Une nouvelle analyse portant sur 14,4 milliards de déclarations d’assurance maladie aux États-Unis montre que les méthodes traditionnelles pourraient surestimer l’éventail et la durée des problèmes de santé attribués à la COVID-19 de longue durée selon un article publié par Stanford.
Des chercheurs de Stanford University ont examiné les dossiers de plus de 244 millions de patients américains enregistrés entre mars 2020 et mars 2021 d’après un rapport publié par l’UMN.
L’étude est parue dans les Proceedings of the National Academy of Sciences (PNAS). Elle indique que les recherches antérieures comparaient souvent des personnes testées positives à la COVID-19 avec des groupes incluant des sujets jamais testés ou diagnostiqués.
Cette approche habituelle créait un biais statistique important. Les individus qui se font tester consultent aussi plus fréquemment pour d’autres soucis de santé. Selon l’équipe de recherche, attribuer ces problèmes distincts au virus faussait les estimations globales de la maladie comme l’explique l’université.
Pour éliminer ce défaut méthodologique, l’équipe a adopté une technique de contrôle synthétique courante en économie. En enrôlant les patients au moment de leur premier test PCR, ils ont comparé directement les trajectoires des cas positifs avec celles des cas négatifs.
Le professeur Leskovec a également souligné que cela ne signifie pas que la affection est moins fréquente dans l’absolu. Le choix du modèle de recherche modifie les conclusions que l’on peut en tirer d’après les précisions apportées par l’établissement.
L’utilisation de contrôles négatifs, tels que des blessures par morsure de chien ou par foudre, a permis aux auteurs de valider leur approche.
Des chercheurs de Stanford University ont examiné les dossiers de plus de 244 millions de patients américains enregistrés entre mars 2020 et mars 2021.