Rechercher
  • matbauwens

Quand la Science dévoyée nuit à la santé



Posted byteamcovidrationnel18th juillet 2021

Posted inAnalyses


Notre collectif de scientifiques indépendants, issus de diverses disciplines, souhaite ici attirer l’attention sur le détournement et l’usage abusif de “la Science” pour propager des idéologies et justifier des décisions d’ordre politique. Même menée de la manière la plus rigoureuse, la méthode empirique, appliquée de manière étriquée et parcellaire, ne peut à elle seule servir de guide à la gestion de l’épidémie de Covid-19. Celle-ci est en effet un phénomène complexe, il est donc urgent d’adopter une démarche scientifique adaptée aux systèmes complexes.

Qu’est-ce que “la Science”? Denis Flandre (UCLouvain), Jacques Folon (ICHEC), Jean-Louis Lamboray (Mahidol University, Thaïlande), Elisabeth Paul (ULB), Bernard Rentier (ULiège), Olivier Servais (UCLouvain), Martin Zizi (ex-KUL, ex-VUB) Commençons par rappeler quelques éléments d’épistémologie, qui est “la science de la science”.

  • Il n’y a pas “une science”, mais plutôt “une démarche scientifique”. Celle-ci possède quelques caractéristiques communes à toutes les disciplines. Elle consiste, sur la base d’observations, à émettre des hypothèses théoriques et ensuite, à tenter de les valider par l’expérience (ou l’observation rigoureuse étendue, dans certaines disciplines). Dès lors, toute hypothèse plausible ne peut être écartée tant qu’elle n’a pas été invalidée par l’expérience (ou l’observation). Quelques corollaires à bien comprendre:

  • Les conclusions scientifiques ne sont pas définitives, elles peuvent être corrigées par la suite.

  • Une théorie ne peut être complètement validée, à un moment donné, que dans la limite des conditions d’observation rigoureuses et méthodologiquement balisées; la généralisation, l’extrapolation à d’autres conditions restent hasardeuses.

  • Des observations ultérieures à l’énoncé de la théorie peuvent la remettre en question et conduire à l’adapter, la corriger, l’étendre, la compléter…

  • Dans l’approche scientifique, des exemples peuvent être utilisés pour soutenir la théorie, mais un seul contre-exemple peut suffire à la remettre en question!

Prenons un exemple assez connu: la théorie newtonienne de la gravitation permet d’expliquer le mouvement des planètes autour du soleil. Cependant, elle ne permet pas d’expliquer certaines observations astronomiques et elle a donc été remplacée par la théorie de la relativité générale d’Einstein.

  • La démarche scientifique consiste donc en une suite, temporelle, continuelle, jamais finie, d’essais-erreurs.

  • Le consensus scientifique sur une question met beaucoup de temps à se former. Il nécessite idéalement la réalisation d’une méta-analyse de l’entièreté des analyses menées sur un sujet, de même qu’un débat contradictoire entre tenants de différentes théories (par exemple, la théorie de la relativité d’Einstein a longtemps été réfutée par d’autres experts de son temps) pour valider les nouvelles observations, accepter les nouveaux concepts et arriver à forger une position commune (jusqu’à ce que le consensus soit remis en cause par de nouveaux éléments).

  • Il existe deux grands types de constructions de savoirs scientifiques, ce que l’on appelle des épistémologies: l’épistémologie hypothético-inductive et la plus généralisée, l’épistémologie hypothético-déductive.

  • La première met la focale sur une observation sans a priori, on l’utilise souvent dans des champs nouveaux ou face à des phénomènes émergents où il s’agit d’abord d’observer sans grille de lecture, le plus largement possible un phénomène nouveau. Sur la base de ces observations mobilisant potentiellement plusieurs méthodes, le chercheur va construire petit à petit une hypothèse.

  • Dans la seconde, face cette fois à une hypothèse existante, il va s’agir de la tester, de l’éprouver, à partir d’un certain échantillon de la réalité observée. On utilisera donc des méthodes de récolte de données sur la base de l’hypothèse que l’on veut tester.

  • Ces deux approches sont donc complémentaires et parfois successives, l’une plutôt focalisée sur la description d’une nouvelle réalité, la seconde visant à tester des hypothèses sur des phénomènes déjà connus ou apparentés à des phénomènes connus. La première démarche permet d’identifier les spécificités et les nouveautés d’une réalité sans a priori (inductivité), la seconde d’analyser plus en profondeur cette réalité en la comparant à d’autres réalités connues (déductivité).


