives économiques de l’OCDE nos 106 et 108 ; et calculs de l’OCDE.
L’impact des politiques d’endiguement sur la mobilité
Pour représenter les politiques d’endiguement menées par les gouvernements, la présente analyse empirique s’appuie sur une série de variables établies par la Blavatnik School of Government de l’Université d’Oxford (Hale et al., 2020) distinguant huit types de politiques qui, dans leur forme originale, sont notées selon le caractère plus ou moins contraignant et exhaustif de leur mise en application (tableau 2.3, graphique 2.15)2, 3
Tableau 2.3. Notation des différents degrés de contrainte des politiques d’endiguement
Note : Notation utilisée par l’outil de suivi Oxford Covid-19 Government Response Tracker. Si elles ne sont pas reproduites dans le tableau, l’absence de mesure ou l’absence de restriction sont toujours notées 0.
Source : Hale, T., et al. (2020), “Oxford COVID-19 Government Response Tracker”, Blavatnik School of Government, Oxford University.
Selon l’estimation empirique, sept des huit types de politiques d’endiguement produisent un impact négatif sur la mobilité (graphique 2.16)4. En outre, l’application plus stricte d’une politique en particulier tend à réduire davantage la mobilité : ainsi, la forme la plus contraignante de fermeture des lieux de travail (notée 3) a un impact neuf fois supérieur à sa forme la plus légère (notée 1). Trois politiques se distinguent par leur impact particulièrement prononcé sur la mobilité, à savoir la fermeture des lieux de travail, l’obligation de rester chez soi et la fermeture des établissements scolaires : l’application de la forme la plus contraignante de ces seules mesures réduit la mobilité de plus de 40 %, selon les estimations. D’autres politiques, comme l’annulation des événements publics et les restrictions de déplacement, ont un impact important mais moins sensible sur la mobilité même si, dans certains cas, l’application la plus limitée d’une politique n’a aucun effet substantiel sur la mobilité.
Graphique 2.15. Pourcentage de pays par degré de contrainte des politiques d’endiguement
Note : Les graphiques sont établis sur la base de l’outil de suivi Oxford Covid-19 Government Response Tracker. Le degré de contrainte est évalué sous forme d’indice ordinal ; plus le nombre est élevé, plus les mesures sont contraignantes. Les titres de chaque partie mentionnent entre crochets la fourchette de degrés par catégorie de mesure. Les graphiques se fondent sur la couverture géographique complète (jusqu’à 185 pays) par la source à une date donnée.
Source : Calculs des auteurs fondés sur Hale, T., et al. (2020), “Oxford COVID-19 Government Response Tracker”, Blavatnik School of Government, Oxford University.
Graphique 2.16. Impact estimé, sur la mobilité, des politiques d’endiguement et de la prudence naturelle
Impact sur la mobilité (en l’absence du virus et de mesures d’endiguement, la mobilité « normale » se situe à 1.0)
Note : Le graphique représente l’impact estimé, sur la mobilité, de différentes politiques d’endiguement à différents niveaux de contrainte, ainsi que l’impact d’une prudence naturelle accrue, au travers du taux de mortalité. L’absence dans le graphique à bâtons d’un degré spécifique de contrainte d’une politique signifie soit qu’il n’a pas d’impact notable sur la mobilité (ce qui est le cas lorsque les degrés de contrainte supérieurs sont représentés), soit qu’il a le même impact que le degré inférieur de contrainte (dans ce cas, un degré inférieur est représenté).
Source : Calculs de l’OCDE fondés sur les estimations mentionnées dans OCDE (2020), « Walking the tightrope: avoiding a lockdown while containing the virus », Les réponses de l’OCDE face au coronavirus (COVID-19), Éditions OCDE, Paris.
