Covid 19 et densité : le cas Italien (épisode 32)

Je continue à explorer le lien éventuel entre densité et pandémie. Pour la France, le lien semble ténu, dès qu’on exclut l’Ile-de-France des calculs (voir ici et ). Au Royaume-Uni également, dès qu’on exclut Londres (voir ici). Idem semble-t-il en Chine et en Espagne (voir ici).

Je vous propose de présenter les résultats pour le cas italien. Pour cela, j’ai collecté le nombre de cas par province italienne ici, et les données sur la densité et la population sur Eurostat. Il suffit ensuite de croiser la densité et le nombre de cas par habitant.

Résultat : aucune corrélation entre la densité et le nombre de cas par million d’habitants, les deux variables sont totalement indépendantes.

Covid 19 : un désavantage des métropoles ? (épisode 31)

J’ai passé beaucoup de temps et dépensé beaucoup d’énergie depuis plusieurs années, avec mon collègue Michel Grossetti, à déconstruire le discours selon lequel les métropoles auraient un avantage économique sur les autres catégories de territoires. Je vous propose aujourd’hui d’analyser la situation de ces mêmes métropoles vis-à-vis de la pandémie en cours pour vous montrer que, malgré les apparences, elles n’ont pas de désavantage particulier.

Pour cela, j’ai collecté les données de Santé publique France sur les décès par département du 18 mars au 10 mai 2020. J’ai ensuite distingué de deux façons les départements. La première façon consiste à rassembler dans une même catégorie “métropoles” les départements où sont localisés les 22 métropoles instituées par la loi. Il y a une petite difficulté pour Paris, qui s’étend sur toute l’Ile-de-France, j’ai donc considéré que la métropole de Paris était constituée de tous les départements franciliens. J’ai procédé en complément d’une deuxième façon, en m’appuyant sur une typologie européenne basée principalement sur les densités de population, qui distingue les départements urbains, les départements ruraux, et entre les deux les départements dits intermédiaires (vous pouvez visualiser la carte ici). Le nombre de départements français dits urbain est de 14 : 7 départements d’Ile-de-France, auxquels il faut ajouter Lille, Marseille, Lyon, Bordeaux, Nantes, Toulouse et Nice.

En apparence, les métropoles pâtissent d’un désavantage important, lorsqu’on regarde par exemple le taux de mortalité de l’ensemble des métropoles et qu’on le compare au taux de mortalité hors métropoles.

Taux de mortalité par million d’habitants

A la date du 10 mai 2020, le taux de mortalité est de 305 décès par million d’habitants pour les métropoles, contre 178 pour les autres territoires. Il monte même à 336 pour les départements dits urbains, contre 240 pour les départements intermédiaires et 149 pour les départements ruraux.

Mais il s’agit là de moyennes, dont la valeur peut dépendre fortement de quelques observations, ce qu’il convient de vérifier. S’agissant de la distinction métropoles/hors métropoles, je vous propose de refaire le calcul sans Paris (sans l’Ile-de-France donc). S’agissant de la distinction urbain/intermédiaire/rural, je vous propose d’enlever l’Ile-de-France et Grand Est, dont la plupart des départements sont “intermédiaires”.

Taux de mortalité par million d’habitants, hors Ile-de-France (graphique de gauche) et hors Ile-de-France et Grand Est (graphique de droite)

Les différences entre les ensembles de territoires ont pratiquement disparu. Toujours au 10 mai 2020, le taux de mortalité des métropoles hors Paris tombe à 194 décès par million d’habitants, contre 178 pour les départements hors métropoles. Les taux sont de 155 pour les départements urbains, 144 pour les départements intermédiaires et 132 pour les départements ruraux. La réponse à la question du titre est donc plutôt négative, sauf à considérer qu’il n’y a qu’une métropole en France, Paris. De même, penser qu’il y a un avantage du rural face à l’épidémie s’avère erroné.

