Dans les sections précédentes, on a appris à modéliser l’évolution d’un phénomène dans le temps en tenant compte des tendances et de la saisonnalité, à l’aide des modèles ARIMA et SARIMA. Ces modèles, et ceux des activités antérieures, permettent de décrire les dépendances temporelles internes d’un processus ; autrement dit, comment le passé influence le présent.
Cependant, les phénomènes de santé publique ne dépendent pas uniquement d’eux-mêmes et peuvent être influencés par des facteurs externes, comme la température, la densité de population ou les mesures de prévention, mais aussi par la localisation géographique, car les événements dans une région peuvent affecter les régions environnantes.
Les covariables permettent d’intégrer ces facteurs explicatifs externes dans la modélisation, tandis que les effets spatiaux décrivent les influences liées à la proximité géographique. En combinant ces dimensions temporelles et spatiales, une vision plus complète et réaliste des phénomènes épidémiologiques peut être établie.
La définition d’une covariable
Une covariable est un facteur externe qui influence la série principale sans en faire directement partie. Dans le contexte des épidémies, ces covariables peuvent être environnementales, sociodémographiques ou comportementales, et contribuent à mieux expliquer la dynamique d’un phénomène de santé.
Par exemple, dans l’étude des maladies à transmission vectorielle comme la dengue, la température et l’humidité influencent le développement des moustiques et, par conséquent, la propagation du virus. Ces variables ne sont pas des observations de la maladie elle-même, mais elles peuvent aider à en comprendre les fluctuations.
On distingue deux types de covariables :
- Les covariables dépendantes du temps, qui varient au fil des périodes d’observation. Elles reflètent des conditions changeantes susceptibles d’influencer la dynamique de la série chronologique. Par exemple, la température moyenne hebdomadaire et la pluviométrie sont des conditions qui influencent le taux de reproduction des moustiques, et vont affecter la propagation du virus de la dengue et la variation du nombre de cas.
- Les covariables indépendantes du temps, qui ont des caractéristiques fixes, peu importe à quel moment se situe le temps. Ces caractéristiques décrivent le contexte dans lequel évolue la série, comme la densité de la population, le niveau d’urbanisation ou l’accès aux soins de santé d’une région.
En intégrant ces covariables dans un modèle de série chronologique, on enrichit la compréhension du phénomène étudié : on ne se limite plus à l’observation de son évolution dans le temps, mais on examine aussi les facteurs qui l’influencent.