L’impact sur la mobilité de comportements plus prudents
Il est probable que le virus entraîne une réduction de la mobilité, la prise de conscience collective renforçant la prudence naturelle du public et donc, la distanciation physique spontanée, quelles que soient les politiques adoptées par les gouvernements. Cet effet est estimé dans l’analyse empirique en intégrant le taux de mortalité quotidien national lié au virus. À 15 décès journaliers par million d’habitants – soit le niveau enregistré par certains grands pays de l’OCDE au début du confinement en mars – ce taux, selon les estimations, réduit la mobilité de 10 %, indépendamment des mesures imposées par les gouvernements.
Qu’est-ce que le taux de reproduction effectif ?
Le taux de reproduction effectif (« R ») d’une maladie transmissible est le nombre moyen de cas secondaires induits par une personne infectée. Comme on le sait aujourd’hui, pour éliminer le virus, ce taux doit être maintenu de manière constante en dessous de 1. L’estimation du R médian pour un échantillon mondial d’environ 70 pays est passé d’environ 3 en février à 1 environ début mai, et est resté stable depuis (graphique 2.17, partie A)5. Ce niveau masque toutefois des disparités considérables entre pays, le taux R approchant 1.5 en octobre dans les pays européens avant la mise en application d’une nouvelle série de mesures de confinement (graphique 2.17, partie B). Pour expliquer ce profil, l’analyse empirique utilise trois catégories de variables : les politiques d’endiguement qui imposent la distanciation physique, comme expliqué ci-dessus ; d’autres politiques de santé publique, dont le principe tester-tracer ; et des variables servant à refléter une prudence accrue de la population générale dans ses interactions sociales, ainsi que l’impact de l’augmentation de la part de la population ayant été infectée et étant donc potentiellement moins susceptible de propager le virus à l’avenir.
Un aspect important de l’équation estimée expliquant R est que la forme fonctionnelle privilégiée de la variable dépendante est logarithmique, ce qui implique que toute intervention des pouvoirs publics aura un impact plus important lorsque R est initialement élevé que lorsqu’il est bas, soulignant l’intérêt d’une intervention précoce.
Graphique 2.17. Niveau médian et écart interquartile du taux de reproduction effectif (R)
Source : Les calculs de l’OCDE pour le taux R de chaque pays sont dérivés des données sur les infections et les décès, voir OCDE (2020) pour davantage de précisions. Le graphique résume les tendances du taux R pour un échantillon mondial de pays (partie A) ou européens (partie B) pour lesquels R peut être calculé sur l’ensemble de la période couverte.
L’impact des politiques d’endiguement sur R
Dans les estimations, les coefficients de cinq politiques d’endiguement – fermeture des lieux de travail, limitation des rassemblements, obligation de rester chez soi, contrôle des déplacements internationaux et fermeture des établissements scolaires – s’avèrent produire un impact significatif en termes de réduction du taux de reproduction (graphique 2.18). Parmi les politiques d’endiguement, le coefficient de la fermeture des établissements scolaires a l’impact le plus important, mais il existe un degré de colinéarité entre la fermeture des établissements scolaires, l’obligation de rester chez soi et la fermeture des lieux de travail car ces politiques sont souvent mises en application de manière concomitante. D’autres analyses suggèrent que si la somme des coefficients de ces trois variables constitue une bonne indication de l’impact que produit l’association de ces mesures, le coefficient de chacune d’entre elle est moins fiable car il est sensible à l’exclusion des autres variables. De la même manière, le fait que l’arrêt des événements publics ne joue aucun rôle dans l’équation est probablement lié à son chevauchement avec les restrictions concernant la taille autorisée des rassemblements, mesure qui est incluse. L’impact combiné de l’application de toutes les politiques d’endiguement semble indiquer qu’en partant d’un R0 initial aux alentours de 3, la mise en application de l’ensemble des mesures réduirait de près de moitié le taux de reproduction effectif6.