Pour conclure, une petite digression. Nous nous sommes toujours défendus, Michel Grossetti et moi-même, de porter un discours “anti-métropole”, ou bien “pro-rural”, étiquettes que certains aimeraient bien nous coller. Ce que nous nous efforçons de montrer, c’est que les catégories de “métropole”, de “ville moyenne” ou de “rural”, sont souvent trompeuses car elles ne sont pas homogènes. C’est exactement la même chose que je viens de montrer dans ce billet, qui invite avant tout à se méfier non pas des métropoles, mais des moyennes.

Impact économique de la crise : actualisation (épisode 30)

L’Insee a publié pour la troisième fois un point de conjoncture incluant une estimation des pertes d’activité consécutives à la crise sanitaire et au confinement. J’en profite pour actualiser l’impact territorial des prévisions sectorielles de l’Insee.

Les prévisions sont stables ou légèrement à la baisse, l’impact global passe d’une perte de 36% à une perte de 33% en un mois.

Comme les fois précédentes, j’applique ces taux de pertes nationaux aux poids des secteurs par territoire, ce qui me permet de construire une carte par département, puis une carte par intercommunalité.

Les corrélations entre les résultats du 9 avril, du 23 avril et du 7 mai sont très fortes (supérieures à 99%), si bien que les cartes ne sont pas modifiés ou très à la marge. A l’échelle des départements, les Hauts-de-Seine (-39%) et la Savoie (-37%) sont les plus impactés, la Lozère (-27%) et la Creuse (-27%) sont les moins touchés. Je vous remets à disposition les résultats dans ce fichier à télécharger.

Au Royaume-Uni également, la densité joue peu (épisode 29)

Petit billet pour signaler le travail de Valentine Quinio, du Centre for Cities,  qui s’est intéressée au lien entre densité et épidémie pour le Royaume-Uni dans ce billet. Elle montre que la relation existe quand on inclut l’ensemble des local authorities (échelle géographique à laquelle elle raisonne), mais qu’elle disparaît pratiquement quand on exclut Londres de l’analyse.

Le R² est d’un peu plus de 46% dans le premier cas : les différences de densité “expliquent” un peu plus de 46% des différences d’occurrence de l’épidémie (mesurée par le nombre de cas pour 100 000 habitants). Mais quand on enlève Londres, le pourcentage tombe à un peu moins de 10%.

Ceci est conforme à ce que j’avais trouvé pour la France en croisant densité et taux de mortalité : le R² est de 22% quand on inclut l’ensemble des départements, il tombe à 4% quand on exclut les départements d’Ile-de-France.

Covid 19, épisode 28 : fin de la première vague ?

Comme chaque semaine, l’Insee livre les chiffres sur la mortalité toutes causes confondues, du 1er mars au 20 avril cette fois. Globalement, la surmortalité par rapport à 2019 et à 2018 se confirme : 109 831 décès sur cette période, contre 86 606 en 2019 et 94 881 en 2018. La tendance est heureusement à la baisse depuis le 1er avril.

Cette évolution est conforme à celle observée à l’aide des données de Santé publique France. Pour preuve, j’ai construit le graphique des nouveaux décès quotidiens pour la période du 19 mars au 4 mai 2020 :

En complément, Baptiste Coulmont a procédé à une analyse de la mortalité en 2020 par rapport à la moyenne observée sur 2001-2019, ce qui lui a permis de produire ce graphique remarquable :

Si le pic dû à la canicule en 2003 était plus élevé que celui observé cette année, la surmortalité apparente est plus élevée pour 2020, avec plus de 30 000 décès de plus que la moyenne. Étant entendu, je le rappelle, que nous avons été sur une bonne partie de la période en confinement, ce qui a sans conteste réduit le nombre de morts.

J’avais insisté la dernière fois et les fois précédentes, cette surmortalité reste très marquée géographiquement, 4 régions payant un lourd tribut : le nombre de décès est supérieur à celui de 2019 de 95% en Ile-de-France, de 60% dans le Grand Est, de 28% en Bourgogne-Franche-Comté et de 24% dans les Hauts-de-France.

Pour illustrer autrement les différences géographiques, je reprend deux graphiques de l’Insee, le même que le premier graphique ci-dessus, mais pour deux régions aux profils différents, la Nouvelle-Aquitaine et l’Ile-de-France (tous les graphiques régionaux sont visibles ici) :

Il ne s’est rien passé de visible en Nouvelle-Aquitaine, contrairement à ce que l’on observe en Ile-de-France.

