Autour du SARS-CoV-2 (Covid-19)
-2026-10-01
- -Au début de l’année 2020, l’émergence et la diffusion mondiale du -coronavirus SARS-CoV-2 (responsable de la Covid-19) ont suscité un -besoin sans précédent de suivi épidémiologique en temps réel. Des médias -d’information de référence, tels que le South China Morning -Post (SCMP), ont vulgarisé ces dynamiques au moyen de -visualisations interactives montrant le nombre cumulé de personnes -infectées par pays depuis le début de la crise.
-Le présent document a pour objectif de reproduire ces analyses de -manière transparente et rigoureusement reproductible. En nous appuyant -sur les données consolidées par le Center for Systems Science -and Engineering (CSSE) de l’Université Johns Hopkins (JHU), -nous analyserons la trajectoire de l’épidémie pour un panel de pays -cibles, comparerons les représentations en échelle linéaire et -logarithmique, et élargirons la réflexion à la mortalité associée.
--
1. Environnement de travail et reproductibilité
-Dans un premier temps, nous chargeons dans un premier temps -l’ensemble des bibliothèques R nécessaire à la modélisation de nos -données.
--
-
tidyverse: métapackage fournissant les outils de -manipulation (dplyr,tidyr, -lubridate) et de visualisation (ggplot2).
-scales: facilite la mise en forme des axes continus et -logarithmiques.
-
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
-## ✔ dplyr 1.2.1 ✔ readr 2.2.0
-## ✔ forcats 1.0.1 ✔ stringr 1.6.0
-## ✔ ggplot2 4.0.3 ✔ tibble 3.3.1
-## ✔ lubridate 1.9.5 ✔ tidyr 1.3.2
-## ✔ purrr 1.2.2
-## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
-## ✖ dplyr::filter() masks stats::filter()
-## ✖ dplyr::lag() masks stats::lag()
-## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors##
-## Attachement du package : 'scales'
-##
-## L'objet suivant est masqué depuis 'package:purrr':
-##
-## discard
-##
-## L'objet suivant est masqué depuis 'package:readr':
-##
-## col_factorPour garantir la reproductibilité de l’étude, le fichier contenant
-les données à analyser se trouve dans le répertoire de travail du dépôt
-GitLab. Si le fichier n’est pas accessible, décommentez la commande
-download.file().
# Décommenter ce bloc de code si le répertoire de travail ne contient pas le fichier
-# download.file(
-# url = "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv",
-# destfile = "time_series_covid19_confirmed_global.csv"
-# )
-
-infection_data <- read.csv("time_series_covid19_confirmed_global.csv")On vérifie la bonne importatation des données en affichant les -premières colonnes du tableau (on limite l’affichage à 7 colonnes, le -fichier en comptant plusieurs milliers, cela peut gêner la lisibilité du -fichier final) :
- --
2. Préparation des données
-2.1 Règles de filtrage
-Le jeu de données brut se présente sous un format large (wide -format) où chaque date constitue une colonne distincte. De plus, la -gestion territoriale nécessite des règles d’exclusion et d’inclusion -strictes :
--
-
- Chine et Hong Kong : les données de la Chine -continentale sont agrégées sur l’ensemble de ses provinces, à -l’exception explicite de Hong Kong, qui est traitée comme une entité à -part entière afin de respecter la présentation originale du SCMP. -
- Métropoles européennes (France, Pays-Bas, Royaume-Uni)
-: conformément aux consignes, nous excluons les territoires
-d’outre-mer et dépendances insulaires pour ne conserver que les
-territoires métropolitains (définis par une absence de mention dans le
-champ
Province.State).