Une caractéristique de ces résultats susceptible d’avoir des conséquences importantes en termes de réponse des pouvoirs publics est que la réduction intégrale du taux R se produit souvent bien avant que le niveau maximal de contrainte des mesures soit atteint : ainsi, à un degré de contrainte de 2, la variable fermeture des lieux de travail (c’est-à-dire leur fermeture « dans certains secteurs ») entraîne une baisse de R, mais il n’est pas possible d’identifier d’effet supplémentaire d’un passage au degré supérieur (« fermeture de tous les lieux de travail non essentiels »).
L’impact des politiques de santé publique sur R
Politiques de tester-tracer
Pour évaluer l’impact des politiques de tester-tracer, on utilise les indicateurs de la Blavatnik School of Government de l’Université d’Oxford (Hale et al., 2020) qui, dans leur forme originale, sont notés en fonction de l’exhaustivité des mesures mises en place (tableau 2.4). Ces indicateurs semblent indiquer que le nombre de pays augmentant la portée de leur politique de tester-tracer a sensiblement progressé durant deux à trois mois à partir de mars, mais que cette augmentation a ensuite été modeste (graphique 2.19)7. Une autre variable, conçue par l’OCDE, concerne l’importance spécifique du dépistage dans les établissements pour personnes âgée (tableau 2.5). Ces indicateurs présentent toutefois une limite non négligeable dans la mesure où aucun ne couvre la question des délais, qui peuvent être décisifs dans le succès d’une stratégie : les tests doivent être réalisés promptement, leurs résultats doivent être rapidement disponibles et le traçage des contacts doit être effectué sans tarder. Par ailleurs, de nombreuses dimensions du dépistage, dont les délais, sont plus faciles à gérer lorsque le niveau d’infections est bas, ce qui peut être aisément testé de manière empirique.
Graphique 2.18. Impact des politiques d’endiguement et des politiques de santé publique sur R (exprimé en logarithme)
Note : Le graphique décompose l’impact sur R (exprimé en logarithme) des différentes politiques d’endiguement (partie gauche, dégradé de rouge) et des politiques de santé publique (partie droite, dégradé de bleu) selon une équation estimée. La spécification logarithmique signifie que l’impact absolu d’une politique sur R est d’autant plus important que la valeur initiale de R est élevée : à partir d’une valeur initiale de R à 3.0 (1.5), l’impact d’un « confinement classique », qui réduit le taux R exprimé en logarithme de 0.3 dans les deux cas, est une diminution de R en termes absolus de 0.8 (0.4). L’impact maximal des politiques d’endiguement montré dans le graphique correspond à un degré de contrainte supérieur ou égal à n, exprimé par le nombre (>=n) figurant entre parenthèses à côté du segment concerné.
* Les impacts de la fermeture des établissements scolaires (>=2), de l’obligation de rester chez soi (>=1) et de la fermeture des lieux de travail (>=2) ont été fondus en un seul segment nommé « confinement typique », à la fois parce que ces politiques ont souvent été mises en place en même temps et parce que, comme indiqué dans le texte principal, la multicolinéarité signifie que la somme des coefficients sur ces trois variables est plus fiable que chacun des coefficients pris isolément.
Source : OCDE, calculs fondés sur une équation estimée pour un échantillon mondial de pays mentionnée dans OCDE (2020), « Walking the tightrope: avoiding a lockdown while containing the virus », Les réponses de l’OCDE face au coronavirus (COVID-19), Éditions OCDE, Paris.
Tableau 2.4. Oxford Covid-19 Government Response Tracker : notation des variables de dépistage et de traçage des contacts
Note : Notation utilisée par l’outil de suivi Oxford Covid-19 Government Response Tracker. (1) : La variable de dépistage renvoie aux politiques de dépistage des infections (tests PCR) et non pas aux politiques de test de l’immunité (tests de recherche d’anticorps).
Source : Hale, T., et al. (2020), Oxford COVID-19 Government Response Tracker, Blavatnik School of Government, Université d’Oxford.
