RESUMO
We improve upon the modelling of India's pandemic vulnerability. Our model is multidisciplinary and recognises the nested levels of the epidemic. We create a model of the risk of severe COVID-19 and death, instead of a model of transmission. Our model allows for socio-demographic-group differentials in risk, obesity and underweight people, morbidity status and other conditioning regional and lifestyle factors. We build a hierarchical multilevel model of severe COVID-19 cases, using three different data sources: the National Family Health Survey for 2015/16, Census data for 2011 and data for COVID-19 deaths obtained cumulatively until June 2020. We provide results for 11 states of India, enabling best-yet targeting of policy actions. COVID-19 deaths in north and central India were higher in areas with older and overweight populations, and were more common among people with pre-existing health conditions, or who smoke, or who live in urban areas. Policy experts may both want to 'follow World Health Organisation advice' and yet also use disaggregated and spatially specific data to improve wellbeing outcomes during the pandemic. The future uses of our innovative data-combining model are numerous.
Dans le contexte du développement international, on peut améliorer la modélisation de la vulnérabilité à une pandémie en combinant différentes disciplines, en combinant des données et en reconnaissant les nombreux niveaux imbriqués de l'épidémie. Des modèles de transmission ont été élaborés à l'échelle nationale ou pour plusieurs pays. A l'inverse, nous construisons un modèle permettant de prendre en compte les différents niveaux de risque selon les groupes sociaux, ainsi que le conditionnement des facteurs régionaux et des facteurs liés au mode de vie. La forme grave de la COVID-19 est notre résultat clé innovant. Nous utilisons trois sources de données simultanément: l'enquête nationale sur la santé des familles en Inde, le recensement de la population indienne de 2011 et les décès liés à l'épidémie de COVID-19. Nous fournissons des résultats pour 11 États en Inde, ce qui permet un meilleur ciblage des actions politiques. Les utilisations futures de ces modèles sont nombreuses. Dans le nord et le centre de l'Inde, les décès liés à la COVID-19 étaient plus nombreux dans les régions avec populations âgées et populations en surpoids. Ces décès étaient plus fréquents chez les personnes ayant déjà des problèmes de santé, ou chez celles qui fument ou qui vivent dans les zones urbaines. Les experts en politiques publiques pourront souhaiter à la fois « suivre les conseils de l'Organisation mondiale de la santé ¼ tout en utilisant des données désagrégées et spatiales pour améliorer les résultats en matière de bien-être pendant la pandémie.