Je termine par un dernier graphique qui compare les taux de mortalité entre 2020 et 2019 par tranche d’âge et par sexe, deux autres variables très influentes.

On voit que la surmortalité s’observe et s’accroît à partir de 50 ans, et qu’à partir de 65 ans elle est bien plus forte pour les hommes que pour les femmes. On note aussi que la mortalité chez les hommes de moins de 25 ans est significativement plus faible que l’an dernier : c’est une forme d’externalité positive du confinement, qui a réduit le nombre de morts accidentelles (notamment sur la route) observée habituellement chez les jeunes hommes de cette tranche d’âge.

Impact économique du confinement : quels territoires sont les plus touchés ? (épisode 27)

C’est le titre d’un petit article rédigé pour la Revue L’actualité Nouvelle-Aquitaine, que vous pouvez lire ici. Je reprends ce que j’avais expliqué dans ce billet, en détaillant sur la méthode en annexe, et en présentant surtout une carte à l’échelle des intercommunalités.

Vous pouvez télécharger le fichier excel avec les pertes d’activité par département et par intercommunalité en cliquant ici.

 

La densité favorise-t-elle l’épidémie ? (épisode 26)

J’ai vu passer différentes analyses et travaux qui posent la question du lien entre la densité des territoires et l’épidémie en cours, la plupart du temps en supposant qu’une densité supérieure se traduirait par une propension à être contaminé, ou par un taux de mortalité, plus forts.

Je dis bien la plupart du temps, car le premier a en avoir parlé, Jacques Levy, pronostiquait l’inverse fin mars, dans un texte visible ici :

« En France, c’est le Grand Est et la Bourgogne-Franche-Comté qui ont les taux de mortalité les plus élevés et, même en tenant compte de la pyramide des âges, l’Île-de-France reste relativement épargnée ». (…) « On peut se demander si les citadins bénéficient d’une immunité particulière qui serait liée à leur forte exposition permanente à des agents pathogènes multiples. En tout cas, l’habitat dans une zone à forte urbanité (densité + diversité) apparaît plutôt protecteur. » (souligné par moi)

Il semble qu’il ait été démenti depuis : l’urbanité parisienne n’a pas protégé ses habitants.

A l’inverse, Jean-Pierre Orfeuil, dans un texte disponible ici, brasse tout un ensemble de statistiques par département pour évaluer l’impact de la densité sur la mortalité, sur la base desquelles il croit pouvoir affirmer en conclusion que “l’impact de la densité des territoires sur la mortalité Covid apparaît au moins égal et probablement supérieur à celui des facteurs de comorbidité comme l’âge”. Nadine Levratto, Mounir Amdaoud et Giuseppe Arcuri, dans ce qui constitue à ma connaissance le premier travail économétrique sur données françaises cherchant à expliquer les différences géographiques relatives à l’épidémie, estiment également l’impact de cette variable, parmi d’autres, variable qui joue significativement dans leurs différents modèles. Sur cette base, certains en vont même jusqu’à affirmer que “la ville dense a trahi ses habitants”.

J’aurai personnellement tendance à être très prudent sur ce lien supposé. D’abord parce que si des villes très denses sont touchées (New-York, Paris, Londres, …), d’autres le sont beaucoup moins (Los Angeles, Singapour, Shangaï, …). Ensuite parce que, dans le cas chinois, Wanli Fang et Sameh Wahba montrent clairement que la densité des villes n’influe pas sur le nombre de cas de Covid 19, mais que la distance à Wuhan, en revanche, joue un peu.

Creusons un peu sur le cas français, en nous appuyant sur les données départementales fournies par Santé publique France d’une part, et celles sur la densité fournies par le recensement de la population millésime 2016, d’autre part.

