Sample size in social contact surveys for epidemic modelling

Cette étude recommande un échantillon d'environ 1 200 à 1 300 participants pour les enquêtes sur les contacts sociaux afin d'assurer des estimations précises du nombre de reproduction (R) et d'éviter une variabilité excessive liée à des tailles d'échantillon insuffisantes.

L'essentiel

🦠 Le problème : Comment prédire la météo des virus ?

Imaginez que vous voulez prédire si une tempête de virus va balayer votre ville. Pour cela, vous avez besoin de savoir qui rencontre qui. Est-ce que les enfants jouent ensemble ? Est-ce que les gens se serrent la main au travail ? C'est ce qu'on appelle une « enquête sur les contacts sociaux ».

Ces enquêtes sont cruciales pour les scientifiques qui créent des modèles pour arrêter les épidémies. Mais il y a un gros problème : personne ne sait vraiment combien de personnes il faut interroger pour avoir une réponse fiable.

C'est un peu comme si un chef cuisinier essayait de goûter une énorme marmite de soupe pour savoir si elle est salée, mais qu'il ne prenait jamais la peine de mesurer combien de cuillères il devait goûter. Parfois, il goûte juste une goutte (trop peu), parfois il vide toute la marmite (trop cher et inutile).

🔍 Ce que les chercheurs ont fait

Les auteurs de cette étude, Ellen et Leon, ont voulu régler ce problème une bonne fois pour toutes. Ils ont fait deux choses principales :

1. Ils ont regardé le passé : Ils ont fouillé dans les archives pour voir combien de personnes ont été interrogées dans les 107 dernières enquêtes de ce type. Résultat ? C'était le grand n'importe quoi ! Certaines enquêtes n'avaient que 30 personnes (comme goûter une seule goutte), d'autres en avaient plus de 10 000 (comme vider toute la marmite). La plupart se situaient autour de 1 400 personnes.
2. Ils ont fait des simulations (le "jeu de l'écume") : Ils ont pris de vraies données (issues de l'Europe et du Royaume-Uni) et ont simulé ce qui se serait passé si on avait interrogé seulement 100 personnes, puis 500, puis 1 000, etc. Ils ont regardé comment la précision de leurs prédictions changeait.

🎯 La découverte : La "Zone Dorée"

Leur résultat est très clair et utilise une belle analogie : la loi des rendements décroissants.

• Moins de 200 personnes : C'est comme essayer de deviner le contenu d'une boîte de bonbons en regardant à travers un trou de serrure. Les résultats sont chaotiques et très imprévisibles. Vous pourriez penser qu'il y a une épidémie alors qu'il n'y en a pas, ou l'inverse.
• Entre 200 et 1 300 personnes : C'est là que la magie opère. Chaque personne supplémentaire que vous ajoutez à l'enquête améliore nettement la précision de la carte de la maladie. C'est comme si vous passiez d'une photo floue à une photo en haute définition.
• Au-delà de 1 300 personnes : C'est ici que ça devient intéressant. Ajouter des milliers de personnes de plus (par exemple, passer de 1 300 à 5 000) n'améliore presque plus la qualité de l'image. C'est comme essayer de rendre une photo HD encore plus nette : vous voyez à peine la différence, mais vous avez dépensé beaucoup plus d'argent et de temps pour le faire.

💡 La conclusion simple

Pour avoir une image fiable de la façon dont un virus pourrait se propager, il faut interroger environ 1 200 à 1 300 personnes.

• En dessous de ce chiffre : Vos prédictions sont trop risquées pour prendre des décisions importantes (comme fermer des écoles ou imposer des masques).
• Au-dessus de ce chiffre : Vous gaspillez des ressources précieuses sans gagner beaucoup de fiabilité supplémentaire.

🌟 Pourquoi c'est important pour tout le monde ?

Avant cette étude, les gouvernements et les scientifiques faisaient souvent ces enquêtes "à l'aveugle".

• Soit ils interrogeaient trop peu de gens, et leurs modèles étaient faux (comme une boussole cassée).
• Soit ils interrogeaient trop de gens, ce qui coûtait cher et fatiguait inutilement les participants.

Maintenant, ils ont une règle d'or. C'est comme si on avait enfin trouvé la taille parfaite d'un filet de pêche : assez grand pour attraper tous les poissons importants, mais pas si lourd qu'il coule le bateau. Cela permettra de mieux préparer les pays aux futures épidémies, d'économiser de l'argent et de prendre des décisions de santé publique plus sûres.

Résumé technique

1. Problématique

Les enquêtes sur les contacts sociaux (qui mesurent « qui contacte qui ») sont devenues une source de données cruciale pour estimer le risque épidémique en temps réel et informer les modèles de transmission des maladies infectieuses, notamment pour calculer le nombre de reproduction de base ($R$). Cependant, malgré leur utilisation généralisée, aucun calcul de taille d'échantillon formel n'est systématiquement effectué lors de la conception de ces enquêtes.

Les tailles d'échantillons actuelles sont souvent déterminées par des contraintes pragmatiques (budget, logistique) plutôt que par des considérations statistiques. Cela soulève deux problèmes majeurs :

• Risque d'imprécision : Des échantillons trop petits peuvent générer des estimations de $R$ très variables et peu fiables, compromettant la prise de décision en santé publique.
• Sur-échantillonnage inutile : Des échantillons excessivement grands peuvent entraîner un fardeau inutile pour les participants et des coûts élevés sans gain significatif en précision.

