Covid 19, épisode 13 : l’effet du confinement sur la mobilité de la population

L’Insee et Orange viennent de finaliser un travail très intéressant sur l’impact du confinement sur la mobilité de la population, qui permet d’actualiser ce que je disais dans un billet précédent. Vous trouverez les principaux résultats de leur travail ici et le détail de la méthode et des résultats . Voici ce que j’en ai retenu.

Sur la méthode, d’abord : grâce à des données de téléphonie mobile, les auteurs ont calculé le nombre de nuitées passées dans les départements français 3 jours avant le confinement et 3 jours après le début confinement. Sur la base de l’adresse de résidence principale des personnes, de la localisation des personnes avant le confinement, et de leur localisation après le confinement, on peut calculer différentes écarts entre la situation après et la situation avant le confinement.

On peut commencer par calculer l’écart total de nuitées après/avant : 31 des 96 départements présentent un écart total négatif, c’est-à-dire que moins de gens y ont dormi après le confinement qu’avant. On y trouve deux types de départements : i) les départements hébergeant les stations de ski, qui ont fermé après le confinement (Savoie, Haute-Savoie, Hautes-Alpes, Hautes-Pyrénées, …), ii) les départements des grandes villes françaises (départements d’Ile-de-France, Rhône, Haute-Garonne, Gironde, Hérault, …).

Attention cependant à ne pas aller trop vite en besogne dans l’interprétation pour la catégorie des grandes villes, car plusieurs processus sont à l’œuvre. Les données collectées permettent notamment de distinguer dans les nuitées celles passées par les personnes ayant leur résidence principale dans le département, celles de ceux dont la résidence principale est localisé dans d’autres départements, et celle enfin de résidents étrangers.

Il s’avère alors que dans l’ensemble des 96 départements de France métropolitaine, seuls 2 voient baisser le nombre de nuitées passées dans le département par des résidents du même département entre avant et après le début du confinement : Paris d’une part (baisse de 209 000 nuitées) et les Hauts-de-Seine d’autre part (baisse de 20 000 nuitées). Dans tous les autres départements, l’évolution est positive, signe que de très nombreuses personnes qui résidaient avant le confinement dans d’autres départements (pour des raisons que j’évoquerai après) ont réintégré leurs pénates. C’est notamment vrai dans les grandes villes que j’évoquais plus haut, mais comme ils ont vu partir de chez eux encore plus de personnes dont la résidence principale est dans d’autres départements, l’écart total des nuitées est négatif. A noter également pour tous les départements concernés la baisse des nuitées des résidents étrangers.

Pourquoi dans les grandes villes accueillait-on de nombreuses personnes dont la résidence principale était située dans d’autres départements ? Parmi eux, on peut penser qu’il y a des touristes qui séjournaient dans les grandes villes, des personnes en emploi qui y résidaient pour leur travail, ou encore des étudiants dont la résidence principale déclarée à leur opérateur téléphonique est celle de leurs parents. J’en oublie peut-être, n’hésitez pas à compléter.

Quant à l’effet résidence secondaire, il joue à l’évidence, et de manière très forte, pour Paris (11% des parisiens résidaient hors de leur département après le début du confinement) et, dans une moindre mesure, pour les Hauts-de-Seine. Sans doute trouve-t-on aussi des parisiens sans résidence secondaire qui sont allé rejoindre le domicile de leurs parents, d’autres membres de leur famille ou bien d’amis. Pour les autres grandes villes, ces processus peuvent jouer, mais ils ne dominent pas le retour des habitants de ces villes après le début du confinement.

Pour preuve de cet effet, les cartes ci-dessus proposées par les auteurs montrent que la présence des parisiens dans les départements de province suit plutôt bien l’emplacement de leurs résidences secondaires.

Covid 19, épisode 12 : l’impact économique de l’épidémie

L’épidémie et le confinement en sont pas sans effet sur l’activité économique. La Banque de France vient d’annoncer qu’elle estime la chute du PIB français la deuxième quinzaine de mars à environ 33%, ce qui entraine une contraction de l’économie au premier trimestre 2020 de 6%. Dans son point de conjoncture du 26 mars dernier, l’Insee estimait également la perte d’activité à 35% (écart entre l’activité économique estimée pendant la dernière semaine de mars et l’activité d’une semaine « normale »).

