Où la pandémie a-t-elle frappé le plus fort ? La géographie de la surmortalité lors de la pandémie COVID-19
Document de l’OCDE
Marcos Díaz Ramírez, Paolo Veneri, Alexander Lembcke
Ce document analyse la géographie inégale de l’impact sanitaire du COVID-19 dans les pays de l’OCDE et de l’Europe. Il décrit tout d’abord l’augmentation de la mortalité toutes causes confondues – c’est-à-dire la surmortalité – dans les régions infranationales entre janvier et décembre 2020. Elle étudie ensuite les facteurs régionaux associés à une surmortalité plus élevée, en examinant les caractéristiques démographiques, socio-économiques, institutionnelles et environnementales des régions. Les résultats montrent que la surmortalité a une dimension spatiale significative, les régions les plus durement touchées présentant des taux de surmortalité supérieurs de 17 points de pourcentage en moyenne à ceux des régions les moins touchées du même pays. Au cours de la première année de la pandémie, la faible capacité du système de santé, suivie de la densité de population, de la pollution atmosphérique, de la part de la population âgée et de la faible qualité des institutions ont été associées à une surmortalité plus élevée. Alors que la capacité du système de santé et la densité de la population ont été fortement associées à la surmortalité tout au long de la crise COVID-19, la confiance dans le gouvernement et la pollution de l’air ont montré des corrélations plus fortes avec la surmortalité dans les dernières phases de la pandémie. Enfin, le travail à distance prolongé, en particulier après deux mois, est également associé à une surmortalité plus faible.
Résultats
Dans l’ensemble, les résultats montrent qu’une plus faible capacité du système de santé, une densité de population plus élevée, la pollution de l’air, la part de la population âgée et une qualité institutionnelle plus faible sont significativement associées à une surmortalité plus élevée au niveau régional. Une ventilation de la surmortalité par sous-période de l’année 2020 révèle que la capacité du système de santé et la densité de la population ont été fortement associées à la surmortalité depuis les premiers mois de la crise COVID-19 jusqu’à la fin de l’année 2020. Par ailleurs, une proportion plus élevée de personnes âgées et une confiance moindre dans le gouvernement semblent être significativement corrélées à une surmortalité plus élevée uniquement pendant la première vague de la pandémie (janvier- juin 2020). La pollution de l’air a également été fortement associée à une surmortalité plus élevée, mais principalement au cours de périodes plus longues et plus tardives, y compris lors de la deuxième vague. Un nouveau résultat de l’analyse montre qu’une plus faible mobilité entre le domicile et le lieu de travail est associée à une surmortalité plus faible, notamment avec un retard de deux mois. Cela suggère que les politiques favorisant le travail à distance peuvent être efficaces pour réduire l’impact de la pandémie sur la santé.
Les deux séries de résultats de régression présentés dans les tableaux 2 et 3 portent sur la surmortalité pour différentes périodes allant de janvier-mars 2020 à janvier-décembre 2020. Les deux modèles incluent des caractéristiques essentielles sélectionnées, basées sur le lieu, qui minimisent les problèmes de multicolinéarité et maximisent la couverture géographique (342 régions de 32 pays, voir la liste complète des pays à l’annexe C). Ces caractéristiques régionales prépandémiques sont liées à la préparation ou à la vulnérabilité des régions face à la pandémie de COVID-19. La première spécification est une régression linéaire estimée par les MCO (modèle de base, tableau 2). Étant donné que les observations dans ce cadre empirique sont des unités spatiales, souvent proches les unes des autres, nous abordons les problèmes possibles causés par le manque d’indépendance spatiale dans les résidus. Plus précisément, nous fournissons une deuxième spécification – un modèle autorégressif spatial – qui inclut des erreurs spatialement retardées à l’aide d’une matrice de pondération (modèle SAR-E) (tableau 3). Les principaux résultats obtenus par ces modèles sont également valables lorsqu’on teste une spécification additive généralisée (modèle GAM) (voir tableau B.1 de l’annexe). Cette dernière spécification contrôle l’hétérogénéité spatiale en utilisant des fonctions splines bivariées dont les arguments sont les coordonnées géographiques (Basile et al., 2014[40]).
