In English

Ce virus était-il sensible à la météo ?

Nous avions mené deux études complètes d'analyse exploratoire et de corrélation pour tenter de répondre à cette question : la première à l'échelle des pays, la seconde à l'échelle des comtés américains.

Étude 1

L'étude des données par pays

Les pays n'étaient pas tous touchés de la même façon par le coronavirus. Certains pays étaient (officiellement) pratiquement épargnés, d'autres comptaient déjà des dizaines de milliers de morts. Pourquoi de telles différences entre les pays ?

Pour chaque pays, nous avions récupéré les données suivantes :

Voici la matrice de corrélation, sous forme de carte thermique. Rappel : les coefficients vont de -1 à 1 — 1 signifie une corrélation positive parfaite, 0 aucune corrélation linéaire, -1 une corrélation négative parfaite.

Matrice de corrélation entre facteurs démographiques et mortalité COVID-19 par pays
Matrice de corrélation entre pays

Quatre variables étaient très corrélées entre elles : richesse par habitant, espérance de vie, âge moyen et qualité du système de santé — dans un pays riche, les habitants vivaient plus longtemps, l'âge moyen était plus élevé et le système de santé était meilleur.

Le nombre de décès par habitant était fortement corrélé à ces quatre variables. Cela pouvait sembler contradictoire, mais un meilleur système de santé allait de pair avec une espérance de vie et un âge moyen élevés, qui entraînaient eux-mêmes un nombre de décès COVID-19 plus important — une conséquence indirecte. À l'inverse, dans les pays où le système de santé était défaillant, tous les décès liés au COVID-19 n'étaient pas déclarés comme tels.

La liberté d'expression et le nombre de décès étaient corrélés positivement : moins il y avait de liberté d'expression, moins il y avait de décès déclarés — ce qui suggérait que le nombre de décès était volontairement minoré dans certains pays.

Les températures étaient inversement corrélées à la richesse du pays (plus un pays était pauvre, plus il faisait chaud) et au nombre de décès. Mais une conséquence est corrélée à sa cause, et deux conséquences sont aussi corrélées entre elles : était-ce la chaleur qui faisait baisser le nombre de décès, ou simplement le fait que les pays chauds étaient des pays pauvres à la population jeune et à l'espérance de vie moins élevée ? Impossible de le savoir avec la seule analyse de cette matrice.

Nous étions allés plus loin en entraînant un algorithme de gradient boosting, considéré comme l'un des plus fiables en machine learning, capable de repérer des corrélations même non linéaires, sur notre jeu de données.

Importance des variables selon l'algorithme de gradient boosting
Importance des variables — gradient boosting
La variable la plus importante était l'âge moyen de la population. La température avait un impact pratiquement nul et n'était pas retenue par l'algorithme.

Conclusion : la température, étudiée entre 10 °C et 42 °C, n'avait pas d'impact significatif sur l'évolution de la pandémie.

Données COVID-19 : jhu.edu
Liberté d'expression : rsf.org/fr/classement
Systèmes de santé : april-international.com
Espérance de vie : wikipedia.org — espérance de vie
Âge médian : wikipedia.org — âge médian
Richesse par habitant : wikipedia.org — PIB (PPA) par habitant
Densité de population : wikipedia.org — densité de population
Population : wikipedia.org — population
Météo d'avril 2020 : tutiempo.net

Étude 2

L'étude des données par comté américain

Pour chacun des 3 242 comtés des États-Unis, nous avions récupéré les données suivantes :

Nous avions entraîné des algorithmes de machine learning sur ce jeu de données, dans le but de déterminer quelles variables avaient un impact sur la pandémie.

Pourquoi avoir choisi d'étudier les données américaines ? Les États-Unis formaient un pays très divers, avec des comtés à la météo très différente — 25 °C d'écart entre le Montana ou le Dakota du Nord et la Floride ou le sud de la Californie — et des taux d'humidité très variés.

La granularité des données y était aussi plus fine qu'en France : les données américaines étaient disponibles par comté (3 242 comtés), contre par département seulement en France. Plus la granularité est fine, plus l'analyse peut être précise.

census.gov — USA Counties
Google Sheets — jeu de données
timeanddate.com — historique météo
github.com/nytimes/covid-19-data

Carte des comtés américains par température et progression de l'épidémie
Comtés américains — vue d'ensemble

Il n'y avait pas eu de corrélation linéaire significative entre la température et la vitesse de progression de l'épidémie aux États-Unis. Le pays est immense, et en mars 2020 toutes les températures entre -5 °C et +30 °C y étaient représentées : la température n'avait pas d'impact direct important. Même constat pour le taux d'humidité.

Matrice de corrélation entre météo et progression de l'épidémie par comté
Corrélation météo / progression de l'épidémie

L'absence de corrélation linéaire ne signifie pas absence de corrélation — mais ici, il n'y en avait pas non plus tout court. Ci-dessous, les comtés américains selon leur température moyenne de mars (abscisse) et leur taux multiplicateur de cas détectés entre le 27 mars et le 4 avril (ordonnée) : aucune corrélation significative ne s'en dégageait.

Nuage de points température et taux multiplicateur de cas par comté
Température vs taux multiplicateur de cas
Conclusion : la température n'avait pas d'impact direct majeur sur le Covid. La première vague au Mexique, au Texas et en Floride avait eu lieu en plein été, alors qu'il faisait 35 °C à l'ombre. La température avait bien moins d'impact que les autres variables étudiées — densité de population, comportement des gens, richesse par habitant…