A partir du document de l’Insee, il est possible de s’interroger sur l’impact géographique de cette perte d’activité. En effet, dans son document, l’Insee donne les chiffres sur les pertes d’activité attendues par grands secteurs :

Part dans le PIB (%) Perte d’activité attendue (%)
Agriculture et industries agro-alimentaires 4 -4
Industrie hors agro-alimentaire 12 -52
Construction 6 -89
Services marchands 56 -36
Services non marchands 22 -14
Total 100 -35

  Si on dispose du poids des secteurs par territoire, on peut appliquer les taux de croissance attendues à ces poids, et obtenir ainsi des taux de croissance localisés, que l’on pourrait  qualifier de structurels, puisque les différences obtenus entre les territoires ne dépendront que des différences de structures de spécialisation. Toute chose égale par ailleurs, on obtiendra un taux de croissance attendue très négatif si le territoire en question est très spécialisé dans les secteurs les plus en déclin (construction et industrie hors IAA) et/ou peu spécialisé dans les secteurs les moins impactés (agriculture et IAA, services non marchands).

Rien de très compliqué en apparence, encore faut-il disposer du poids des secteurs à une échelle infra-nationale. Pour la variable “valeur ajoutée”, on en dispose seulement à l’échelle régionale. J’ai donc préféré recourir à la variable “emploi” disponible en 38 secteurs à l’échelle des départements, pour l’année 2018. J’ai agrégé les 38 secteurs de telle sorte à retrouver les 5 grands secteurs pour lesquels l’Insee fournit ses prévisions.

Les poids des secteurs selon les départements varient assez sensiblement. Voici un petit tableau qui reprend pour chaque secteur ce qu’il pèse dans le département où il pèse le moins, dans celui où il pèse le plus, ainsi que le nom des deux ou trois départements où il pèse le plus.

poids minimal poids maximal départements les plus spécialisés
agriculture et IAA 1% 12% Côtes d’Armor, Gers, Vendée
industrie hors IAA 3% 21% Ain, Haute-Saône, Eure
construction 2% 10% Haute-Corse, Corse du Sud
services marchands 31% 72% Paris, Hauts-de-Seine
services non marchands 16% 51% Lozère, Creuse

Voici la carte des spécialisations par départements :

S’agissant des prévisions de croissance par département, elles oscillent entre -28% pour la Creuse, le Gers et l’Aude, et -35% pour les Hauts-de-Seine, les Yvelines, l’Ain et la Haute-Savoie. En voici la carte :

Le résultat principal reste sans doute que tous les départements sont impactés, et de manière violente…

Ces résultats sont à prendre avec prudence : l’Insee d’abord alerte sur la difficulté de l’exercice auquel il s’est livré et sur le caractère fragile de ses estimations. De mon côté, je me suis appuyé sur des données emplois de 2018 qui ont pu évolué depuis. Une autre limite résulte du fait que l’on raisonne malgré tout à des échelles sectorielles et géographiques très agrégées, qui masquent la finesse des spécialisations. Mais difficile de faire mieux en l’état actuel des choses.

Covid 19, épisode 11 : variations sur les taux de mortalité (Espagne, France, Italie)

Je vous propose aujourd’hui de présenter autrement les chiffres sur les décès en Espagne, en France et en Italie, en calculant des taux de mortalité : il s’agit pour cela de diviser le nombre de décès pour une région ou un pays par le nombre d’habitants de cette même entité. Étant donné que le nombre de décès est très faible par rapport au nombre d’habitants, je ne vais pas raisonner en pourcentage, mais en décès par million d’habitants.

Il ne s’agit que d’une autre façon de présenter les chiffres : jusqu’à présent, je proposais le plus souvent de situer une région en rapportant son poids dans les décès à son poids dans la population. Or, ce ratio est aussi égal au taux de mortalité de la région considérée divisé par le taux de mortalité moyen. Un ratio de 2 par exemple signifie que la région en question pèse deux fois plus dans les décès que dans la population ; il signifie aussi que le taux de mortalité de la région est le double de celui observé dans l’ensemble de référence. Mais je pressens que présenter les taux de mortalité retiendra plus votre attention.

A l’échelle des trois pays de mon échantillon, les différences sont sensibles : à la date du 5 avril, on compte 278 décès par million d’habitant en Espagne, 263 en Italie et “seulement” 88 en France. Attention cependant à ne pas surinterpréter ces résultats : la comptabilité française que j’exploite (la seule qui permette des traitements à la région) se limite aux décès en hôpital. En comptant l’ensemble des décès, les différences sont en partie atténuées. Pour preuve, à l’échelle du pays, si j’ajoute aux chiffres des hôpitaux les décès actuellement recensés dans les Ehpad (un peu plus de 2 000 au 5 avril, ma prévision n’était pas trop mauvaise), le taux de mortalité français passe à 120.

Le point sur lequel je souhaitais insister : les moyennes nationales masquent de très fortes variations régionales. Je vous présente ci-dessous un tableau assez long, qui reprend les taux de mortalité pour les régions espagnoles (en vert), françaises (en bleu) et italienne (en noir) et les valeurs nationales (en rouge). Les régions et pays sont classés des taux de mortalité les plus élevés aux taux les plus faibles.