Les coefficients des spécifications de base et spatiales montrent qu’au niveau régional, l’association la plus significative et la plus persistante est celle qui existe entre la surmortalité et la capacité du système de santé. En moyenne, une augmentation d’un écart-type en termes de cet indice est associée à une diminution comprise entre 1,8 et 1,5 million d’euros.
3,4 points de pourcentage de surmortalité, selon la période. Les variations de la densité de population semblent également significatives et d’une grande ampleur. Une augmentation d’un écart-type de la densité de population pondérée est associée à une augmentation de 2,3 à 4,7 points de pourcentage de la surmortalité.
Des niveaux plus élevés de PIB par habitant, autre caractéristique commune des régions abritant des zones métropolitaines économiquement dynamiques et connectées au niveau international, étaient positivement corrélés à une surmortalité plus élevée – même en janvier-mars 2020, la première période où la surmortalité est passée de valeurs négatives à des valeurs légèrement positives en raison de la pandémie de COVID-19, en moyenne. Alors que l’association était particulièrement forte pendant la première vague de la pandémie, l’ampleur du coefficient a diminué à la fin de l’année. Cette constatation est conforme à d’autres études qui montrent que le virus s’est d’abord propagé dans le monde par l’intermédiaire de grandes métropoles dynamiques et fortement connectées au niveau international (Daon, Thompson et Obolski, 2020[6]). Une fois que le virus a pénétré dans les régions métropolitaines de la plupart des pays, il a commencé à se propager dans d’autres types de régions.
Les résultats révèlent également des associations significatives entre la part de la population âgée et le niveau de confiance dans le gouvernement, d’une part, et la surmortalité, d’autre part. En termes d’ampleur, une augmentation de trois points de pourcentage (ou d’un écart-type) de la part de la population âgée est associée à une augmentation de 2,6 à 3,3 points de la surmortalité. Dans le même temps, une augmentation de 15 points de pourcentage (ou un écart-type) de la part de la population ayant confiance dans le gouvernement est associée à une diminution de 1,6 à 3 points de pourcentage de la surmortalité.
Conformément à la littérature récente, les résultats confirment également l’existence d’une association positive entre l’exposition à la pollution atmosphérique et une surmortalité plus élevée au cours de la première année de la pandémie. L’association semble robuste aux différentes spécifications, notamment à partir du mois de juin, et significative en termes d’ampleur. Plus précisément, une augmentation d’un écart-type de l’exposition aux PM2,5 (soit environ 6 mg/m3) est associée à une augmentation de la surmortalité de 1,3 à 2,6 points de pourcentage. Ces coefficients sont conformes à d’autres études qui enregistrent des élasticités comprises entre 8 et 16 % selon les régions (OCDE, 2020[41]). Par exemple, en utilisant des régressions binomiales négatives sur un échantillon de municipalités du nord de l’Italie, Coker et al. (2020[16]) ont constaté qu’une augmentation d’un mg/m3 des PM2,5 est associée à une augmentation de 9 % de la surmortalité. En appliquant des spécifications binomiales négatives à l’échantillon de régions de l’OCDE (à des fins de comparaison)10 , nous trouvons une élasticité d’environ 11 %.
Du point de vue temporel, les résultats indiquent que la capacité du système de santé et la densité de la population ont été systématiquement associées à la surmortalité depuis le quatrième mois de la pandémie (c’est-à-dire de janvier à avril 2020), tandis que la proportion de personnes âgées, la confiance dans les institutions et la pollution de l’air ne semblent être significatives (à 95 %) qu’après le quatrième ou le cinquième mois (c’est-à-dire en mai et en juin). Cela suggère que le rôle d’une plus grande proportion de personnes âgées n’a commencé à être associé à une surmortalité qu’après que le virus se soit propagé de manière plus systématique dans les pays. Alors qu’au tout début, la densité de la population et le PIB par habitant – notamment en raison d’une propagation plus rapide du virus dans les grandes régions métropolitaines dynamiques et fortement connectées au niveau international – ont probablement été les facteurs à l’origine de l’impact sanitaire de la pandémie, la densité de la population et le PIB par habitant ont également joué un rôle dans la propagation du virus. Au cours de la première période, au plus fort de l’urgence, la capacité des systèmes de santé à faire face à l’épidémie jouait déjà un rôle crucial dans la prévention des décès. Enfin, une fois que la pandémie s’est propagée dans le monde entier, d’autres facteurs liés au lieu – notamment la qualité de l’environnement et des institutions – ont pu commencer à façonner les schémas spatiaux de la surmortalité.