La carte des densités est la suivante :

La densité varie de 14,8 habitants au km² en Lozère, à 20 860,3 à Paris, en passant par 564,7 dans le Rhône, ou 454,2 dans le Nord. On peut ensuite représenter sous forme de nuage de points le lien entre densité (le logarithme de la densité plus précisément) et le taux de mortalité :

On voit clairement ressortir des départements d’Ile-de-France, qui allient forte densité et forte mortalité, mais aussi des départements à densité plus faible, qui pâtissent d’une mortalité au moins aussi forte (Territoire de Belfort, Haut-Rhin, Moselle, Vosges) pendant que d’autres (Nord, Rhône, …) ont une mortalité comparativement faible. Bref : c’est un peu le bazar.

Pour valider ou invalider ce sentiment, j’ai testé le lien entre le taux de mortalité, d’un côté, et la densité de population de l’autre : lorsqu’on estime la relation en prenant en compte l’ensemble des départements, le R² n’est pas totalement négligeable, il est de 23% (et le coefficient associé à la densité est positif et significatif au seuil de 1%). Ceci signifie que les différences de densité “expliquent” 22% des différences de taux de mortalité. Quand on teste la même relation en enlevant les départements d’Ile-de-France, le R² tombe à 4% (et le coefficient n’est plus significatif qu’au seuil de 5%). En dehors de l’Ile-de-France, la densité semble donc peu explicative.

Pour compléter, on peut identifier les départements pour lesquels la relation joue le moins bien, en calculant ce que l’on appelle les résidus : s’ils sont très négatifs, cela signifie que le taux de mortalité est très inférieur à ce que l’on attend vu la densité du département, et inversement pour les résidus très positifs. Dans le premier cas, on trouve la Haute-Garonne, le Vaucluse, le Finistère, l’Ile-et-Vilaine, la Loire-Atlantique et l’Hérault : taux de mortalité plus faible qu’attendu vu la densité. Dans le deuxième cas, on trouve le Territoire de Belfort, le Haut-Rhin, les Vosges, la Moselle et la Meuse.

La carte des résidus montre sans surprise une opposition, non pas entre les départements denses et les départements moins denses, mais entre un grand quart Nord-Est plus touché et des parties Ouest et Sud largement épargnées.

Une réflexion plus générale, sur la base de ces éléments : je crois que nous sommes face à une épidémie qu’il faut voir comme un processus, avec des territoires touchés les premiers en raison “d’accidents historiques” (le hasard dit autrement,  comme le rassemblement religieux ayant eu lieu sur Mulhouse, qui aurait pu avoir lieu ailleurs), au sein desquels s’enclenchent ensuite des processus cumulatifs locaux. Sans doute que la densité joue un peu ensuite sur l’ampleur du processus cumulatif local, comme pourrait jouer l’âge moyen pour le taux de mortalité, mais on ne peut pas en faire des facteurs explicatifs de la géographie de l’épidémie, qui reste pour une très large part le produit de processus multifactoriels et largement contingents.

Covid 19, épisode 25 : variations régionales et départementales

Petit billet pour faire un point sur l’évolution régionale et départementale de l’épidémie, à partir des chiffres de Santé publique France datés du 26 avril 2020. Je commence par deux graphiques à l’échelle des régions, sur le nombre de personnes hospitalisées et le nombre de décès.

On observe, comme je l’ai indiqué à de multiples reprises, une forte concentration géographique de l’épidémie : l’Ile-de-France, où réside 19% de la population, concentre 38% des hospitalisations et 39% des décès. Le taux de mortalité y est de 460 décès par million d’habitants. Seul Grand Est a un taux de mortalité plus élevé (507), cette région, où réside 8% de la population, concentre 16% des hospitalisations et 19% des décès. A elles deux, ces régions concentrent 54% des hospitalisations et 59% des décès. Deux autres régions présentent des taux de mortalité proches ou supérieurs à la moyenne (221) : la Bourgogne Franche-Comté (taux de mortalité de 287) et les Hauts-de-France (220). A elles quatre, ces régions concentrent 67% des hospitalisations et 74% des décès (alors qu’elles ne représentent que 41% de la population).

L’autre constat important est que l’évolution des hospitalisations comme des décès semble suivre une courbe en cloche : après un accroissement des indicateurs jusque début avril, la tendance, fort heureusement, est à la baisse. Pour le confirmer, j’ai procédé à un peu d’économétrie, qui montrent que la tendance s’est inversée le 29 mars pour les hospitalisations dans le Grand Est et le 4 avril pour les décès ; les dates sont respectivement le 4 avril et le 9 avril pour l’Ile-de-France.