Taux de mortalité par million d’habitants, au 5 avril 2020

Seules deux régions ne comptent aucun décès (la Guyane et la Réunion). Les taux varient ensuite de 7 décès par million d’habitants pour Mayotte à 885 décès par million d’habitants pour la Lombardie. Une région comme Grand Est pâtit d’un taux de mortalité proche des moyennes espagnoles et italiennes. En France métropolitaine, la région la moins touchée est la Nouvelle-Aquitaine, dont le taux de mortalité est plus de 13 fois plus faible que celui de Grand Est, région au taux le plus fort. Le ratio entre la région la plus touchée d’Italie (la Lombardie) et celle la moins touchée (la Sicile) est de 38 pour 1. Pour l’Espagne, il est de 32 pour 1 entre la région de Madrid et Melilla.

Pour finir, notons que j’aurais pu intercaler dans ce classement les départements français. Ce qui aurait permis de constater que les départements les plus touchés sont près des taux de mortalité de la Lombardie et de la région de Madrid, avec un taux de 616 pour le Haut-Rhin et de 614 pour le Territoire de Belfort. Les Vosges et la Moselle arrivent ensuite, avec un taux pratiquement deux fois moindre de 325.

Covid 19, épisode 10 : la diffusion spatiale de l’épidémie, suite

J’ai actualisé les chiffres d’un billet précédent, pour voir si la diffusion spatiale de l’épidémie se développait ou non, en France, en Espagne et en Italie.

J’ai de nouveau calculé un indicateur synthétique de concentration spatiale de la population, d’une part, et des décès, d’autre part. Les valeurs de l’indicateur varient entre 1 en cas de concentration géographique maximale et 100 en cas de concentration minimale.

Voici le nouveau tableau de résultats :

Je vous redonne le mode de lecture : l’indice de 58 pour la population en France signifie que tout se passe comme si la population française était répartie de manière homogène entre 58% des régions. Le même indice, pour les décès à la date du 4 avril est de 26, il est plus de deux fois plus faible, ce qui signifie que la concentration spatiale des décès est 2,2 fois plus forte que celle de la population.

Le résultat principal de cette actualisation est que les valeurs des indicateurs ont peu bougé depuis le 29/3, la concentration spatiale des décès reste relativement élevé. Elle se réduit un peu quand même en Espagne et à l’échelle des départements français,elle est remarquablement stable en Italie et à l’échelle des régions françaises.

Pour compléter, j’ai représenté l’évolution du nombre de décès par région, car un indice de concentration stable ne signifie pas qu’il n’y a pas de changement dans les positions des régions, on va le voir pour le cas de la France.

J’ai représenté la courbe de chaque région dès lors que le nombre de décès passe la barre des 10, toutes les courbes n’ont donc pas autant de points, ce qui permet de voir d’une certaine manière quand l’épidémie démarre ou plutôt s’accélère à chaque endroit. Pour l’Espagne et l’Italie, je dispose des chiffres par région depuis fin février, les graphiques sont donc complets. Pour la France, je ne dispose des chiffres par région que depuis le 18 mars, le graphique est donc incomplet.

L’échelle logarithmique de l’axe des ordonnées permet de visualiser le rythme d’évolution de l’épidémie pour chaque région. L’axe des abscisses représente le nombre de jours depuis que la région a dépassé le seuil de 10 décès.

On retrouve sur les graphiques l’idée d’une assez forte concentration géographique de l’épidémie, puisqu’à chaque fois deux régions ressortent et dépassent le seuil des 1000 décès : la région de Madrid et la Catalogne concentrent 61% des décès au 4 avril, l’Ile-de-France et Grand Est la même part de 61%, la Lombardie et l’Emilie Romagne montent à 69%.

On constate également pour l’Espagne que si l’épidémie a débuté plus tard en Catalogne que dans la région de Madrid, elle suit la même dynamique d’évolution. Pour la France, on constate la dynamique très forte en Ile-de-France, la région capitale dépassant sur la période le nombre de décès observé en Grand Est. Comme signalé plus haut, l’indice de concentration géographique stable ne signifie donc pas qu’il n’y a pas eu d’évolution.

Dans les trois cas, on observe enfin, globalement, un léger infléchissement des courbes, signe d’une réduction du rythme des décès, sans que l’on puisse dire que des régions soient arrivés à un plateau, ce qui serait le signe de l’arrêt de l’épidémie.