Enfin, les résultats du modèle de panel révèlent une association positive et significative entre la mobilité décalée et la surmortalité. En d’autres termes, une diminution de la mobilité domicile-travail est liée à une baisse de la surmortalité dans les mois qui suivent – en particulier après deux et trois mois (effets retardés). Une réduction de la mobilité de 25 % aujourd’hui par rapport aux niveaux prépandémiques entraînerait une baisse de la surmortalité de 1 à 2,5 points de pourcentage en deux mois. Ces résultats sont robustes lorsqu’on inclut des effets fixes temporels ou temporels-pays (tableau 4), et stables lorsqu’on contrôle les termes d’erreur décalés dans l’espace (voir le modèle de panel spatial dans le tableau B.2 de l’annexe). Sans surprise, la mobilité contemporaine est négativement corrélée à la surmortalité en raison d’un problème de causalité inverse. Lorsque le virus frappe plus fort (par exemple, augmentation du nombre de cas et de décès), les gouvernements ont tendance à mettre en œuvre des mesures d’endiguement plus strictes qui réduisent la mobilité au cours de la même période. Néanmoins, les avantages d’une réduction de la mobilité aujourd’hui ne devraient porter leurs fruits (en termes de surmortalité) que plusieurs semaines après la mise en œuvre, en grande partie en raison du temps nécessaire pour ramener le nombre de reproduction de base du SRAS-CoV-211 à un niveau inférieur à un, ainsi que du décalage entre le moment de la mise en œuvre.
Conclusions
Ce document fournit des éléments sur les caractéristiques régionales qui pourraient être à l’origine de l’impact très inégal du COVID-19 dans l’espace au sein des pays de l’OCDE. Afin de minimiser les problèmes de déclaration erronée ou les différences de politique de dépistage et de cause de décès entre les pays, voire au sein d’un même pays, l’analyse s’appuie sur des mesures de la surmortalité comparables au niveau international pour différentes périodes de l’année 2020, en tant que mesure principale de l’impact de la pandémie sur la santé.
Les résultats montrent que plusieurs caractéristiques locales sont associées aux différences spatiales de la surmortalité dans le vaste échantillon de régions considérées. La capacité du système de santé est l’un des facteurs prédictifs les plus forts et les plus robustes, mais d’autres caractéristiques, telles que la réduction de la mobilité domicile-travail, l’exposition à la pollution atmosphérique et la confiance dans les institutions, jouent également un rôle. En outre, les capacités sanitaires et la densité de la population sont des facteurs persistants qui influent sur la surmortalité depuis le début de la crise, alors que d’autres caractéristiques régionales ne semblent être associées de manière significative à la surmortalité qu’à des stades plus avancés de la pandémie.
Il est essentiel de comprendre les principaux déterminants de la géographie de la surmortalité pour élaborer des réponses politiques efficaces. Les résultats présentés dans ce document suggèrent que des systèmes de santé solides et des mesures d’éloignement physique, notamment grâce au télétravail, ont permis d’atténuer l’impact de la pandémie sur la santé. L’analyse fournit également des indications sur la pertinence d’une gestion de la pandémie basée sur le lieu – y compris pour le déploiement des campagnes de vaccination COVID-19 actuelles – qui devrait tenir compte de la plus grande vulnérabilité des zones disposant de ressources sanitaires relativement plus faibles, d’une pollution atmosphérique et d’une densité de population plus élevées, et où les politiques visant à réduire la mobilité sont plus difficiles à mettre en œuvre.
Voir aussi
L’Impact territorial du Covid-19 : Gérer la crise entre niveaux de gouvernement
Révisé le 10 novembre 2020
Surmortalité depuis janvier 2020
19/11/2021
https://www.oecd.org/coronavirus/fr/les-donnees-dechiffrees/surmortalite-depuis-janvier-2020#
Santé-Environnement-Politique 