Selon les résultats empiriques, si les politiques de tester-tracer peuvent réduire la propagation du virus, leur forme la plus exhaustive présente une efficacité plus de 2 ½ fois supérieure, en termes de réduction du taux R, à leurs formes plus limitées. Ces politiques sont plus efficaces lorsque le taux d’infection n’est pas trop élevé (ce qui, dans l’estimation, correspond à moins de 10 nouveaux cas journaliers par million d’individus, un taux largement dépassé par de nombreux pays en mars-avril). Ce résultat n’est guère surprenant compte tenu de la difficulté à tracer tous les contacts en temps voulu si le système est submergé par les nouveaux cas. Globalement, l’impact du dispositif tester-tracer le plus efficace, dans un environnement où le nombre d’infections quotidiennes est faible, serait supérieur à toute autre intervention de santé publique en termes de réduction du taux R, son efficacité étant estimée deux à trois fois supérieure à la plupart des mesures individuelles d’endiguement (graphique 2.19).
Graphique 2.19. Pourcentage de pays par niveau de dépistage et de traçage des contacts
Note : Les graphiques sont établis sur la base de l’outil de suivi Oxford Covid-19 Government Response Tracker.
Source : Calculs des auteurs fondés sur Hale, T., et al. (2020), “Oxford COVID-19 Government Response Tracker”, Blavatnik School of Government, Oxford University.
Protection des personnes âgées
Les personnes âgées sont particulièrement vulnérables au COVID-19, leur taux de mortalité étant bien supérieur à celui d’autres catégories démographiques. Les taux de mortalité dans les établissements pour personnes âgés de certains pays de l’OCDE se sont avérés particulièrement préoccupants (CEPCM, 2020 ; Gandal et al. 2020). La présente analyse empirique teste l’efficacité de trois types de mesures gouvernementales ciblant les personnes âgées ou les établissements qui les accueillent, à l’aide de variables conçues par l’OCDE (tableau 2.5) : la recommandation de rester chez soi ; la limitation des visites dans les établissements spécialisés ; le dépistage des résidents et/ou du personnel de ces établissements. Les mesures visant à protéger spécifiquement les personnes âgées étaient relativement rares à la mi-mars mais sont devenues plus courantes depuis dans les différentes pays8.
L’analyse empirique montre que chacune de ces politiques peut jouer un rôle dans la protection des personnes âgées. Selon les estimations, l’impact combiné de ces politiques en termes de réduction du taux R dépasse celui de la plupart des mesures individuelles d’endiguement (graphique 2.18).
Obligation de port du masque
Les essais cliniques (Raina et al., 2020) tout comme l’analyse empirique des annonces des pouvoirs publics à l’échelle régionale ou nationale (Leffler et al., 2020; Hatzius et al., 2020; Mitze et al.,2020), semblent de plus en plus démontrer que le port du masque peut assurer une protection contre la transmission du coronavirus. C’est particulièrement le cas dans les lieux clos très fréquentés, et parce qu’un très grand nombre de personnes infectées sont asymptomatiques mais présentent une charge virale élevée. Dans la présente étude, le port du masque est analysé à l’aide de variables conçues par l’OCDE pour indiquer s’il existe une obligation de port du masque dans les commerces, les transports publics ou, plus généralement, dans les lieux clos (tableau 2.5). Si peu de pays imposaient le port du masque dans les lieux publics clos à la mi-mars, une majorité des pays de l’OCDE avaient pris ce type de mesure à la fin juillet.
Selon l’analyse empirique, l’obligation de port du masque dans tous les lieux publics clos a un impact négatif sur le taux R (graphique 2.18), même si d’autres résultats (qui ne sont pas repris) suggèrent que l’extension de cette obligation aux espaces extérieurs ne diminue pas beaucoup plus le taux de reproduction.
Tableau 2.5. Notation par l’OCDE des autres mesures de santé publique
Source : Tableau établi par l’OCDE sur la base d’une recherche textuelle dans trois bases de données relatives au COVID-19.