Covid 19, épisode 9 : sur la mortalité, suite

J’avais indiqué dans un billet précédent, sur la base des chiffres diffusés par l’Insee, que l’épidémie ne se traduisait pas à la date du 16 mars par une surmortalité à l’échelle du pays. L’Insee vient de livrer les mêmes chiffres à la date du 23 mars, ce qui permet d’actualiser l’analyse. Il s’avère que le nombre de décès toutes causes confondues du 1er au 23 mars 2020 a dépassé le nombre observé en 2019 (40 684 contre 39 707), mais pas encore celui de 2018 (année caractérisée par un épisode de grippe long et virulent).

A l’échelle des départements, les choses évoluent également. Pour le montrer, j’ai rapporté le nombre de décès en 2020 au même nombre en 2019, afin d’identifier les départements connaissant une surmortalité. A la date du 16 mars, 24 départements connaissaient une surmortalité (dont 9 départements une surmortalité de plus de 10%). A la date du 23 mars, ce chiffre a doublé, 48 départements connaissent une surmortalité par rapport à 2019 (dont 16 de plus de 10%).

On ne peut cependant pas dire avec certitude que ces surmortalités sont liés à l’épidémie. Pour en juger un peu mieux, j’ai comparé la surmortalité calculée sur les données Insee aux chiffres de Santé publique France sur les décès cumulés en hôpitaux à la même date du 23 mars, afin de répondre à la question suivante : est-ce que les départements connaissant une surmortalité en 2020 par rapport à 2019 de plus de 10% (données Insee) sont ceux qui ont une part dans les décès liés au Covid 19 supérieure de plus de 10% à leur poids dans la population (données Santé publique France) ?

On obtient le tableau suivant :

Sur les 16 départements connaissant une surmortalité de plus de 10% d’après les données Insee, 11 en connaissent également une d’après les données Santé publique France (Haut-Rhin, Vosges, Aisne, Moselle, Bas-Rhin, Oise, Corse-du-Sud, Paris, Côte-d’Or, Hauts-de-Seine, Aude). Pour 5 départements, on a une surmortalité d’après les données Insee, mais pas d’après les données Santé publique France : c’est le cas de Mayotte, des Deux-Sèvres, de la Manche, de la Mayenne et des Yvelines. Le cas des Yvelines est cependant limite, car l’indice pour les données Santé publique France est proche du seuil de 10% (il est en fait de 7%). On trouve enfin 13 départements qui pèsent plus dans les décès en hôpital que dans la population (de plus de 10% je rappelle), sans que cela se traduise par une surmortalité de plus de 10% par rapport à 2019 d’après les données Insee. Pour 11 d’entre eux, cependant, on n’est pas loin du seuil de 10%, deux seulement ont une mortalité inférieure en 2020 à ce qu’elle était en 2019 (la Marne et la Saône-et-Loire).

Au final, il semble que les résultats issus des deux sources tendent à se rapprocher, et que l’on s’oriente vers une surmortalité liée à l’épidémie par rapport aux années précédentes, surmortalité qui touche cependant certains départements beaucoup plus que d’autres.

Covid 19, épisode 8 : une prévision du nombre de décès dans les Ehpad

Le gouvernement a annoncé un premier bilan très provisoire des décès dans les Ehpad, qui seraient de 884 France entière. Problème : de nombreux établissements n’ont pas remonté de chiffres. L’ARS (Agence Régionale de Santé) du Grand Est a de son côté avancé des chiffres précis sur son périmètre d’intervention (le recensement fait dans cette région la plus touchée de toutes semble être de meilleure qualité) : 570 décès en Ehpad ou structure similaire à l’échelle régionale, dont 314 dans le département le plus touché, à savoir le Haut-Rhin.

Je vous propose une estimation du nombre de décès à l’échelle nationale en m’appuyant sur le poids de Grand-Est et du Haut-Rhin dans les décès recensés par les hôpitaux et en l’appliquant au décès dans les Ehpad. Ce faisant, je fais l’hypothèse que la géographie des décès en Ehpad est la même que la géographie des décès en hôpitaux, ce qui n’est pas totalement aberrant.

Sur les 4 503 décès en hôpitaux recensés par Santé Publique France, 26,2% sont localisés dans le Grand Est, et 9,3% dans le Haut-Rhin à la date du 2 avril 2020. Si le chiffre de 570 décès en Ehpad dans le Grand Est est le bon, et que cette région pèse 26,2% des décès en Ehpad, alors le chiffre que l’on devrait observé France entière est de 570/26,2% = 2 179 décès. Si je m’appuie plutôt sur le poids du Haut-Rhin, le chiffre que l’on devrait observé France entière est de 314/9,3% = 3 383 décès.