  • Pour être un peu rapide, il existe aussi deux grands types de méthodes de recherche scientifique: les méthodes dites quantitatives et les méthodes dites qualitatives. Chacune a ses avantages et ses inconvénients. Les méthodes quantitatives ont, de manière un peu surfaite, la réputation d’être plus fiables et plus rigoureuses, elles sont les seules à pouvoir prouver une relation de causalité entre deux variables ou observations dans un contexte précis. Toutefois, les méthodes qualitatives peuvent aussi être tout à fait rigoureuses et apportent beaucoup d’informations permettant notamment de comprendre les mécanismes causaux à l’œuvre.1 Ajoutons à ces deux grands types de méthodes traditionnelles, un troisième type, plus récent, en pleine expansion, mais encore en développement, basé sur les “big data”, le “machine learning” ou en résumé, l’intelligence artificielle (IA). On pourrait dire que celle-ci vise à combiner les qualités des deux approches précédentes, en essayant d’établir des relations mathématiques, ou inférences, entre de grands nombres de données d’entrée, et des observations de sortie. Cependant, les inférences obtenues restent une boîte noire entre entrées et sorties, dépendent fortement des jeux de données utilisés, et ne peuvent donc être considérées comme des relations démontrant une causalité avec certitude. En ce sens, l’approche IA apporte des méthodes et moyens nouveaux, mais sans discrimination critique, elle court le risque de combiner les défauts et inconvénients des méthodes classiques, plutôt que leurs avantages.

  • Pour ce qui concerne tout particulièrement la recherche clinique, l’étalon-or de la recherche (outre les méta-analyses) consiste en l’essai contrôlé randomisé en double aveugle (voire même en triple aveugle, si la personne en charge des analyses ne connaît pas la répartition des données), consistant à mener une intervention dans un groupe de traitement créé aléatoirement et à comparer ses résultats avec un groupe témoin, statistiquement en tout point semblable, si ce n’est qu’il ne reçoit pas l’intervention. Comme décrit plus bas, il n’est pas toujours possible de mener de telles études. Dès lors, toute une série d’autres designs de recherche sont envisageables.2 L’épidémiologie, cependant, occupe une place particulière car c’est l’observation SANS a priori qui en forme le socle – c’est en effet une science observationnelle qui, en seconde intention, conduit à des études contrôlées des observations initiales. A ce titre, il est bon de rappeler la naissance de cette science fondamentale en santé publique, liée à son fondateur, John Snow, en 1854. John Snow, en pleine épidémie de choléra, fut le seul qui eut l’idée de compter les cas et les morts et de les rapporter sur une carte de la ville de Londres. Il fut surpris et choqué de constater que la densité des décès était la plus haute autour des fontaines publiques, puis allait en décroissant. Ce fait insignifiant – il fut le seul à le dire – offrait une explication immédiate: la mort était liée à l’eau des fontaines. La transmission de la bactérie responsable du choléra via les eaux usées allait très vite être acceptée, ainsi que des mesures évidentes d’hygiène publique pour éviter les transmission fécales-orales. Ceci fut une révolution en santé publique.3 En épidémiologie, il faut se rendre compte que les grands nombres ne sont pas souverains, et il est bon de rappeler, par exemple, que le lien absolu entre asbestose et fibres d’amiante fut démontré sur base de 33 cas – cas parfaitement documentés bien sûr, et surtout que c’était la longueur des fibres qui était déterminante, longueur qui est un paramètre physico-chimique plus que médical.4

  • Chaque scientifique est influencé par ses connaissances préalables et ses conceptions, souvent inconscientes, de la science. Des conceptions sont propagées de façon structurelle dans chaque discipline, d’où l’importance de travailler en interdisciplinarité pour dépasser ses limites épistémiques.

  • Les systèmes et phénomènes complexes (tels que relevant du domaine de la santé) ne sont pas correctement appréhendés à travers le réalisme empirique et les méthodes purement quantitatives qui y sont associées. En effet, il existe plusieurs références philosophiques relatives à la nature du réel, qui influencent la façon dont on conçoit la science et les méthodes de recherche utilisées. Les deux extrêmes sont, d’une part, le réalisme empirique, qui estime qu’il y a une réalité intangible que le chercheur peut découvrir par l’expérience, sans du tout l’influencer; et d’autre part, le constructivisme social, qui estime que la réalité n’existe pas en tant que telle, mais est construite par les acteurs sociaux, y compris les chercheurs. Chaque courant philosophique s’accompagne d’un ensemble de méthodes d’investigation préférées. La réalité se situe, comme souvent, entre ces deux extrêmes. En effet, le réalisme empirique et ses méthodes sous-entendent des liens de causalité linéaires et prévisibles – alors que les systèmes complexes tels que les systèmes vivants sont caractérisés par des boucles de rétroaction et une auto-organisation difficilement contrôlables de l’extérieur.5 6 D’ailleurs, l’évaluation des systèmes et interventions complexes et des politiques publiques plus généralement repose de plus en plus sur de nouvelles approches d’évaluation dites “basées sur la théorie”7 (par opposition aux approches de type “boîte noire” qui se limitent à inférer des associations entre variables), cherchant à comprendre les mécanismes causaux, qui relèvent du “réalisme critique”.

