Modèles démographiques et santé

Comment prévoir des besoins en eau, en nourriture ou en soins lorsque la population change ? Il faut d’abord définir ce que l’on compte : habitants d’un territoire, individus d’une espèce ou nouveaux cas pendant une période. Un effectif est un nombre d’individus à une date. Un nombre de nouveaux cas pendant une année est un flux. Ces deux grandeurs ne se substituent pas l’une à l’autre. Toutes les séries numériques de cette leçon sont fictives et servent à étudier les raisonnements.

On note Pₙ l’effectif n années après une date de départ. L’indice n mesure ici une durée, pas un calendrier universel. La variation absolue entre deux années est Pₙ₊₁ − Pₙ. Elle s’exprime en individus. La variation relative est (Pₙ₊₁ − Pₙ)/Pₙ, si Pₙ est non nul. On la multiplie par 100 pour l’exprimer en pourcentage. Un même gain absolu représente une proportion plus petite quand la population de départ est plus grande.

Avant le calcul, vérifie que les observations portent sur le même territoire, la même définition d’habitant et des intervalles de temps comparables. Un changement de méthode de recensement peut produire une rupture apparente. Une hausse annuelle de 2 % n’est pas une hausse de deux individus, et une différence de taux se formule en points de pourcentage. Conserver les unités rend ces confusions visibles.

Un modèle linéaire suppose un accroissement absolu a constant par période : Pₙ₊₁ = Pₙ + a, donc Pₙ = P₀ + an. La suite est arithmétique. Les points de coordonnées (n ; Pₙ) sont alignés. Le terme linéaire est celui employé pour cette évolution ; l’expression en fonction de n est affine lorsque P₀ n’est pas nul. Un accroissement négatif ne peut pas être prolongé jusqu’à donner des effectifs négatifs.

Un modèle exponentiel suppose un taux r constant : Pₙ₊₁ = (1 + r)Pₙ, donc Pₙ = P₀(1 + r)ⁿ. La suite est géométrique, de raison q = 1 + r. Pour une population initiale positive, q > 1 décrit une croissance, 0 < q < 1 une décroissance et q = 1 un effectif constant. Une variation de 3 % correspond à r = 0,03 et à q = 1,03.

Dans le modèle démographique de Malthus, la population est considérée comme fermée : les migrations sont négligées. Si b et d sont des taux annuels de natalité et de mortalité rapportés au même effectif de départ, les naissances valent bPₙ et les décès dPₙ. Ainsi Pₙ₊₁ = (1 + b − d)Pₙ. Les taux sont supposés constants. Cette hypothèse exclut notamment la structure par âge et les changements futurs des comportements.

Choisir un modèle n’est pas encore le valider. Avec un tableur, inscris les dates dans une colonne et les effectifs dans une autre, puis construis un nuage de points. Compare les différences et les rapports, et ajuste une tendance compatible avec cette première analyse. Une tendance linéaire et une tendance exponentielle ne répondent pas à la même hypothèse. Indique les unités et garde les données originales visibles.

Pour tester une projection, on réserve si possible des observations qui n’ont pas servi à ajuster les paramètres. On calcule, pour chaque date, l’écart observation moins prévision. Un modèle qui sous-estime de plus en plus les observations signale une évolution mal décrite. Un ajustement presque parfait sur quelques dates ne démontre pas une cause et ne garantit pas une bonne prévision lointaine. Interpoler entre observations est généralement moins aventureux qu’extrapoler très loin.

La croissance exponentielle positive devient illimitée dans le modèle, alors qu’un milieu réel impose des contraintes. Les ressources, les migrations, les politiques publiques et les conditions sanitaires modifient les taux. Le modèle de Malthus est utile pour raisonner à court terme sous hypothèses, puis pour comprendre pourquoi ses propres résultats exigent d’en discuter les limites. Un modèle plus complexe n’est meilleur que si des observations permettent de l’évaluer.

La santé d’une population ne se résume pas à son effectif. L’âge des habitants, l’accès aux soins, l’eau potable et l’exposition aux pollutions interviennent aussi. Deux territoires de même population peuvent avoir des besoins sanitaires différents. Dans une étude documentaire, il faut donc nommer l’indicateur observé et la population concernée : un nombre brut de cas ne mesure pas à lui seul le risque individuel.

L’approche « Une seule santé » met en relation la santé humaine, la santé animale et celle des écosystèmes. Une modification d’habitat peut transformer les contacts entre espèces et les conditions de transmission d’un agent infectieux. Il faut étudier les mécanismes et les documents disponibles, sans déduire automatiquement qu’une hausse de population provoque une épidémie. Une corrélation peut provenir de facteurs communs ou d’un changement de surveillance.