Nous serions donc plutôt dans une fourchette comprise entre deux mille et trois mille cinq cents décès supplémentaires. Mais je précise que cela me semble être une estimation basse : si la géographie des décès en Ehpad diffère de celle des décès en hôpitaux, il y a de fortes chances que Grand Est et le Haut-Rhin, moins dense en Ehpad que les régions de l’ouest et du sud, pèsent moins que ce que je suppose…

Covid 19, épisode 7 : la géographie des Ehpad

Une des limites des statistiques publiées quotidiennement par Santé Publique France est qu’elles ne recensent que les décès en hôpitaux, ce qui conduit à sous-estimer la mortalité de l’épidémie, car l’on sait qu’il existe aussi de nombreux décès en Ehpad (Établissements d’hébergement pour personnes âgées dépendantes) ou en ville. Ce biais devrait être partiellement éliminé avec la publication des chiffres des Ehpad,  même si ce n’est pas simple, vu le nombre de structures (près de 7 500).

Dans l’attente, je vous propose quelques éléments d’analyse de la géographie des personnes âgées, les plus exposées à l’épidémie, et des structures d’accueil. Pour cela, j’ai collecté des chiffres sur la population par tranches d’âge des départements en janvier 2020, ainsi que des chiffres sur les établissements d’accueil des personnes âgées (qui datent de 2017).

Premiers éléments de cadrage : on compte en France métropolitaine 26,6% de personnes de 60 ans et plus, et 9,5% de personnes de 75 ans et plus au 1er janvier 2020. Ces proportions varient cependant selon les départements, entre 6% pour le Val d’Oise ou la Seine et Marne à 15% pour le Lot ou la Creuse s’agissant des 75 ans et plus, soit un rapport de 2,5 pour 1 environ, et entre 19% et 39% (pour les mêmes départements) pour les plus de 60 ans.

J’ai construit une première carte qui représente à la fois la part des personnes de plus de 75 ans dans la population et le nombre de décès par département recensés par Santé publique France dans cette même population.

La géographie des décès et celle des personnes âgées sont pour l’instant très dissemblables, les décès se concentrant à l’est du pays, les personnes âgées étant plus présentes (en % de la population) à l’ouest et au sud.

S’agissant des structures d’accueil pour personnes âgées, l’Insee distingue les Ehpad, les maisons de retraite non Ehpad, les résidences autonomie, ainsi que le nombre de places en soins infirmiers à domicile et le nombre de lits en soin longue durée. On dénombre au total, France entière, fin 2017, plus de 600 000 places en Ehpad et près de 900 000 places toutes structures confondues. Je me concentre sur les places en Ehpad.

On constate que le nombre de places par habitant est assez bien corrélée au nombre de personnes de 75 ans et plus :

La relation est bonne, mais elle n’est pas parfaite : le “taux d’équipement” en Ehpad varie ainsi de 41 places pour mille personnes de 75 ans et plus à Paris à 169 places pour mille en Lozère. Ces différences ne sont cependant pas si simples à expliquer : certains départements, notamment dans le pourtour méditerranéen, ont des taux d’équipements en apparence faibles (74 pour mille dans le Var, 76 pour mille dans le Vaucluse), non pas parce qu’il y a peu de structures, mais parce qu’il y a une proportion encore plus forte, relativement à la moyenne, de personnes de 75 ans et plus. Dans d’autres cas, le taux d’équipement est fort car la construction d’hébergements pour personnes âgées a été vu comme un vecteur de développement économique local (en ex-Limousin par exemple).

Toujours est-il que la carte des places en Ehpad diffère un peu de la carte des personnes de 75 ans et plus (j’ai représenté sur la carte le nombre de places en Ehpad, et ce nombre pour 1000 personnes de 75 ans et plus) :

Sur la base de cette géographie des personnes âgées et des Ehpad, on peut s’interroger sur ce que vont nous apprendre les chiffres sur les décès dans ces structures : vont-ils concerner prioritairement les régions les plus touchées de l’est du pays, ce qui signifierait que l’épidémie reste principalement cantonnées dans ces régions, et qu’il convient de tout faire pour qu’elle ne s’étende pas ? Va-t-on assister à l’inverse à un “rééquilibrage” géographique, qui signifierait que la diffusion de l’épidémie vers l’ouest et le sud a été plus forte que ce que l’on imagine ? Impossible de répondre pour l’instant, mais on comprend que la réponse est essentielle.

Covid 19, épisode 6 : la diffusion spatiale de l’épidémie

Billet important aujourd’hui, sur la question de la diffusion spatiale de l’épidémie. Je vous propose de comparer trois pays : l’Espagne, la France et l’Italie.

Pour cela, j’ai collecté les données sur le nombre de décès par région pour la période commune aux trois bases de données, à savoir la période allant du 18 mars au 29 mars 2020. J’ai également collecté les mêmes données à l’échelle des départements, pour la France.

J’ai ensuite calculé un indicateur synthétique de concentration spatiale de la population, d’une part, et des décès, d’autre part. Les valeurs de l’indicateur varient entre 1 en cas de concentration maximale et 100 en cas de concentration minimale.