En quoi “la science” a-t-elle été dévoyée dans la gestion de la Covid-19 ? Nous donnons ici quelques exemples (non exhaustifs) de dévoiement de “la science” dans la gestion de la pandémie de Covid-19, qui a pour effet de nuire aux bonnes pratiques scientifiques et médicales et, in fine, à la santé des populations.

1) Le sous-investissement dans la prévention et les traitements précoces Frédéric Caruso (anesthésiste-réanimateur), Mélanie Dechamps (UCLouvain), Anne Franchimont (médecin généraliste), Jean-Louis Lamboray (Mahidol University, Thaïlande), Pierre-François Laterre (UCLouvain), Olivier Lhoest (anesthésiste-réanimateur), Elisabeth Paul (ULB), Bernard Rentier (ULiège), Martin Zizi (ex-KUL, ex-VUB) Le SARS-CoV-2 a été présenté comme un virus complètement nouveau, pour lequel il n’y avait “pas de traitement” (entendez, pas de traitement spécifique validé par des essais cliniques). Dès lors, la consigne a été donnée aux personnes infectées de rester chez elles, de prendre uniquement du paracétamol et d’attendre, ne pouvant consulter un médecin ou se rendre à l’hôpital qu’en cas de détresse respiratoire.8 Lors de la première vague, la première ligne de soins (médecins généralistes) a été complètement mise à l’écart, ne pouvant entendre les patients que par téléphone. Le mot d’ordre donné par le Collège de médecine générale était: “si vous examinez un patient, vous le faites sous votre entière responsabilité”. Depuis lors, peu de choses ont changé. Alors qu’on connaît bien les comorbidités qui aggravent la sévérité de la maladie,9 rien n’est fait pour toucher la population à risque et encourager la prévention de la maladie. Même à l’heure actuelle, nombre de généralistes n’osent rien prescrire à leurs patients, bien qu’il existe, depuis fin janvier 2021, un arbre décisionnel pour la prise en charge ambulatoire des patients Covid-19 en cas de surcharge hospitalière.10 Cette prudence extrême est contraire aux bonnes pratiques en médecine et nuit à la santé des populations. En effet, si le virus était mal connu en mars 2020, ce n’est plus le cas depuis la fin de l’été 2020.

  • On sait par exemple que le virus s’attaque aux endothéliums et risque de provoquer des caillots sanguins ou encore une hyper-inflammation.11 Qu’est-il conseillé aux médecins généralistes pour éviter ces complications? Lors de la deuxième vague, tous les généralistes n’ont pas été mis au courant de la nécessité de donner des anticoagulants en préventif.12

  • On sait aussi qu’un nombre non négligeable de cas sévères souffrent d’insuffisance respiratoire. Mais qu’est-ce qui est fait pour les aider à surveiller leur taux d’oxygénation (alors que des sondes bon marché et faciles à utiliser sont disponibles en pharmacie) et éventuellement pallier un déficit?

  • On sait aussi que le système immunitaire est mis à mal par des déficits en nutriments essentiels tels que la vitamine D,13 ou des dérèglements du microbiote. Mais où sont les politiques visant à renforcer le système immunitaire général des populations à risque?

Une politique cohérente de riposte à une épidémie telle que le Covid-19 ne peut se limiter à une solution simple (comme la vaccination), aussi est-il essentiel de continuer à investir dans la recherche de traitements précoces. A cet effet, on ne peut que se réjouir de voir émerger des preuves de l’efficacité de certaines molécules.14.