- - Autres pays du panel : Belgique, Allemagne, Iran, -Italie, Japon, Corée du Sud, Portugal, Espagne et États-Unis. -
# Liste des pays d'intérêt (noms tels qu'ils figurent dans le fichier du JHU)
-pays <- c("China", "France", "Germany", "Italy", "Spain", "United Kingdom",
- "Japan", "Korea, South", "US", "Netherlands", "Belgium", "Portugal", "Iran")
-
-clean_infection_data <- infection_data |>
- filter(Country.Region %in% pays) |> # On ne garde que les pays d'intérêt
- filter(Province.State == "" | Country.Region == "China") |> # Territoires métropolitains + toutes les provinces chinoises
- mutate(Country.Region = ifelse(Province.State == "Hong Kong",
- "Hong Kong", Country.Region)) # Hong Kong devient une entité à part
-
-head(clean_infection_data[, 1:7]) # Même limitation à 7 colonnes pour la lisibilité2.2 Réorganisation des dates
-Dans le tableau d’origine, il y a deux problèmes avec les dates :
--
-
- elles ne sont pas dans un format facile à lire, et sont mal
-interprétées par R (préfixe
X, format mois.jour.année) -;
- - chaque date représente une colonne, alors qu’il serait plus simple
-d’avoir une colonne
date(en abscisse) et une colonne -casesportant les valeurs (en ordonnée). De cette manière, -on s’évite aussi les colonnes vides dans la plupart des pays pour les -premiers mois de 2020.
-
Ce cas est fréquent et une fonction est connue pour le résoudre :
-pivot_longer() (inclut dans Tidyverse)
infection_data_long <- clean_infection_data |>
- pivot_longer(cols = starts_with("X"), # Colonnes à pivoter
- names_to = "date", # Nom de la colonne accueillant les noms
- values_to = "cases") # Nom de la colonne accueillant les valeurs
-
-head(infection_data_long)La fonction head nous permet de constater que le tableau est -mainteant beaucoup plus lisible et au format désiré.
-Nous pouvons maintenant convertir les dates au format ISO, ce qui -normalise leur format et les rend lisibles pour un lecteur humain :
-# On retire le préfixe "X", puis on convertit avec mdy() (mois-jour-année),
-# fonction de lubridate, présente dans le tidyverse et robuste aux séparateurs
-clean_date_data <- infection_data_long |>
- mutate(date = mdy(sub("X", "", date)))
-
-head(clean_date_data)## [1] "Date"Les fonctions head et class nous permette de voir que, les dates sont -au bon format et qu’elles sont bien considérées comme des dates par -R.
-3. Visualisation de la dynamique des contaminations
-Pour éviter de répéter le même code de mise en forme, nous -définissons une fois pour toutes le thème commun à nos graphiques.
-theme_covid <- theme(axis.title = element_text(face = "bold"),
- plot.title = element_text(face = "bold.italic", hjust = 0.5))3.1 Premier essai (données non agrégées)
-Lorsqu’on essaie de tracer un graph classique à partir des données -importées dans les sections précédentes, on obtient ce résultat :
-ggplot(clean_date_data) +
- aes(x = date,
- y = cases,
- colour = Country.Region) +
- geom_line(linewidth = 1, alpha = 0.7) +
- scale_y_continuous(labels = label_number(scale_cut = cut_short_scale())) +
- labs(title = "Évolution du nombre de cas de Covid-19 (données non agrégées)",
- x = "Date",
- y = "Cas cumulés",
- colour = "Pays") +
- theme_covid
Problème constaté : sur ce graphique, la courbe -attribuée à la « Chine » « bave ». Cela est dû au fait que la chine est -le seul pays pour lequel on a garder les territoires, et que chacun -d’entre eux sont comptabilisés sur l’affichage du graph.
-Pour corriger cela, on agrège les provinces chinoises en une seule -valeur par pays et par date :
-data_pays <- clean_date_data |>
- group_by(Country.Region, date) |>
- summarise(cases = sum(cases), .groups = "drop") # Une seule courbe par pays (provinces chinoises additionnées)
-
-head(data_pays)3.2 Représentation corrigée en échelle linéaire
-L’échelle linéaire permet d’appréhender le volume brut -absolu de cas recensés.
-ggplot(data_pays) +
- aes(x = date,
- y = cases,
- colour = Country.Region) +
- geom_line(linewidth = 1, alpha = 0.7) +
- scale_y_continuous(labels = label_number(scale_cut = cut_short_scale())) +
- labs(title = "Évolution du nombre de cas de Covid-19",
- x = "Date",
- y = "Cas cumulés",
- colour = "Pays") +
- theme_covid
Commentaire analytique :
-Sur ce graphique linéaire, les États-Unis écrasent visuellement
-l’ensemble des autres courbes, le nombre total de cas est tellement
-supérieur à celui des autres pays qu’il écrase les courbes des autres
-pays ce qui gêne l’analyse de la dynamique de l’épidémie dans les pays
-d’intérêts.