Voici un premier tableau de résultat, je vous explique ensuite comment le lire :

J’obtiens pour la population espagnole un indice de 50 : cela signifie que tous se passe comme si la population espagnole était concentré dans 50% des régions d’Espagne. Pour les décès en Espagne à la date du 18 mars, l’indice est de 12 (tout se passe comme si 12% des régions étaient concernées par les décès). Il est beaucoup plus faible, ce qui signifie que les décès sont beaucoup plus concentrés géographiquement que la population. On peut rapporter les deux indices (50/12), on obtient alors les ratios de la quatrième ligne, soit 4,2 pour l’Espagne : les décès sont en gros 4 fois plus concentrés que la population.

Qu’observe-t-on comme principaux résultats ?

  • les populations des trois pays sont répartis de manière relativement similaires entre leurs régions (indices compris entre 50 et 60),
  • toujours pour les régions, les décès à la date initiale sont entre 3 à 5 fois plus concentrés que les populations,
  • A l ‘échelle des départements français, la concentration spatiale de la population est plus faible (indice de 63), celle des décès est beaucoup plus forte (indice de 7), soit une concentration des décès près de 9 fois supérieure à celle de la population,
  • à l’échelle des régions, la concentration spatiale des décès diminue de manière assez sensible pour la France et l’Espagne, même si ils restent plus de deux fois plus concentrés que la population. L’évolution pour l’Italie est beaucoup plus faible, la diffusion spatiale des décès est donc moins marquée pour ce pays, ce qui peut s’expliquer par un confinement pus précoce et, en apparence, relativement efficace,
  • L’évolution pour les départements français est la plus marquée de toute, bien plus marquée que pour les régions françaises : cela signifie que le mouvement dominant pour la France correspond à une diffusion interdépartementale mais infra-régionale de l’épidémie.

Pour compléter l’analyse, j’ai construit un graphique qui retrace les indices de concentration spatiale des décès pour les trois pays, en prenant la date du 18/03/2020 comme indice base 100, ce qui permet de visualiser le profil d’évolution de la géographie des décès. On obtient le graphique suivant :

On retrouve logiquement les mêmes résultats (diffusion plus marquée pour l’Espagne et la France, très faible diffusion pour l’Italie), avec cependant un profil différent pour l’Espagne (hausse continue) et la France (hausse jusqu’au 23/03/2020 puis stabilité).

Pour finir, j’ai cartographié les décès à l’échelle des départements français à 3 dates (18/03, 23/03, 29/03). Sont représentés les indices qui rapportent pour chaque département le poids dans les décès au poids dans la population.

Les départements en blanc sont ceux qui n’ont connu qu’un nombre très limité de décès, leur nombre diminue fortement, signe de la diffusion de l’épidémie : pratiquement tous les département sont désormais concernés, mais de manière très hétérogène. Pour l’instant, la diffusion a surtout opéré au sein des régions Grand Est, Haut-de-France, Ile-de-France et Bourgogne Franche-Comté.

Covid 19, épisode 5 : géographie américaine et espagnole

En complément de mon billet d’hier sur les cas français et italiens, je vous propose des résultats pour l’Espagne et les Etats-Unis. j’ai trouvé et récupéré les données sur le covid 19 pour l’Espagne ici, et les données sur la population par région sur Eurostat. Pour les Etats-Unis, les données sur le Covid 19 sont disponibles ici, celles sur la population par Etat par là.

J’ai procédé de la même façon qu’hier : calcul du poids des régions dans l’ensemble de la population, dans l’ensemble des décès, puis rapport des deux indicateurs pour obtenir un indice qui se commente par rapport à la valeur de 1 : une valeur de 2, par exemple, signifie que la région considérée pèse deux fois plus dans les décès que dans la population (surmortalité), une valeur de 0,5 qu’elle pèse deux fois moins (sousmortalité). Les tableaux sont présentés plus bas.

J’ai également calculé des indicateurs synthétiques de concentration spatiale, pour pouvoir comparer les pays, je détaille un peu car il y a un petit nouveau : comme hier, j’ai calculé le poids de la première région dans l’ensemble des décès, notons le C1. J’ai également noté le poids des deux premières régions, notons le C2. Pour les comparaisons France, Italie et Espagne, cela ne pose pas de problème majeur, car le nombre de régions est à peu près le même (18 pour la France, 19 pour l’Espagne, 21 pour l’Italie). Cela change avec les 51 Etats américains. J’ai donc calculé un indicateur synthétique de concentration permettant de neutraliser le biais éventuel, dérivé de ce que l’on appelle l’indice d’Herfindahl (que je note EH), qui se lit comme suit : il varie entre 1% (concentration géographique maximale) et 100% (concentration géographique minimale).