2) Les limites des essais cliniques réalisés Mélanie Dechamps (UCLouvain), Jacques Folon (ICHEC), Anne Franchimont (médecin généraliste), Jean-Louis Lamboray (Mahidol University, Thaïlande), Pierre-François Laterre (UCLouvain), Olivier Lhoest (anesthésiste-réanimateur), Elisabeth Paul (ULB), Bernard Rentier (ULiège), Martin Zizi (ex-KUL, ex-VUB) La riposte à la pandémie soulève d’importantes questions éthiques.15 C’est particulièrement le cas pour ce qui concerne la conduite d’essais cliniques contrôlés randomisés en temps de pandémie, qui consistent en quelque sorte à “sacrifier” un certain nombre de patients sélectionnés aléatoirement sur l’autel de la science – alors que d’autres designs d’essais cliniques (quasi-expérimentaux par exemple) peuvent donner des résultats probants sans pour autant poser autant de problèmes éthiques. D’ailleurs, de nombreux scientifiques plaident pour dépasser le cliché de “l’étalon-or” des essais contrôlés randomisés16 et même celui de l’evidence-based medicine.17 Notons aussi que les essais contrôlés randomisés recherchent les traitements qui marchent en moyenne pour les patients, mais ne peuvent, par définition, appréhender toute la complexité des besoins spécifiques des patients qui s’en écartent – ce qui est particulièrement problématique dans le cas d’une maladie aussi hétérogène que le Covid-19, pour laquelle la majorité des patients s’écarte, en fait, de la moyenne puisque cette maladie touche principalement une minorité de personnes atteintes de comorbidités diverses 18 . Les deux grands essais contrôlés randomisés pilotés au niveau mondial, l’un par l’OMS et l’autre par le gouvernement britannique, ont été amplement critiqués et ne sont pas exempts de conflits d’intérêts.19 La Belgique s’est contentée de suivre les lignes directrices de l’European Center for Disease Control (ECDC) et n’a pas cherché à développer sa recherche de traitements précoces sur la base, par exemple, de la masse d’études prometteuses menées de par le monde. Ainsi par exemple, une étude rétrospective (non expérimentale, mais utilisant une régression des risques proportionnels concurrents) menée sur les données des hôpitaux belges au cours de la première vague de Covid-19 a montré que comparée aux soins de soutien uniquement, la monothérapie par hydroxychloroquine à faible dose était indépendamment associée à une mortalité plus faible chez les patients hospitalisés atteints de Covid-19 et traités tôt, et même chez ceux traités plus tard après l’apparition des symptômes.20 Cependant, suite à la parution de résultats contradictoires (utilisant un autre protocole de soins), la Belgique a arrêté l’administration de cette molécule dans ses hôpitaux. C’est aussi le cas des essais cliniques sur les vaccins conduits par les firmes pharmaceutiques productrices, qui n’ont pas permis de tester les résultats (outcomes) essentiels21 et ont probablement une efficacité moindre qu’annoncée.22

3) L’oubli du principe de précaution uniquement pour les vaccins Lieven Annemans (UGent), Frédéric Caruso (anesthésiste-réanimateur), Mélanie Dechamps (UCLouvain), Jacques Folon (ICHEC), Anne Franchimont (médecin généraliste), Jean-Louis Lamboray (Mahidol University, Thaïlande), Pierre-François Laterre (UCLouvain), Olivier Lhoest (anesthésiste-réanimateur), Elisabeth Paul (ULB), Bernard Rentier (ULiège), Martin Zizi (ex-KUL, ex-VUB) Il est étonnant qu’alors que notre gouvernement, et de nombreux autres, avancent le principe de précaution ou du “risque zéro” (ou presque) pour imposer des confinements dévastateurs au niveau de leurs effets collatéraux, il n’en est rien pour ce qui concerne la politique vaccinale. Rappelons que les vaccins actuellement sur le marché n’ont reçu qu’une autorisation d’urgence et sont encore en phase III d’essai clinique, faisant donc l’objet d’une pharmacovigilance rapprochée. A l’heure actuelle, de nombreux médecins constatent que de nombreux patients vaccinés l’ont fait pour retrouver leurs libertés, qu’ils sont insatisfaits du manque d’informations reçues, que bon nombre ne sont pas enclins à accepter une troisième dose et que les effets secondaires vus par la médecine de première ligne ne sont pas anodins, contrairement à ce qui est rapporté. De nombreux scientifiques ont alerté les autorités d’une part des dangers d’exposer les populations qui n’ont que très peu de risques de développer une forme sévère de Covid-19 à des risques encore inconnus, mais potentiels, des vaccins (comme l’amplification dépendante des anticorps 23 ou d’autres déstabilisations du système immunitaire 24), et d’autre part des risques qu’une vaccination de masse en pleine pandémie pourrait faire peser sur l’évolution du virus, à travers le processus bien connu d’évasion immunitaire. Mais en vain: plutôt que d’adopter une politique différenciée selon la balance risques-bénéfices des différentes catégories de population, nos autorités ont décidé que la vaccination de masse était la seule porte de secours pour sortir de la pandémie – et ceci sans obtenir le consentement éclairé de la population en l’informant suffisamment des risques connus et incertitudes qui subsistent.25 Ceci, en dépit du fait que les bases probantes commencent à émerger supportant l’hypothèse que pour les jeunes, les risques d’effets secondaires significatifs 26 ou de décéder des suites du vaccin sont supérieurs à ceux du Covid-19.27

