Estimation du COVID-19 en Autriche à l'aide d'enquêtes sur les infections

Stéphane Guerrier et Maria-Pia Victoria-Feser, professeur-es à la GSEM, ont co-écrit avec Christoph Kuzmics (Karl-Franzens-Universität Graz) un article publié dans le Journal of American Statistical Association, une publication de premier plan. Cet article explore la combinaison des résultats des enquêtes sur les infections et des données sur le nombre de cas pour estimer la prévalence de COVID-19 en Autriche en 2020. En combinant ces deux sources de données, les chercheurs obtiennent un gain d'efficacité significatif dans l'estimation de la prévalence. Notamment, de plus petits échantillons d'enquêtes sur les infections peuvent produire le même niveau de précision. Guerrier, Victoria-Feser et Kuzmics proposent des méthodes d'estimation spécifiques qui tiennent compte des erreurs de mesure et de la pondération non aléatoire des échantillons dans les enquêtes sur les infections. En outre, ils introduisent un paquetage R open-source appelé "pempi" pour mettre en œuvre les estimateurs et les intervalles de confiance proposés.

Stéphane Guerrier et Maria-Pia Victoria-Feser sont financé-es par le Fonds national suisse de la recherche scientifique ainsi que par Innosuisse.

ABSTRACT

Countries officially record the number of COVID-19 cases based on medical tests of a subset of the population. These case count data obviously suffer from participation bias, and for prevalence estimation, these data are typically discarded in favor of infection surveys, or possibly also completed with auxiliary information. One exception is the series of infection surveys recorded by the Statistics Austria Federal Institute to study the prevalence of COVID-19 in Austria in April, May, and November 2020. In these infection surveys, participants were additionally asked if they were simultaneously recorded as COVID-19 positive in the case count data. In this article, we analyze the benefits of properly combining the outcomes from the infection survey with the case count data, to analyze the prevalence of COVID-19 in Austria in 2020, from which the case ascertainment rate can be deduced. The results show that our approach leads to a significant efficiency gain. Indeed, considerably smaller infection survey samples suffice to obtain the same level of estimation accuracy. Our estimation method can also handle measurement errors due to the sensitivity and specificity of medical testing devices and to the nonrandom sample weighting scheme of the infection survey. The proposed estimators and associated confidence intervals are implemented in the companion open source R package pempi available on the Comprehensive R Archive Network (CRAN). Supplementary materials for this article are available online including a standardized description of the materials available for reproducing the work.

L’étude est disponible en libre accès : Assessing COVID-19 Prevalence in Austria with Infection Surveys and Case Count Data as Auxiliary Information (en anglais)

> Cliquez ici pour voir les publications du corps professoral de la GSEM dans des revues de premier plan.