L’impact sur R de comportements plus prudents et des progrès vers l’immunité collective
Outre les variables représentant les réponses des pouvoirs publics, les estimations intègrent diverses mesures du taux de mortalité lié au virus comme variables explicatives. Les taux de mortalité quotidiens nationaux et mondiaux sont utilisés pour évaluer le niveau de sensibilisation de la population générale, facteur d’une plus grande prudence, reflétée par exemple par la distanciation physique spontanée ou une fréquence supérieure de lavage des mains. Ces variables sont importantes en ce qu’elles servent à mesurer des changements comportementaux probables, quelles que soient les restrictions imposées par les gouvernements.
Le nombre total de décès attribués au virus exprimé en proportion de la population nationale est également utilisé de manière séparée pour évaluer la part de la population qui a été infectée, avec un coefficient qui devrait être négatif ; à mesure qu’augmente la part de la population infectée (et probablement immunisée, pour une durée cependant incertaine), la vitesse de propagation du virus devrait diminuer.
Ces variables sont toutes significatives au plan statistique, assorties du signe négatif, et leur amplitude laisse penser qu’elles jouent un rôle important dans l’évolution du taux R.
Le taux de mortalité quotidien mondial a fluctué autour de 0.5 par million sur la période concernée ce qui, pour un R0 initial de 3, devrait réduire le taux R d’environ 0.6.
Le taux de mortalité quotidien national fluctue sensiblement, tant à travers les pays que dans le temps, mais s’établissait aux alentours de 15 par million d’individus dans certains pays de l’OCDE à l’orée du confinement en mars, ce qui réduirait le taux R de 0.6 supplémentaires.
Le taux de mortalité national total varie lui aussi fortement selon les pays et a régulièrement augmenté dans la plupart d’entre eux. Il sert ici à évaluer le profil de la population ayant déjà été infectée (et qui est donc immunisée), contribuant à réduire le taux R. Dans un certain nombre de grandes économies de l’OCDE (comme le Royaume-Uni, l’Espagne, l’Italie et la France), le taux de mortalité total dépasse actuellement 400 par million, niveau auquel le taux R baisserait de 3 à 2.5.
Analyse de scénarios
Afin de déterminer les implications en termes de politiques publiques, les résultats susmentionnés sont utilisés pour bâtir plusieurs scénarios stylisés visant à suivre l’évolution du taux R et de la mobilité à partir de la première flambée de COVID-19, durant les phases de confinement complet, puis selon différentes stratégies d’endiguement (tableau 2.6, graphique 2.20).
Lors de la première flambée de COVID-19 dans un pays, le taux de reproduction initial R0 se situe habituellement aux alentours de 3 et, avant que l’impact du virus sur l’économie ne soit sensible, la mobilité est normale (celle-ci est représentée par le triangle rouge dans la partie supérieure droite du graphique 2.20). Avant même la mise en application des mesures imposées par les pouvoirs publics, la prise de conscience de la dangerosité du virus (représentée par le taux de mortalité quotidien) réduit probablement la mobilité et entraîne des comportements plus prudents, ce qui conduit à une baisse du taux R, même s’il reste bien au-dessus de 1 (voir le triangle rouge assorti de la mention « pré-confinement + prudence naturelle » dans le graphique 2.20, établi sur la base des taux de mortalité quotidiens dans un certain nombre de grandes économies de l’OCDE juste avant le confinement).