4) La foi aveugle dans les chiffres et l’utilisation inappropriée de modèles mathématiques Denis Flandre (UCLouvain), Raphaël Jungers (UCLouvain), Raphaël Lefevere (Université de Paris), Quentin Louveaux (ULiège), Pierre Schaus (UCLouvain) Au début de l’épidémie, nous avons eu l’occasion de voir fleurir les modèles épidémiologiques, tous plus catastrophistes les uns que les autres. L’exemple le plus médiatisé fut probablement le modèle de Neil Ferguson de l’Imperial College de Londres qui prévoyait en mars 2020, 1/2 million de décès dus à la Covid-19 au Royaume-Uni et 2,2 millions aux USA en l’absence de mesures de mitigation 28, alors que 16 mois et une terrible deuxième vague après, le bilan était de moins de 130.000 décès au Royaume-Uni et de moins de 610.000 aux USA 29. Certains argueront que ce sont les mesures prises qui ont permis d’éviter une telle catastrophe, mais rien n’est moins sûr. En effet, l’efficacité des mesures est controversée dans la littérature, et le modèle de Ferguson reposait sur des hypothèses qui ont été dénoncées comme étant irréalistes, notamment des taux d’infection, de reproduction et de létalité très élevés, estimés initialement, mais revus à la baisse depuis. La gestion de la pandémie a reposé sur trois distorsions de “la science” au niveau des chiffres

  • Premièrement, l’utilisation d’indicateurs non seulement partiels, focalisés sur le seul virus SARS-CoV-2 (et non sur des indicateurs de santé plus globaux, comme devrait le faire une politique sanitaire) mais aussi biaisés par l’utilisation abusive de tests PCR.30

  • Deuxièmement, une utilisation abusive des corrélations ou “associations” entre deux variables pour en déduire une causalité — or, vu la multitude de facteurs à l’œuvre et la complexité de la santé, il est connu en épidémiologie que deux variables peuvent être corrélées sans qu’il y ait de relation causale, ou qu’elles le sont car influencées par une autre cause commune.

  • Troisièmement, l’utilisation de modèles mathématiques à des fins prédictives – alors que la santé est un phénomène complexe, qui n’est pas dirigé par des relations de causalité linéaires et des statistiques globales ne prenant pas en compte le profil particulier des populations.

