Impact du COVID-19 sur la mortalité sur la côte du Kenya : une étude de cohorte longitudinale ouverte

Nous avons analysé 16 177 décès survenus entre le 1er janvier 2010 et le 5 mai 2022 parmi 3 330 071 PYO. Cela couvrait les 5 premières vagues de COVID-19 au Kenya (Fig. 1). Les taux de mortalité mensuels observés et attendus sont présentés sur la figure S1. Nous n’avons trouvé aucune preuve d’autocorrélation (Fig. S2) ou de manque d’ajustement (Fig. S3) et l’ajustement en fonction de la température de l’air n’a pas amélioré de manière significative notre modèle (Supplément, Fig. S4 et Tableau S4). Nous avons exclu les nourrissons de toutes les analyses en raison des contraintes liées à la détection précise des naissances pendant la période de confinement. En regroupant tous les âges, à l’exception des nourrissons, il y a eu une surmortalité significative en novembre-décembre 2020, juillet-août 2021 et décembre 2021-janvier 2022 (Fig. 2). Ces périodes coïncident respectivement avec le pic de la vague 2 (type sauvage), la montée de la vague 4 (Delta) et la montée et le pic de la vague 5 (Omicron BA1).

Calculé comme suit : (décès observés – décès attendus)/années-personnes d’observation. Le taux de surmortalité pour tous les âges au-dessus de la petite enfance (âge ≥ 1 an) est la moyenne pondérée des taux par âge. Les poids correspondent à la proportion de chaque groupe d’âge dans la population Kilifi HDSS. Les bandes grises représentent les intervalles de prédiction à 95 % calculés entre les 5e et 95e centiles de 100 simulations de modèles.

Nous avons défini le début d’une vague comme le point auquel le nombre de reproduction effectif quotidien du SRAS-CoV-2 ^{(2020).” href=” id=”ref-link-section-d182599331e921″>16,17} traversé 1 dans une direction positive après au moins 4 semaines en dessous de 1 et la fin de la vague est le point où commence la vague suivante. Pour la surmortalité spécifique à une vague, nous décalons les périodes d’analyse associées à chaque vague d’infection d’un décalage de 2 semaines. Il y a eu une surmortalité significative tous âges confondus, à l’exclusion des nourrissons, au cours de la vague 4 (Delta), mais pas dans les autres vagues (tableau 1). Nous avions prédit 610 décès lors de la vague Delta mais en avons observé 711 (surmortalité 16,6%, 95% IP 9,5%, 24,7%). Dans les analyses par âge, il y avait une surmortalité significative chez les personnes âgées de 5 à 14 ans et de 15 à 44 ans lors de la vague 1 (type sauvage), chez les personnes âgées de 45 à 64 ans lors de la vague 4 (Delta) et parmi celles âgées de ≥ 65 ans dans les vagues 4 (Delta) et 5 (Omicron). La mortalité était significativement inférieure à celle prévue lors de la vague 1 (type sauvage) chez les personnes âgées de 45 à 64 ans et ≥ 65 ans et lors de la vague 4 (Delta) chez les personnes âgées de 5 à 14 ans. Au cours des trois mois précédant le début de la pandémie (1er janvier-31 mars 2020), nous avons observé une surmortalité globale de 14,3 % (IP 95 % 5,1 %, 24,9 %) qui faisait suite à une année 2019 avec un déficit de mortalité important. (Tableau S3a). Dans les analyses par âge, cette surmortalité en janvier-mars 2020 n’était significative que chez les personnes âgées de ≥ 65 ans (17,5 %, 95 % IP 2,9 %, 43,9 %).

Au total, au cours des cinq premières vagues de la pandémie, du 1er avril 2020 au 16 avril 2022 (tableau 2), nous avons prédit 2 336 décès chez les adultes et les enfants âgés de ≥ 1 an sur la base de 9 années de données de référence (2010-2018), mais nous avons observé 2 447 décès, ce qui donne une surmortalité de 4,8 % (IP 95 % 1,2 %, 9,4 %) et un taux de surmortalité de 20,3/100 000 années-personnes. La surmortalité ne s’écartait significativement au-dessus de zéro que chez les adultes âgés de ≥ 65 ans (11,6 % 95 % IP 5,9 %, 18,9 %). La surmortalité résumée chez tous les enfants âgés de 1 à 14 ans était de –7,7 % (IP 95 % –20,9 %, 6,9 %), mais ce déficit de mortalité était principalement dû à l’amélioration de la survie chez les enfants âgés de 5 à 14 ans (Tableau 2). Dans les analyses sexospécifiques de la période à 5 vagues, la surmortalité globale était plus élevée chez les femmes (9,6 %, tableau S1a) que chez les hommes (–0,1 %, tableau S1b). Chez les femmes âgées de 45 à 64 ans et ≥ 65 ans, il y avait une surmortalité significative de 11,4 % (IP à 95 % 1,3 %, 26,8 %) et de 16,3 % (IP à 95 % 76,4, 27,0), respectivement ; les chiffres équivalents pour les hommes étaient de –7,6 % (IP 95 % –18,3, 3,5) et de 6,3 % (IP 95 % –1,2, 17,3).