L'objectif de cette étude est de combler ce vide en déterminant une taille d'échantillon cible pratique pour les enquêtes sur les contacts sociaux utilisées dans la modélisation épidémique.

2. Méthodologie

Les auteurs ont adopté une approche mixte combinant une revue rapide de la littérature et des simulations statistiques :

• Revue rapide (2008–2025) :

  • Une recherche sur PubMed a identifié 107 enquêtes uniques issues de 57 études.
  • L'analyse a caractérisé la distribution actuelle des tailles d'échantillons dans la pratique.

• Analyse de sensibilité par simulation :

  • Données utilisées : Deux grandes bases de données de référence ont été exploitées : l'enquête POLYMOD (8 pays européens, $N=7\,290$) et l'enquête UK Social Contact Survey (UKSCS) (Royaume-Uni, $N=5\,861$).
  • Méthodes d'estimation de $R$ :
    1. POLYMOD : Calcul du nombre de reproduction via la valeur propre dominante de la matrice de contact par âge (méthode standard).
    2. UKSCS : Calcul de la somme des carrés des nombres de reproduction individuels ($R^2$) pour capturer l'hétérogénéité individuelle (l'âge des contacts n'étant pas toujours enregistré).
  • Protocole de simulation : Des sous-échantillons répétés (200 itérations) ont été tirés aléatoirement sans remise à partir des jeux de données complets, pour des tailles allant de 100 à 5 000 participants.
  • Métriques d'évaluation : Pour chaque taille d'échantillon, les auteurs ont calculé la moyenne, l'écart-type, la plage de variation des estimations de $R$, et la statistique de Kolmogorov-Smirnov (KS) pour mesurer la divergence des distributions par rapport à la référence complète.

3. Résultats Clés

• État des lieux actuel : La taille des échantillons dans les études publiées varie considérablement, de 30 à plus de 10 000 participants, avec une médiane de 1 438. Un quart des enquêtes inclut moins de 1 000 participants.
• Impact de la taille d'échantillon sur la précision :
  • Faibles échantillons (< 200) : Les estimations de $R$ présentent une variabilité extrême. Par exemple, avec la méthode UKSCS ($R^2$), $R$ peut varier de 0 à 6,8 pour un échantillon de 200 personnes.
  • Zone de gain de précision : L'augmentation de la précision est la plus marquée jusqu'à environ 1 300 participants. Au-delà de ce seuil, les gains marginaux en réduction de l'écart-type diminuent.
  • Seuil de stabilité : Pour les tailles d'échantillon supérieures à 3 000, les différences dans les estimations de $R$ deviennent négligeables.
• Comparaison des méthodes :
  • La méthode basée sur la matrice de contact (POLYMOD) montre une incertitude intrinsèquement plus faible que la méthode basée sur la somme des carrés (UKSCS), mais les deux convergent vers une stabilisation des résultats autour de 1 100–1 300 participants.
  • La statistique KS (mesure de la différence de distribution) indique que des échantillons inférieurs à 1 200 (pour UKSCS) ou 1 100 (pour POLYMOD) produisent des distributions significativement différentes de la population réelle.

4. Contributions Principales

1. Quantification de l'incertitude : C'est la première étude à fournir une analyse quantitative systématique de la relation entre la taille de l'échantillon et l'incertitude sur les métriques épidémiques dérivées (notamment $R$).
2. Recommandation de taille cible : Les auteurs proposent une taille d'échantillon minimale de 1 200 à 1 300 participants pour une utilisation générale des enquêtes sur les contacts sociaux. Cette taille offre un équilibre optimal entre la précision statistique et la faisabilité logistique.
3. Critique de la pratique actuelle : L'étude met en évidence que de nombreuses enquêtes existantes (environ 25 %) sont sous-dimensionnées pour fournir des estimations robustes de $R$, tandis que d'autres pourraient être surdimensionnées.

5. Signification et Implications

• Pour la conception d'études : Les chercheurs et les agences de santé publique doivent intégrer des calculs de puissance statistique basés sur la précision de $R$ (et non sur des tests d'hypothèses simples) lors de la planification des enquêtes.
• Pour l'interprétation des données : Les prévisions épidémiques basées sur des enquêtes de contacts doivent être interprétées avec prudence si la taille de l'échantillon est inférieure à 1 000, car l'incertitude est élevée.
• Préparation aux pandémies : Établir un standard de taille d'échantillon améliore la comparabilité des données entre différents pays et contextes, renforçant ainsi l'intelligence épidémique globale et la prise de décision coordonnée.
• Limites : Les auteurs notent que la qualité des données (fatigue des répondants, biais de déclaration) est indépendante de la taille de l'échantillon et ne peut être résolue par le seul recrutement. De plus, les modèles nécessitant une granularité plus fine que les tranches d'âge de 10 ans pourraient exiger des échantillons plus grands.

En conclusion, cet article fournit une base empirique pour optimiser le design des enquêtes sur les contacts sociaux, suggérant qu'un échantillon d'environ 1 300 personnes est suffisant pour obtenir des estimations fiables du risque épidémique, évitant ainsi le gaspillage de ressources ou l'utilisation de données trop incertaines.