En effet, bien que certains modèles mathématiques prédictifs des maladies infectieuses (de type “SEIR”) existent depuis des décennies, cela ne signifie pas qu’ils sont applicables dans toute situation pratique. Le fait que les modèles puissent coller parfaitement aux courbes passées ne constitue pas non plus un gage de qualité quant à leurs capacités prédictives. Ainsi, il faut distinguer les équations mathématiques de ces modèles, des paramètres de calcul qui y sont introduits. Un problème intrinsèque de ces modèles est qu’ils contiennent trop de paramètres inconnus dont la valeur ne peut être déterminée que par l’observation du phénomène épidémique sur des temps relativement longs. Par exemple, dans le modèle SEIR, le nombre réel de personnes susceptibles à l’infection est un paramètre clé qui reste inconnu. Les modélisations catastrophistes du début de la pandémie ont notamment fait l’hypothèse simpliste que ce nombre est tout bonnement égal à la taille de la population. Or, en réalité, même par rapport à ce nouveau coronavirus, l’immunité naturelle n’est pas vierge (qu’il s’agisse d’une immunité cellulaire ou d’une immunité croisée avec d’autres virus) et est capable de protéger une proportion significative de la population. Preuve que l’exercice est complexe, la grippe saisonnière revient chaque saison hivernale en Europe et pourtant, nul ne sait prédire exactement quand elle surviendra, ni quelle sera son ampleur. La Covid-19 est une maladie encore nettement moins connue que la grippe saisonnière, et les modélisateurs disposent finalement de très peu de données historiques. Dès lors, les modèles mathématiques sont obligés de faire des hypothèses très fortes et probablement fausses sur le comportement du virus et les paramètres inhérents à celui-ci. Certains paramètres peuvent être qualifiés de relativement exogènes, tels que le taux de mortalité ou la contagiosité. A cela viennent s’ajouter des paramètres liés aux comportements humains, tels que l’adhésion aux mesures barrière et le nombre de contacts à risque, que nous pourrions qualifier d’endogène. Et finalement, il existe aussi des paramètres qui varient au cours du temps, qui peuvent influencer l’évolution mais qui sont relativement imprévisibles tels que la météo et le climat. Face à ce manque de connaissances, il est naturel de vouloir faire des hypothèses simplificatrices ou arbitraires qui semblent raisonnables en l’état des connaissances, mais l’important est d’en être conscient et de pas faire dire aux modèles Covid-19 ce qu’ils ne peuvent pas dire, c’est-à-dire prédire le futur de manière fiable. Les modèles reflètent souvent nos propres biais ou idées préconçues, tels que l’effet négatif que pourraient avoir les fêtes de Noël ou l’effet positif de la campagne de vaccination. Depuis un an, nous observons certains modèles se tromper à répétition et pourtant, de manière ironique, les modèles sont théoriquement de plus en plus fiables. En effet, les modélisateurs ont compris la leçon et envisagent maintenant toutes les possibilités allant de la plus optimiste à la plus pessimiste en s’entourant de grandes marges d’erreur. La question se pose alors de l’utilité de ceux-ci. Cela ne signifie nullement que la modélisation épidémiologique de la Covid-19 est une discipline scientifique inintéressante qu’il faut nécessairement dénigrer ou négliger; simplement qu’à ce jour, les résultats de modélisations à plusieurs mois doivent être interprétés avec la plus grande prudence. Certains travaux 31 ont même tenté de montrer que les approches actuelles sont incapables de prédire le pic d’une vague à moins que celui-ci ne soit imminent. Ayant cohabité avec ce virus depuis plus d’un an, nous devons utiliser avec sagesse nos connaissances passées pour analyser les résultats des modèles de manière critique. Nous pouvons par exemple exploiter le fait que le virus semble saisonnier et de ce fait donne des mois de répit durant l’été avec un plus faible taux de reproduction en Europe. Les résultats de la modélisation doivent être interprétés avec humilité et prudence en reconnaissant une part non négligeable d’incontrôlable dans la gestion d’une épidémie. Nous pensons que la modélisation mathématique d’une épidémie s’adresse à un public averti qui comprend bien les limites de ces approches, et qu’elle ne doit pas être utilisée en conférence de presse destinée au grand public sans prendre le risque de manipuler l’opinion de manière non scientifique. Pour en savoir plus, une excellente synthèse sur l’usage des modèles depuis la pandémie est donnée sur ce blog.32

5) La ‘monodisciplinarité’ Lieven Annemans (UGent), Martin Buysse (UCLouvain), Frédéric Caruso (anesthésiste-réanimateur), Mélanie Dechamps (UCLouvain), Christine Dupont (UCLouvain), Denis Flandre (UCLouvain), Jacques Folon (ICHEC), Anne Franchimont (médecin généraliste), Raphaël Jungers (UCLouvain), Jean-Louis Lamboray (Mahidol University, Thaïlande), Pierre-François Laterre (UCLouvain), Raphaël Lefevere (Université de Paris), Olivier Lhoest (anesthésiste-réanimateur),Quentin Louveaux (ULiège), Elisabeth Paul (ULB), Bernard Rentier (ULiège), Pierre Schaus (UCLouvain), Olivier Servais (UCLouvain), Nicolas Vermeulen (UCLouvain), Martin Zizi (ex-KUL, ex-VUB) Une des bases de la gestion de crise moderne est la pluridisciplinarité. Or, en Belgique, la gestion de la pandémie apparaît pilotée, ou à tout le moins fortement influencée, par quelques personnes ayant un background spécifique, principalement orienté autour de la virologie et de l’épidémiologie mathématique. Pour appréhender une crise aussi complexe que celle que nous vivons, il est utile voire indispensable d’intégrer d’autres disciplines et expériences, en particulier des experts dans les domaines suivants:

  • Les systèmes complexes: pour mieux comprendre la dynamique de l’épidémie, ses causes et ses conséquences, en intégrant notamment les paramètres structurels et environnementaux qui l’influencent;

