System dynamics modelling of layered climate–health vulnerability: structure, calibration and empirical validation

Lorsque les scientifiques tentent de comprendre comment le changement climatique nuira à la santé humaine, ils commencent souvent par examiner trois éléments : l'ampleur des phénomènes météorologiques dangereux auxquels un lieu est confronté, la sensibilité des populations locales à ces phénomènes, et la capacité d'une communauté à s'y adapter. Cette vision traditionnelle aide à identifier les populations les plus à risque avant qu'une catastrophe ne survienne. Cependant, cette approche présente un angle mort. Elle traite la vulnérabilité comme une condition statique, comme un score fixe lors d'un examen, sans expliquer pleinement comment ce risque se transforme réellement en maladie ou en décès une fois qu'une tempête frappe. Dans le monde réel, la force d'un hôpital local, la disponibilité des médecins et la manière spécifique dont une maladie se propage peuvent modifier radicalement le résultat. Une communauté peut paraître très vulnérable sur le papier, tout en enregistrant moins de décès parce que son système de santé est assez robuste pour absorber le choc. Inversement, une communauté similaire dotée d'un système de santé plus faible pourrait connaître des résultats bien plus désastreux. Pour planifier des programmes efficaces, les experts doivent voir non seulement le risque, mais l'ensemble du parcours, de l'événement météorologique jusqu'à l'impact sanitaire final.

Une nouvelle étude menée par des chercheurs au Kenya et des organisations de santé internationales tente de cartographier l'intégralité de ce parcours. Au lieu de s'appuyer sur un score unique et fusionné, ils ont construit un modèle multicouche qui sépare le risque sous-jacent des systèmes qui le gèrent. Ils ont commencé par la mesure standard de la vulnérabilité, qui combine l'exposition aux aléas, la sensibilité humaine et la capacité d'adaptation. Ils ont ensuite ajouté une deuxième couche représentant la capacité du système de santé à amortir ou à adoucir le choc. Enfin, ils ont ajouté une troisième couche qui rend compte des règles biologiques spécifiques de la propagation des maladies en réponse aux changements environnementaux. En empilant ces couches, les chercheurs ont créé un système qui imite la façon dont la vulnérabilité se déploie réellement dans le temps, passant d'une condition de base à un état géré, pour aboutir enfin à un résultat sanitaire réalisé.

L'équipe a testé ce modèle en utilisant trente-sept années de données provenant du Kenya, couvrant la période de 1987 à 2023. Ils voulaient voir si l'ajout de ces couches supplémentaires permettait à leurs prédictions de correspondre à ce qui s'est réellement passé dans le monde réel. Lorsqu'ils n'examinaient que le score de vulnérabilité traditionnel, celui-ci expliquait environ la moitié de la variation des impacts sanitaires réels. C'était un point de départ décent, mais cela laissait une grande partie du tableau floue. Lorsqu'ils ont introduit la capacité de tampon du système de santé dans le modèle, la précision a bondi de manière significative, expliquant quatre-vingts pour cent de la variation. Cela a montré que savoir comment un système de santé peut fonctionner pendant une crise est crucial pour comprendre le résultat final. Le modèle est devenu encore plus précis lorsqu'ils ont inclus les relations biologiques spécifiques entre l'environnement et la maladie, atteignant une précision de quatre-vingt-six pour cent. Cette progression suggère que la vision traditionnelle capture le point de départ, mais que c'est seulement en incluant le système de santé et la biologie de la maladie que nous pouvons véritablement comprendre le résultat final.

Les chercheurs ont également examiné de près le comportement du système à mesure que le risque sous-jacent augmente. Ils ont découvert que la relation n'est pas une ligne droite où plus de risque entraîne toujours proportionnellement plus de dommages. Au contraire, il existe un point de bascule. Lorsque la vulnérabilité de base est faible, le système de santé est efficace pour maintenir la cohésion, et l'impact reste gérable. Cependant, une fois que la vulnérabilité franchit un certain seuil, la capacité du système à faire face commence à faiblir, et les dommages commencent à s'amplifier rapidement. Cette transition se produit dans une plage de vulnérabilité spécifique, où le système passe d'un état tampon à un état de saturation. Le modèle capture ce basculement, montrant que le même niveau de risque peut conduire à des résultats très différents selon la position du système par rapport à ce point de bascule.

Pour s'assurer de la solidité de leurs conclusions, l'équipe a lancé des milliers de simulations informatiques, modifiant légèrement les chiffres et les poids dans leur modèle pour voir si les résultats s'effondreraient. Ils ont constaté que le modèle restait stable et fiable, même lorsque les données d'entrée étaient incertaines. Les différentes parties du modèle — le risque sous-jacent, la force du système de santé et la biologie de la maladie — contribuaient toutes à l'image finale sans qu'une seule partie ne domine les autres. Cet équilibre suggère que le modèle représente un système complexe et interconnecté plutôt qu'un calcul simple piloté par un seul facteur. Les chercheurs ont également examiné les erreurs de leurs prédictions et ont trouvé un motif : le modèle avait tendance à surestimer les dommages dans la plage de risque intermédiaire et à les sous-estimer aux extrêmes. Ce motif lui-même fournissait des informations précieuses, confirmant que la réponse du système change en fonction de la gravité de la situation.

L'étude conclut que traiter la vulnérabilité climat-santé comme un processus par couches offre une vision bien plus claire que les méthodes traditionnelles. En maintenant séparés mais connectés le risque sous-jacent, la capacité du système de santé et la réalité biologique de la maladie, le modèle offre un moyen transparent de voir où les interventions seront les plus efficaces. Si une région présente un risque sous-jacent élevé mais un système de santé solide, l'accent doit être mis sur le maintien de ce système. Si le système est faible, la priorité est de le renforcer pour empêcher le risque de se transformer en crise. Cette approche ne remplace pas les anciennes méthodes de mesure du risque, mais s'appuie sur elles, ajoutant les étapes nécessaires pour comprendre comment le risque devient une réalité. Ces travaux démontrent que pour protéger les populations contre le changement climatique, nous devons regarder au-delà de la météo et de la sensibilité des populations pour inclure la capacité très réelle, et très humaine, de nos systèmes de santé à tenir la ligne.