Mobilisation efficace des ressources de tests pour COVID-19 – EMTR

La France a été fortement touchée par l'épidémie de SRAS-CoV-2. De telles épidémies présentent des caractéristiques uniques : de nombreux individus sont asymptomatiques ou présentent des symptômes légers et les risques diffèrent largement d'un individu à l'autre. Cela signifie que les individus diffèrent dans leur volonté de participer au dépistage, conditionnellement à être infectés et que, in fine, les individus diffèrent dans leurs incitations à se faire tester. Les personnes qui présentent des symptômes légers ou qui ne sont pas à risques peuvent de ne pas effectuer le test et propager le virus. Ainsi, les données brutes de surveillance sont caractérisées par une sélection endogène en termes de types d'individus se faisant tester. L'objectif de notre projet est d'acquérir une compréhension fine (ou structurelle) du processus de cette sélection. Afin d’atteindre cet objectif, nous modéliserons soigneusement la décision des individus concernant le test Covid. Plus précisément, nous modéliserons un individu qui perçoit un avantage et un coût à se faire tester en fonction de ses caractéristiques et qui, au moment de prendre sa décision de se faire tester, met en balance cet avantage et ce coût. Nous ferons correspondre la prédiction des taux de positivité de notre modèle au taux de positivité observé pour les différents groupes d'individus et utiliserons la méthode généralisée des moments pour estimer les paramètres. Notre projet servira plusieurs objectifs importants. Une meilleure compréhension de la décision de dépistage nous permettra d'identifier les degrés relatifs de "sous-dépistage" dans différents segments de la population. Cela nous permettra également de développer une boîte à outils qui permettra aux décideurs politiques non seulement de comprendre la réponse des individus au dépistage mais aussi de mobiliser et d'allouer de manière optimale les ressources de dépistage, ce qui, nous l'espérons, s'avérera utile pour faire face aux futures pandémies.