  • La médecine générale et la santé publique: pour développer des approches de prévention des formes graves de la maladie, de ciblage des patients à risque, de traitement précoce, de suivi clinique, ainsi que pour avoir un retour du terrain;

  • Divers spécialistes notamment de médecine d’urgence, de médecine de catastrophe et l’anesthésie-réanimation: avec des spécialistes rompus à la gestion des situations de crises, connectés avec le réel et le terrain;

  • Les soins infirmiers : pour optimiser le suivi des patients à domicile, basé sur des critères cliniques simples, et les diriger vers un hôpital en fonction des besoins ;

  • L’économie de la santé: pour évaluer le rapport coût-efficacité des différentes mesures prises par le gouvernement et de leurs alternatives, en vue d’identifier les plus efficientes;

  • La sociologie, l’anthropologie et la psychologie: pour mieux appréhender les effets des mesures sur les populations, mieux adapter les stratégies aux contextes sociétaux et selon le niveau d’acceptabilité des mesures pour en garantir l’application et éviter une rupture de confiance de la population vis à vis des autorités;

  • L’ingénierie: pour développer des techniques utiles pour la lutte contre l’épidémie, tels que les tests rapides, les systèmes de ventilation, purification et filtration de l’air, etc.;

  • Le droit: en particulier avec des spécialisations dans le domaine des droits et libertés fondamentales, pour que les mesures prises le soient dans un cadre légal inattaquable et notamment en respectant la vie privée des citoyens.

Au-delà d’une plus grande inclusivité en termes de disciplines, il est essentiel que les décisions politiques se nourrissent d’un véritable débat scientifique contradictoire, permettant de sortir de la “pensée de groupe unique”33 et seul garant de la prise en compte des diverses perspectives de la population et des multiples parties prenantes de cette crise, ainsi que de l’adaptation régulière des mesures en fonction de l’évolution des connaissances. Par ailleurs, elles devraient relever d’un réel processus de dialogue politique transparent permettant de choisir les options préférables pour la population.34 Ce dialogue est d’autant plus important qu’en démocratie, l’adhésion des citoyens aux mesures prises est essentielle.