Voilà ce que l’on obtient pour les quatre pays, à la date du 28 mars 2020 :

Etats-Unis Espagne France Italie
Nombre décès              2 026              6 528              2 314            10 023
C1 35.9% 45.2% 32.5% 59.3%
C2 45.2% 66.0% 62.2% 72.7%
EH 12% 19% 26% 13%

La concentration est relativement forte dans tous les pays, les valeurs les plus élevées sont observées pour les Etats-Unis et l’Italie, la valeur la moins élevée pour la France. Si le confinement fonctionne correctement dans les différents pays, on peut peut-être espérer maîtriser plus facilement la pandémie. On comprend également la nécessité d’une régulation nationale de l’offre de soin.

Je continue avec la présentation détaillée des résultats, pour l’Espagne d’abord :

Région

part de la région dans l’ensemble de la population

(1)

part de la région dans l’ensemble des décès

(2)

indice

(2)/(1)

Andalucía 18.0% 3.2%    0.18
Aragón 2.8% 1.4%    0.51
Principado de Asturias 2.2% 0.6%    0.29
Cantabria 1.2% 0.4%    0.32
Ceuta 0.2% 0.0%    0.08
Castilla y León 5.1% 5.8%    1.13
Castilla La Mancha 4.3% 8.3%    1.90
Canarias 4.7% 0.6%    0.13
Cataluña 16.1% 18.8%    1.17
Extremadura 2.3% 1.5%    0.67
Galicia 5.8% 0.9%    0.16
Islas Baleares 2.5% 0.4%    0.18
Región de Murcia 3.2% 0.3%    0.10
Comunidad de Madrid 14.2% 47.2%    3.34
Melilla 0.2% 0.0%    0.08
Comunidad Foral de Navarra 1.4% 1.3%    0.93
País Vasco 4.6% 4.1%    0.87
La Rioja 0.7% 1.0%    1.56
C. Valenciana 10.6% 4.1%    0.39

Comme pour la France et l’Italie, on observe une forte concentration géographique des décès, dans la région de Madrid en l’occurrence. Les deux premières régions en nombre absolu (région de Madrid et Catalogne) concentrent 66% des décès. A noter que l’indice de la Catalogne n’est pas parmi les plus élevés (Castilla la Mancha et la Rioja la devancent), mais comme cette région est très peuplée, elle pèse plus dans le nombre absolu de décès.

Pour les Etats-Unis, on obtient ce tableau :

Etat

part de l’Etat dans la population (%)

(1)

Part de l’Etat dans les décès (%)

(2)

indice

(2)/(1)

New York 5.9% 35.9%                                     6.06
Louisiana 1.4% 6.8%                                     4.77
Washington 2.3% 9.3%                                     4.00
Vermont 0.2% 0.6%                                     3.12
New Jersey 2.7% 6.9%                                     2.55
Michigan 3.0% 5.5%                                     1.80
Connecticut 1.1% 1.6%                                     1.50
Georgia 3.2% 3.4%                                     1.05
Massachusetts 2.1% 2.2%                                     1.03
District of Columbia 0.2% 0.2%                                     0.92
Colorado 1.8% 1.5%                                     0.87
Delaware 0.3% 0.2%                                     0.83
Indiana 2.1% 1.5%                                     0.75
Mississippi 0.9% 0.6%                                     0.71
Oklahoma 1.2% 0.7%                                     0.61
Illinois 3.9% 2.3%                                     0.60
Nevada 0.9% 0.5%                                     0.53
Oregon 1.3% 0.6%                                     0.50
Wisconsin 1.8% 0.8%                                     0.47
South Carolina 1.6% 0.7%                                     0.47
California 12.0% 5.4%                                     0.45
Alaska 0.2% 0.1%                                     0.44
Pennsylvania 3.9% 1.7%                                     0.43
Florida 6.5% 2.7%                                     0.41
Idaho 0.5% 0.2%                                     0.36
Ohio 3.6% 1.2%                                     0.35
Arizona 2.2% 0.7%                                     0.33
Kentucky 1.4% 0.4%                                     0.33
Rhode Island 0.3% 0.1%                                     0.31
Arkansas 0.9% 0.2%                                     0.27
Missouri 1.9% 0.5%                                     0.26
Virginia 2.6% 0.6%                                     0.25
New Hampshire 0.4% 0.1%                                     0.24
Kansas 0.9% 0.2%                                     0.22
North Dakota 0.2% 0.0%                                     0.21
South Dakota 0.3% 0.0%                                     0.18
Texas 8.8% 1.5%                                     0.17
Nebraska 0.6% 0.1%                                     0.17
Tennessee 2.1% 0.3%                                     0.17
Iowa 1.0% 0.1%                                     0.15
Montana 0.3% 0.0%                                     0.15
Minnesota 1.7% 0.2%                                     0.14
Maryland 1.8% 0.2%                                     0.13
Alabama 1.5% 0.2%                                     0.13
Maine 0.4% 0.0%                                     0.12
New Mexico 0.6% 0.0%                                     0.08
North Carolina 3.2% 0.2%                                     0.08
Utah 1.0% 0.0%                                     0.05
Hawaii 0.4% 0.0%                                          –
West Virginia 0.5% 0.0%                                          –
Wyoming 0.2% 0.0%                                          –