J’ai reproduit les deux séries de graphique précédents pour les départements des deux régions les plus touchées (le Grand Est et l’Ile-de-France).

On constate là encore une forte concentration spatiale, à une échelle plus fine, de l’épidémie. Les taux de mortalité varient pour ce sous-ensemble de départements de 166 pour les Ardennes à 922 pour le Haut-Rhin.

Si l’on raisonne sur l’ensemble des départements de France métropolitaine, on constate que le Territoire de Belfort reste le plus touché, avec un taux de mortalité de 1 042 décès par million d’habitants. On constate également que les 10 départements comptant le plus grand nombre de décès (Paris, Val-de-Marne, Hauts-de-Seine, Seine-Saint-Denis, Haut-Rhin, Moselle, Val-d’Oise, Bas-Rhin, Rhône, Seine-et-Marne – tous sauf un dans les deux régions les plus touchées), concentrent 50% de l’ensemble des décès, pour seulement 21% de la population.

Compte-tenu de ces résultats, l’hypothèse d’un déconfinement par région ne m’aurait pas semblé totalement farfelue…

En 2020, une mortalité plus forte et une géographie différente (épisode 24)

L’Insee a livré hier les chiffres sur la mortalité toutes causes confondues jusqu’au 13 avril 2020. La tendance observée la semaine dernière selon laquelle la mortalité en mars-avril est plus forte cette année que l’an dernier, mais aussi qu’en 2018, année de grippe longue et virulente, se confirme. Cette surmortalité s’inscrit cependant de manière spécifique dans l’espace, car contrairement à d’autres épidémies, elle continue de se caractériser par une forte concentration géographique, qui n’est pas sans interroger.

S’agissant de la surmortalité, j’ai reproduit le graphique de l’Insee sur le nombre de décès quotidien, pour la période du 1er mars au 13 avril. On constate que sur cette période, la mortalité en 2018 est sensiblement supérieure à celle de 2019, et que celle de 2020 les dépasse à partir de mi-mars, pour atteindre 2700 décès par jour au 1er avril, et redescendre heureusement depuis. Sur cette période, la surmortalité 2020 est supérieure de 25% à celle de 2019 et de 13% à celle de 2018. Étant entendu qu’elle a été limitée par le confinement, dont certains collègues estiment qu’il a évité plus de 60 000 décès.

Contrairement à ce que l’on observe dans le cas des grippes saisonnières, cette mortalité n’est cependant pas distribuée de manière homogène dans l’espace, elle est fortement concentrée, à commencer par le Grand Est et l’Ile-de-France. Pour le montrer, j’ai calculé un indicateur de concentration géographique des décès pour les trois années, qui vaut 1 en cas de concentration maximale et 100 en cas de concentration minimale.

Premier constat : même si la mortalité en 2018 est sensiblement supérieure en mars-avril à celle observée en 2019, les indices de concentration spatiale sont très proches, avec des valeurs relativement élevées qui oscillent autour de 67%. L’épidémie de grippe de 2018, plus virulente et plus longue que celle de 2019, s’est donc déployée de manière homogène dans l’espace.

Pour l’épidémie actuelle, ce n’est pas la même histoire : la valeur de l’indice de concentration décroche de la tendance quand la mortalité 2020 dépasse celle des années précédentes. L’indice descend jusqu’à 50%, signe d’un accroissement de la concentration spatiale des décès, qui se déploient de manière hétérogène dans l’espace.

Ce constat fait sur l’ensemble des décès est confirmé, et même sensiblement renforcé, si l’on analyse les données sur le Covid 19 de Santé publique France, en calculant le même indice de concentration spatiale.

L’indice augmente certes en début de période, mais il prend des valeurs faibles et ne dépasse jamais les 30%, signe d’une forte concentration spatiale de l’épidémie, relativement stable dans le temps.