Conclusion La pandémie de Covid-19 s’est transformée en une crise beaucoup plus complexe qui ne se limite pas à sa dimension épidémiologique ou médicale. La science a été détournée de ce qu’elle devrait être pour en faire un instrument de contrôle, parfois au détriment des droits et libertés fondamentales et du respect de la vie privée des citoyens, voire un outil de culpabilisation du public et de déresponsabilisation des politiques qui ont tendance à se cacher derrière les affirmations des quelques experts qu’ils ont choisis. Cette utilisation biaisée de “la Science” est à l’antithèse des bonnes pratiques de la recherche, de la santé publique et de la médecine, et nuit dès lors gravement à notre santé physique et mentale. Nous recommandons aux gouvernements belges de modifier leur approche et de s’ouvrir davantage aux contributions pluridisciplinaires et au dialogue politique35 avec l’ensemble des parties prenantes en vue d’appuyer la prise de décision, ceci de façon publique et transparente, pour qu’enfin, la science soit au service de la santé. Notes Notes ↑1 Olivier De Sardan J.P., La Rigueur du qualitatif. Academia 2008 ↑2 voir https://research.library.gsu.edu/c.php?g=115595&p=755213 ↑3 http://www.ph.ucla.edu/epi/snow/snowbook3.html, https://www.cdc.gov/csels/dsepd/ss1978/lesson1/section2.html, The Lesson of John Snow and the Broad Street Pump | Journal of Ethics | American Medical Association (ama-assn.org) ↑4 https://www.worthingtoncaron.com/documents/Publications/07.-1965-Newhouse-_-Thompson-[WK-SOA-5044].pdf, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3581056/, https://oem.bmj.com/content/17/4/260 ↑5 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1121189/ ↑6 https://www.who.int/alliance-hpsr/resources/9789241563895/en/ ↑7 https://onlinelibrary.wiley.com/doi/abs/10.1002/ev.1086 ↑8 Sciensano met régulièrement à jour les lignes directrices de traitements conseillés selon le stade de la maladie : https://covid-19.sciensano.be/fr/procedures/traitement#:~:text=Le%20parac%C3%A9tamol%20reste%20le%20premier,sont%20r%C3%A9serv%C3%A9s%20aux%20patients%20hospitalis%C3%A9s. ↑9 voir https://covidrationnel.be/2021/04/14/de-quoi-meurent-les-belges/?fbclid=IwAR1e3xaKkNQ2ZpQdClRoq7TjOgIJqPK3eyjMTw8_hjT2Fl1Fs1Lore-kcjg ↑10 https://kce.fgov.be/sites/default/files/atoms/files/Decision-aid-Worrisome%20patient-FR_21012021.pdf ↑11 https://www.nejm.org/doi/full/10.1056/NEJMoa2015432 ; https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)30937-5/fulltext ↑12 https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2780931?guestAccessKey=9bf502d8-75a1-4872-baa0-68908899cfc1&utm_source=silverchair&utm_campaign=jama_network&utm_content=covid_weekly_highlights&cmp=1&utm_medium=email ↑13 Nous ne prétendons aucunement qu’il existe des preuves de l’efficacité de la vitamine D comme traitement de la Covid-19, mais constatons, comme d’autres, que la corrélation entre déficit en vitamine D et formes sévères de la Covid-19 est établie; si la causalité ne l’est pas, Sciensano recommande de supplémenter les personnes âgées: voir page 11: https://covid-19.sciensano.be/sites/default/files/Covid19/COVID-19_fact_sheet_ENG.pdf ↑14 https://www.nature.com/articles/d41586-021-01090-z?utm_source=Nature+Briefing&utm_campaign=07eb2bdc6b-briefing-dy-20210510&utm_medium=email&utm_term=0_c9dfd39373-07eb2bdc6b-45689842, https://journals.lww.com/americantherapeutics/Fulltext/2021/06000/Review_of_the_Emerging_Evidence_Demonstrating_the.4.aspx, https://www.thelancet.com/journals/lanres/article/PIIS2213-2600(21)00222-8/fulltext#:~:text=Given%20the%20absence%20of%20orally,safe%20and%20inexpensive%20anti%2Dinflammatory, https://academic.oup.com/ofid/advance-article/doi/10.1093/ofid/ofab358/6316214 ↑15 https://jme.bmj.com/content/early/2021/03/30/medethics-2020-106959 ↑16 https://www.nejm.org/doi/full/10.1056/nejmra1614394 ↑17 https://pubmed.ncbi.nlm.nih.gov/26546273/ ↑18 https://www.cmaj.ca/content/192/25/E684 ↑19 https://www.nature.com/articles/d41573-021-00068-w , https://www.bmj.com/content/370/bmj.m2670 ↑20 https://www.sciencedirect.com/science/article/pii/S0924857920303423 ↑21 https://www.bmj.com/content/371/bmj.m4037 ↑22 https://blogs.bmj.com/bmj/2021/02/05/clarification-pfizer-and-modernas-95-effective-vaccines-we-need-more-details-and-the-raw-data/ ↑23 https://www.nature.com/articles/s41564-020-00789-5 ; https://onlinelibrary.wiley.com/doi/10.1111/ijcp.13795 ↑24 https://www.sciencedirect.com/science/article/pii/S2214750020304248 ↑25 https://onlinelibrary.wiley.com/doi/10.1111/ijcp.13795, https://covidrationnel.be/2021/05/11/note-technique-vaccins-contre-la-covid-19-base-de-preuves-et-consentement-eclaire/ ↑26 https://jamanetwork.com/journals/jamacardiology/fullarticle/2781600?guestAccessKey=58aff740-7a23-4e03-a1e9-909d11e003b5&utm_source=silverchair&utm_campaign=jama_network&utm_content=covid_weekly_highlights&utm_medium=email ↑27 https://www.ema.europa.eu/en/documents/chmp-annex/annex-vaxzevria-art53-visual-risk-contextualisation_en.pdf ↑28 https://www.imperial.ac.uk/media/imperial-college/medicine/mrc-gida/2020-03-16-COVID19-Report-9.pdf ↑29 https://ourworldindata.org/coronavirus#coronavirus-country-profiles ↑30 Voir à ce sujet notre analyse sur: https://covidrationnel.be/2021/05/28/pour-une-strategie-de-depistage-efficace-et-objective-des-personnes-susceptibles-de-transmettre-le-sars-cov-2/ ↑31 https://www.pnas.org/content/117/42/26190 ↑32 https://www.quantamagazine.org/the-hard-lessons-of-modeling-the-coronavirus-pandemic-20210128/ ↑33 https://www.cebm.net/covid-19/leadership-in-covid-19-the-dangers-of-groupthink-in-crisis-leadership/ ↑34 https://www.ijhpm.com/article_3972.html ↑35 https://www.who.int/alliance-hpsr/news/2015/dialoguebrief/en/

Posted byteamcovidrationnel18th juillet 2021Posted inAnalyses

6 vues0 commentaire