L’Etat de New-York concentre près de 36% des décès, soit plus de 6 fois ce qu’il pèse dans la population. Les deux premiers Etats en nombre absolu concentrent 45,2% des décès. La Californie, avec 110 décès, arrive en 6ème position en nombre absolu, mais bien en deçà pour l’indice.

Un enjeu pour les prochains jours/semaines : la concentration géographique de l’épidémie va-t-elle se maintenir ou se réduire ? Je vous présenterai quelques éléments de réponse demain je pense, pour le cas français au moins.

Territoires zéro chômeur : rapport intermédiaire du Comité Scientifique

J’ai remis aujourd’hui à la Ministre du travail le rapport intermédiaire du Comité Scientifique d’évaluation sur l’expérimentation Territoires zéro chômeur de longue durée (TZCLD), vous pouvez le télécharger ici. Quelques précisions/compléments.

Quand j’ai été sollicité en 2016 pour présider le comité, j’ai tenu à ce qu’il soit composé de chercheurs de disciplines différentes (économie, sociologie, droit, géographie), et une fois le comité constitué, à ce que l’évaluation combine analyses quantitatives et analyses qualitatives. Le croisement des regards et la combinaison des méthodes a donné lieu à des échanges que j’ai trouvé particulièrement riches lors des réunions du comité.

Notre rapport intermédiaire se nourrit pour une part importante des travaux de terrain confiés à trois organismes (le consortium ASDOANSA, le CLERSE, KPMG), qui ont travaillé séparément sur quatre des dix territoires d’expérimentation. Nous mettons à disposition leurs rapports intermédiaires, j’encourage vivement les personnes intéressées par l’expérimentation à les lire, c’est tout sauf superflu.

Compte-tenu des premiers retours que j’ai pu avoir sur notre travail, j’aimerais que personne ne perde de vue que l’avis général du Comité Scientifique est favorable à la poursuite de l’expérimentation, ainsi qu’à son extension à des territoires suffisamment matures. Le fait que nous insistions dans notre rapport sur certains problèmes ne signifie pas que notre avis est négatif, l’intention est de porter à la connaissance des acteurs ces problèmes (dont certains ont commencé à être réglés sur les sites) pour qu’ils ne se reproduisent pas. C’est tout l’intérêt d’une démarche expérimentation-évaluation, précisément, que de repérer ce qui ne va pas et d’y remédier. Quand nous proposons ensuite une extension à des territoires suffisamment matures, c’est pour souligner l’importance, pour la réussite de l’expérimentation, de relations fluides et de qualité entre les institutions. Nous proposons également que les futurs territoires d’expérimentation indiquent clairement quels moyens humains et financiers ils souhaitent apporter, moyens indispensables à la réussite du projet selon nous, or je ne suis pas sûr que tous les territoires candidats (près de 200) en aient pleinement conscience.

Autre précision importante : le rapport  remis aujourd’hui est un rapport intermédiaire, le rapport final devant être livré d’ici l’été 2020. D’ici là, nous allons pouvoir approfondir certains points, notamment mieux comprendre quelles sont les caractéristiques/trajectoires passées des bénéficiaires de l’expérimentation, d’une part, et quel est l’impact territorial de l’expérimentation, d’autre part. Le premier approfondissement est essentiel, car il va permettre d’éclairer le point qui va sans doute faire le plus de buzz : il semble en effet que, contrairement à ce qui avait été anticipé, l’Etat économise moins que prévu en favorisant l’embauche de chômeurs de longue durée, car une part non négligeable des bénéficiaires de l’expérimentation ne touchait pas, avant entrée dans les entreprises à but d’emploi, d’allocations chômage ou de prestations sociales. Nous ne savons cependant pas pour le moment dans quelle mesure cela s’explique par du non recours, il est donc indispensable de le mesurer avant de dire qu’il y a ou non un problème éventuel de ciblage dans l’expérimentation. S’agissant de l’impact territorial de l’expérimentation, la deuxième vague d’enquête qui va être lancée auprès des habitants des territoires devrait permettre de le mesurer en partie. Affaire à suivre, donc.