Lorsque le nombre journalier d’infections atteint un niveau élevé (estimé ici au travers du taux de mortalité quotidien national), la mise en application d’un large éventail de mesures d’endiguement devient essentielle pour contenir la propagation du virus. Dans les scénarios envisagés ici, la mise en place de mesures de confinement total, assorties d’un dispositif tester-tracer limité, abaisse le taux R à près de 1, au prix toutefois d’un effondrement de la mobilité (représenté par les carrés bleus dans le graphique 2.20). Le degré de contrainte caractérisant les mesures de confinement détermine l’ampleur de la chute de la mobilité, deux scénarios étant considérés : dans le premier, les politiques d’endiguement présentent le même degré de contrainte que celles adoptées par les pays en mars/avril (calibrées selon la réponse de l’économie médiane) ; dans le second, toutes les politiques d’endiguement sont portées au degré de contrainte maximum. La mobilité baisse de plus de 40 % dans le premier scénario et de plus de 60 % dans le second ; cependant, les résultats laissent penser que le fait de porter les politiques d’endiguement à leur niveau de contrainte maximum n’apporte guère de bénéfice supplémentaire en termes de réduction du taux R (en particulier en ce qui concerne la fermeture des lieux de travail ou l’obligation de rester chez soi).
Même si les politiques ne changent pas davantage, le taux R varie au fil d’un confinement à mesure que le nombre d’infections/de décès évolue. La baisse du taux de mortalité quotidien peut entraîner une diminution de la prudence naturelle et donc, une augmentation du taux R et de la mobilité ; d’un autre côté, lorsque le nombre total d’individus ayant déjà été infectés et étant immunisés s’accroît, le taux R tend à baisser. Les résultats des estimations et les ajustements spécifiques utilisés dans la conception des scénarios suggèrent que ces deux effets se neutralisent à peu près l’un l’autre.
Différentes stratégies sont envisagées pour éviter un confinement total ou pour en sortir (elles sont représentées par les points verts dans le graphique 2.20). Le premier enjeu pour les responsables des politiques publiques est de réussir à prendre ou garder le contrôle du taux R sans devoir mettre en place un ensemble complet de mesures d’endiguement. Selon les résultats des scénarios sur l’évolution du taux R, résumés dans le tableau 2.6, la mise en application d’un dispositif complet de tester-tracer, associé à un ensemble d’autres mesures de santé publique, peut largement compenser la levée des politiques de confinement, et aboutir en cas de réussite à un retour à une mobilité quasi-normale, le taux R demeurant inférieur à 1 (voir les points verts surmontés de la mention « pas de confinement + train complet de mesures de santé publique » dans le graphique 2.20).
Des mesures complètes de santé publique assorties du maintien de certaines politiques d’endiguement limitées se traduiraient par une plus forte réduction du taux R. En gardant à l’esprit leur impact sur la mobilité, les politiques d’endiguement dont le prolongement présente l’intérêt le plus évident sont :
Les restrictions aux déplacements internationaux, avec une obligation de quarantaine pour tous les voyageurs en provenance de certains pays, ce qui réduirait fortement le taux R et pourrait n’avoir qu’un faible impact sur la mobilité (bien que ceci puisse être dû au fait que la mesure de la mobilité ne reflète pas précisément la mobilité internationale).
Les restrictions aux rassemblements, qui réduisent sensiblement le taux R, alors que l’annulation d’événements publics (qui leur semble nécessairement liée) n’a qu’un impact relativement limité sur la mobilité. Ces politiques pourraient être particulièrement efficaces parce que les grands rassemblements risquent de constituer des événements « super contaminateurs ».
Un tel ensemble de mesures entraînerait une baisse plus décisive du taux R sous le seuil de 1, mais aurait un certain coût en termes de mobilité (« confinement partiel + train complet de mesures de santé publique », graphique 2.20).