3.3 Représentation corrigée en échelle logarithmique
-En épidémiologie, la phase initiale de contagion suit un modèle -exponentiel de la forme : \[N(t) = N_0 \cdot -e^{r \cdot t}\] En appliquant le logarithme décimal, la relation -devient affine : \[\log_{10}(N(t)) = -\log_{10}(N_0) + \frac{r}{\ln(10)} \cdot t\]
-L’échelle logarithmique transforme ainsi la trajectoire exponentielle
-en une droite, dont la pente reflète directement le
-taux de croissance \(r\) (et donc la
-vitesse de doublement de l’épidémie), indépendamment du nombre initial
-de cas \(N_0\). Reprenons cette fois
-les données agrégées par pays (data_pays), pour ne plus
-avoir l’artefact de la Chine.
Plutôt que de transformer nous-mêmes les données, nous laissons
-ggplot2 appliquer l’échelle logarithmique avec
-scale_y_log10() : l’axe reste ainsi gradué en nombre de
-cas. Les valeurs nulles (avant l’arrivée du virus dans un pays) n’ont
-pas de logarithme : nous les écartons au préalable.
data_pays |>
- filter(cases > 0) |>
- ggplot() +
- aes(x = date,
- y = cases,
- colour = Country.Region) +
- geom_line(linewidth = 1, alpha = 0.7) +
- scale_y_log10(labels = label_number(scale_cut = cut_short_scale())) +
- labs(title = "Évolution du nombre de cas de Covid-19 (échelle logarithmique)",
- x = "Date",
- y = "Cas cumulés (échelle log10)",
- colour = "Pays") +
- theme_covid
Commentaire analytique :
-L’échelle logarithmique permet d’avoir un aperçu beaucoup plus clair de
-la dynamique de l’évolution de l’épidémie, montrant que la dynamique est
-extrêmement similaire dans tous les pays d’intérêts, indépendamment du
-nombre de cas.
Ces deux graphiques permettent de voir que le nombre de cas aux -États-Unis est nettement supérieur à celui du reste des pays analysés -dans cet exercice mais que la dynamique exponentielle de l’augmentation -du nombre de cas est similaire.
--
4. Question subsidiaire : analyse de la mortalité
-Pour approfondir l’analyse et aborder la question subsidiaire, nous
-téléchargeons la série temporelle globale des décès enregistrés par le
-JHU CSSE (time_series_covid19_deaths_global.csv).
-Normalement le fichier est déjà présent dans le dépôt Gitlab, s’il n’y
-ai pas, décommentez la fonction download.file()
# Décommenter ce bloc de code si le répertoire de travail ne contient pas le fichier
-# download.file(
-# url = "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv",
-# destfile = "time_series_covid19_deaths_global.csv")
-
-mortality_data <- read.csv("time_series_covid19_deaths_global.csv")Contrôle visuel de la bonne importation des données :
- -4.1 Uniformisation des données
-Comme le tableau de la mortalité est dans le même format que celui
-des infections, on peut réutiliser exactement les mêmes étapes pour le
-nettoyer : filtrage des pays, pivot des dates dans une colonne
-date (les valeurs allant dans une colonne
-death), conversion au format ISO et agrégation par pays.
-Plutôt que de copier-coller le code, nous l’encapsulons dans une
-fonction.
preparer_donnees <- function(data, nom_valeur) {
- data |>
- filter(Country.Region %in% pays) |>
- filter(Province.State == "" | Country.Region == "China") |>
- mutate(Country.Region = ifelse(Province.State == "Hong Kong",
- "Hong Kong", Country.Region)) |>
- pivot_longer(cols = starts_with("X"),
- names_to = "date",
- values_to = nom_valeur) |>
- mutate(date = mdy(sub("X", "", date))) |>
- group_by(Country.Region, date) |>
- summarise(across(all_of(nom_valeur), sum), .groups = "drop")
-}
-
-clean_date_mortality <- preparer_donnees(mortality_data, "death")
-
-head(clean_date_mortality)## [1] "Date"Les données peuvent donc maintenant être directement représentées de -manière lisible.