Jusqu’à présent, lorsque je suis interrogé sur ce double résultat (forte concentration spatiale de l’épidémie, stabilité de cette concentration), je réponds qu’il faut y voir au moins en partie l’effet bénéfique du confinement. Il semble cependant que le confinement ne puisse pas tout expliquer : une telle concentration spatiale de l’épidémie se retrouve en effet dans des pays qui n’ont pas ou peu mis en œuvre le confinement, comme la Suède ou les Pays-Bas par exemple.

source : https://legrandcontinent.eu/fr/observatoire-coronavirus/ (site consulté le 25/04/2020)

[allez sur le site qui présente cette carte pour visualiser en survolant les régions le taux de décès et la proportion de cas]

Ce constat est au cœur des interrogations d’Antoine Flahault (merci à twitter, plus précisément à Tristan Klein, de m’avoir transmis le lien vers son interview), dont l’hypothèse explicative est que les personnes asymptomatiques joueraient un faible rôle dans la diffusion de l’épidémie, contrairement à ce que l’on observe pour les grippes saisonnières.

Pour la grippe, que je connais bien pour avoir participé à la mise en place du réseau Sentinelles en France : quand survient un pic épidémique, toute la France est concernée de manière synchrone (…), tout le pays connaît le pic durant la même semaine ou presque. Comment l’expliquer ? Mon hypothèse est que l’ensemencement préalable par le virus de la grippe est important avant le démarrage visible de l’épidémie saisonnière et qu’il est causé par les personnes asymptomatiques, donc silencieuses, qui vont déclencher l’épidémie finalement visible au même moment partout dans toute l’Europe.

(…) Cette particularité du coronavirus sur le virus grippal est importante, car beaucoup de modèles mathématiques utilisées pour COVID sont des modèles recyclés de la grippe qui repose sur une hypothèse forte de pan-mixage. Or, elle pourrait s’avérer moins valable pour COVID, s’il s’avère que les personnes asymptomatiques n’ensemencent pas le pays de façon massive comme dans le cas de la grippe.

Ceci ne signifie bien sûr pas que le confinement ne sert à rien, il a sans conteste permis d’éviter un nombre important de contamination et de décès. Mais il semble bien qu’il n’explique pas tout. Et force est de constater que les raisons de cette concentration spatiale de l’épidémie ne sont pas, pour l’heure, totalement claires.

Covid 19, épisode 23 : nouvelle évaluation de l’impact économique de l’épidémie

L’Insee a publié hier une nouveau point de conjoncture pour mesurer la perte d’activité lié à la pandémie et au confinement. Par rapport à une semaine normale, la perte d’activité serait de 35% pour l’ensemble des secteurs et de 41% pour le sous-ensemble du secteur marchand.

Les pertes par secteurs sont également actualisées :

J’ai reproduit l’exercice consistant à spatialiser ces pertes, ce qui donne la carte par département suivante :

Il y a très peu de changement par rapport à la dernière fois : la corrélation entre les estimations du 9 avril et celles du 23 avril est supérieure à 98%. Les départements les moins impactés restent la Lozère, la Creuse et la Meuse, ceux les plus touchés la Seine-et-Marne, la Savoie et les Hauts-de-Seine.


Épisodes précédents : Episode 1 (comparaisons régionales)|Episode  2 (résidences secondaires)|Episode 3 (sur la mortalité)|Episode 4 (comparaison France Italie)|Episode 5 (cas américain et espagnol)|Episode 6 (diffusion spatiale de l’épidémie)|Episode 7 (géographie des Ehpad)|Episode 8 (prévision décès Ehpad)|Episode 9 (sur la mortalité, suite)|Episode 10 (diffusion spatiale, suite)|Episode 11 (taux de mortalité)|Episode 12 (l’impact économique)|Episode 13 (confinement et mobilités départementales)|Episode 14 (chiffres Insee sur la mortalité)|Episode 15 (distanciation sociale)|Episode 16 (impact économique)|Episode 17 (taux de mortalité)|Episode 18 (des pneumatiques aux respirateurs)|Episode 19 (géographie des décès en Ehpad)|Episode 20 (actualisation chiffres Insee sur la mortalité)|Episode 21 (géographie aux États-Unis)|Episode 22 (classement régions françaises et pays de l’UE28)