Dans la pratique, il pourrait s’avérer difficile de mettre en place un ensemble complet de politiques de santé publique et un dispositif étendu de tester-tracer-isoler, notamment si le taux d’infection journalier commence à augmenter. Des scénarios alternatifs prévoyant des « mesures de santé publique limitées » se caractérisent par un dispositif restreint de tester-tracer, assorti de l’obligation de port du masque dans les espaces publics clos, sans autres politiques ciblant les personnes âgées ou les établissements qui les accueillent. Une combinaison de politiques de ce type, accompagnée d’un assouplissement total des mesures de confinement, pourrait d’abord se traduire par un retour de la mobilité à des niveaux presque normaux (à condition que le taux de mortalité quotidien ait au préalable baissé sous l’effet du confinement), mais le taux R remonterait probablement bien au-dessus de 1 (il s’agit du scénario « pas de confinement + mesures de santé publique limitées » dans le graphique 2.20). Cela ne permettrait pas d’atteindre un équilibre stable car un taux R supérieur à 1 signifierait une reprise du nombre d’infections et de décès qui, à son tour, entraînerait une nouvelle baisse de la mobilité, quelle que soit l’action du gouvernement.
Un ensemble restreint de mesures de santé publique assorti du maintien des mêmes politiques d’endiguement limitées affecterait de manière plus immédiate la mobilité, mais entraînerait une plus forte réduction du taux R, même si, dans le scénario envisagé, celui-ci resterait supérieur à 1 (« confinement partiel + mesures de santé publique limitées »), ce qui ne serait pas durable.
Graphique 2.20. Scénarios stylisés : de la première flambée du virus jusqu’à la sortie du confinement
Note : Les points représentent les scénarios, chacun étant généré à partir de combinaisons régulières des équations pour le taux R et la mobilité, sur la base d’hypothèses pour les variables explicatives résumées dans le tableau 2.6. Les triangles rouges renvoient à la situation au début de la flambée épidémique, les carrés bleus représentent la situation après l’application de politiques de confinement total et les points verts renvoient à différents scénarios de sortie du confinement.
Tableau 2.6. Hypothèses des scénarios et résultats en termes d’évolution de R et de la mobilité
Note : Les hypothèses utilisées ici correspondent aux scénarios illustrés dans le graphique 2.20.
Bibliographie
ECDC (2020), « Surveillance of Covid-19 at long-term care facilities in the EU/EEA », European Centre for Disease Prevention and Control Technical Report, 19 mai, https://www.ecdc.europa.eu/sites/default/files/documents/covid-19-long-term-care-facilities-surveillance-guidance.pdf.
Gandal, N., et al. (2020), « Long-term care facilities as a risk factor in death from Covid-19 », 13 juillet, CEPR Policy Portal, disponible à l’adresse : https://voxeu.org/article/long-term-care-facilities-risk-factor-death-covid-19.
Hale, T., et al. (2020), « Oxford COVID-19 Government Response Tracker », Blavatnik School of Government, Oxford University, https://www.bsg.ox.ac.uk/research/research-projects/coronavirus-government-response-tracker.
Hatzius, J., D. Struyven et I. Rosenberg (2020), « Face Masks and GDP », Goldman Sachs Global Economics Analyst, 29 juin.
Haug, N., et al. (2020), « Ranking the effectiveness of worldwide COVID-19 government interventions », Nature Human Behaviour, https://www.nature.com/articles/s41562-020-01009-0.
Leffler, G., et al. (2020), « Association of country-wide coronavirus mortality with demographics, testing, lockdowns, and public wearing of masks », document non publié.
Magnusson, K., et al. (2020), « Occupational risk of COVID-19 in the 1st vs 2nd wave of infection », medRxiv, 3 novembre, https://www.medrxiv.org/content/10.1101/2020.10.29.20220426v1.
Mitze, T., et al. (2020), « Face Masks Considerably Reduce Covid-19 Cases in Germany: A Synthetic Control Method Approach », Covid Economics, n° 27, 9 juin.
OCDE (2020), « Walking the tightrope: avoiding a lockdown while containing the virus », Les réponses de l’OCDE face au coronavirus (COVID-19), Éditions OCDE, Paris.
Raina, M., et al. (2020), « Human coronavirus data from four clinical trials of masks and respirators », International Journal of Infectious Diseases, n° 96, pp. 631-633, https://www.ijidonline.com/article/S1201-9712(20)30399-4/fulltext.