-4.2 Représentation graphique de la mortalité
-ggplot(clean_date_mortality) +
- aes(x = date,
- y = death,
- colour = Country.Region) +
- geom_line(linewidth = 1, alpha = 0.7) +
- scale_y_continuous(labels = label_number(scale_cut = cut_short_scale())) +
- labs(title = "Évolution du nombre de décès de la Covid-19",
- x = "Date",
- y = "Décès cumulés",
- colour = "Pays") +
- theme_covid
Pour mieux visualiser les différences entre pays, on peut observer ce -que donnent les données sur une échelle logarithmique :
-clean_date_mortality |>
- filter(death > 0) |>
- ggplot() +
- aes(x = date,
- y = death,
- colour = Country.Region) +
- geom_line(linewidth = 1, alpha = 0.7) +
- scale_y_log10(labels = label_number(scale_cut = cut_short_scale())) +
- labs(title = "Évolution du nombre de décès de la Covid-19 (échelle logarithmique)",
- x = "Date",
- y = "Décès cumulés (échelle log10)",
- colour = "Pays") +
- theme_covid
-
5. Conclusion générale
-Ce travail a permis de reproduire, à partir des données du CSSE de
-l’Université Johns Hopkins, les courbes de cas cumulés de Covid-19 pour
-un panel de pays, puis de les étendre à la mortalité. Sur le plan
-méthodologique, il a fallu restructurer un jeu de données large en
-format long (pivot_longer()), normaliser les dates,
-appliquer des règles territoriales strictes (métropoles seules, Hong
-Kong isolé de la Chine) et agréger les provinces chinoises pour éviter
-des courbes parasites. Le tableau ci-dessous résume la situation à la
-dernière date disponible.
bilan <- data_pays |>
- inner_join(clean_date_mortality, by = c("Country.Region", "date")) |>
- filter(date == max(date)) |>
- mutate(letalite_apparente = round(100 * death / cases, 2)) |>
- arrange(desc(cases)) |>
- select(Pays = Country.Region,
- `Cas cumulés` = cases,
- `Décès cumulés` = death,
- `Létalité apparente (%)` = letalite_apparente)
-
-bilanCe que montrent les graphiques. En échelle linéaire, -les États-Unis dominent nettement, tant pour les cas que pour les décès -: leur cumul est de plusieurs fois supérieur à celui de chacun des -autres pays du panel. L’échelle logarithmique met en évidence la phase -exponentielle du début de l’épidémie, commune à la plupart des pays -occidentaux, et rend comparables des pays de tailles très différentes. -Elle révèle aussi des trajectoires atypiques : la Chine se stabilise -très tôt avant une brusque hausse fin 2022, tandis que Hong Kong et la -Corée du Sud connaissent une flambée massive début 2022. Côté mortalité, -les pays européens (Royaume-Uni, Italie, France, Allemagne) se -regroupent à un niveau nettement inférieur à celui des États-Unis.
-Limites de l’analyse.
--
-
- Les valeurs sont des cumuls en valeur absolue, non rapportés à la -population : la place des États-Unis est en partie liée à leur taille. -Une normalisation par habitant (par exemple pour 100 000 habitants) -serait la suite logique. -
- Les cas confirmés dépendent des politiques de dépistage et des -définitions nationales : ils sous-estiment le nombre réel d’infections, -de façon différente selon les pays. La même réserve vaut pour les décès, -et donc pour la létalité apparente du tableau. -
- Les ruptures visibles sur certaines courbes (notamment en Chine -début 2023) traduisent des changements de méthode de comptage ou de -politique sanitaire autant que des évolutions épidémiques. -
Perspectives. Pour aller plus loin, on pourrait -calculer les nouveaux cas quotidiens (lissés sur 7 jours) plutôt que les -cumuls, mais aussi pour relativiser le nombre de morts, les comparer -avec données de la mortalité normale disponibles sur les sites de l’INSEE ou de l’OCDE
-