Nous avons exploré la validité interne des prévisions de mortalité de notre modèle de base en supprimant tour à tour chaque année (2010-2019) de l’analyse et en estimant la prévision de surmortalité pour cette année. La mortalité prévue différait significativement de la mortalité observée en 2019 (déficit de mortalité –7,5 %, IP 95 % –13,1 %, –1,2 %, tableau S3a). Cet écart unique est probablement imputable à une fluctuation aléatoire du moment des décès ; elle a été suivie d’une brève période de surmortalité entre janvier et mars 2020. Cependant, pour éviter de biaiser notre modèle de référence, nous avons exclu les données de 2019 lors de la prévision de la mortalité en 2020-2022. La répétition de l’analyse de validation interne pour la nouvelle référence (2010-2018) n’a révélé aucune différence significative entre les décès observés et attendus (tableau S3b).

Pour comparaison avec les estimations modélisées publiées de la surmortalité mondiale et nationale^1,2,3 pour les deux années civiles 2020-2021, nous avons également calculé les taux de surmortalité globaux dans le Kilifi HDSS pour la même période. Les décès observés et attendus pour tous les résidents âgés de ≥ 1 an étaient respectivement de 2 441 et 2 276, ce qui donne une surmortalité de 7,2 % (IP à 95 % 3,4 %, 11,3 %) et un taux de surmortalité de 31,0/100 000 années-personnes (tableau 2). ). Après avoir standardisé les résultats du Kilifi HDSS en fonction de la structure par âge de la population nationale kenyane, le taux de surmortalité était de 27,4/100 000 (IC 95 %, 23,2-31,6) en 2020-2021.

Nous avons effectué des contrôles de qualité des données pour déterminer si un biais avait été introduit comme conséquence possible de trois facteurs : (1) les enquêteurs de terrain n’ont pas pu atteindre tous les ménages interrogés pendant la pandémie ; (2) les années-personnes d’observation dans le HDSS ont été réduites car le retard du travail sur le terrain a entraîné un retard dans l’enregistrement des nouveaux migrants ; (3) les restrictions de voyage ont réduit la fréquence des travailleurs migrants retournant chez eux à Kilifi pour recevoir des soins lorsqu’ils contractent une maladie en phase terminale^18,19. Si les restrictions de voyage ont considérablement réduit le retour de la diaspora malade, alors l’absence de décès de migrants en mauvaise santé pendant la pandémie aurait pu atténuer la surmortalité attribuable au COVID-19 parmi les résidents stables du HDSS de Kilifi. Dans nos analyses : (1) nous n’avons trouvé aucune preuve que les enquêteurs n’étaient pas en mesure de joindre les ménages interrogés (tableau S5) ; (2) les années-personnes d’observation ont diminué pendant la pandémie (Fig. S5), en particulier parmi les groupes d’âge plus jeunes qui sont, en général, plus mobiles ; cependant, même si la période de risque pour les immigrants a été réduite, les décès survenus pendant cette période de risque non enregistrée n’ont pas non plus été observés par le HDSS ; (3) nous avons exploré les biais dus à la mortalité différentielle selon le statut migratoire en menant des analyses de survie sur une cohorte fixe de résidents sélectionnés le 23 mars 2020 et suivis pendant la durée des restrictions de voyage (7 mois) et comparé la survie de cette cohorte à des cohortes similaires. sélectionné le 23 mars des années précédentes de 2010 à 2019 ; il n’y avait aucune preuve d’une diminution de la survie en 2020 (Tableau S6 et Fig. S6).

Pour expliquer la légère asynchronie entre les vagues de surmortalité dans le Kilifi HDSS et les données nationales de surveillance des cas, nous avons analysé le sous-ensemble de données de cas dérivées du comté de Kilifi. Les données de surveillance comprenaient des tests PCR et des tests antigéniques rapides pour le SRAS-CoV-2, y compris des résultats négatifs, rassemblés dans plusieurs laboratoires de tests kenyans et mécanismes nationaux de reporting.²⁰. Du 23 mars 2020 au 5 mai 2022, Kilifi représentait 79 310 (3,2 %) des 2 501 682 tests PCR et 6 339 (1,1 %) des 581 648 tests antigéniques rapides dans tout le pays. La superposition des courbes épidémiques nationales et spécifiques à Kilifi (Fig. S7) montre qu’à Kilifi, la vague 1 (type sauvage) était absente, la vague 3 (Beta-Alpha) est arrivée tardivement et la vague 4 (Delta) est arrivée tôt et a été plus prononcé.

Nous avons analysé les données sur les causes de décès de 2010 à 2022 pour examiner s’il y avait des changements dans les causes de décès en 2020-2022 qui pourraient être attribués à la pandémie. Entre 2015 et 2019, nous avons enquêté sur 71,7 % (4 647/6 480) des décès détectés dans le Kilifi HDSS par autopsie verbale (Fig. S8). En 2020, 2021 et 2022, les proportions que nous avons étudiées étaient respectivement de 70,4 % (914/1 298), 63,5 % (915/1 440) et 47,2 % (180/381). La proportion de décès attribuables aux IRA était plus faible en 2020 dans tous les groupes d’âge, mais est revenue aux niveaux d’avant la COVID-19 en 2021 (Fig. 3). La proportion imputable aux accidents de la route (ATR) a augmenté tout au long de la pandémie, en particulier chez les personnes âgées de 15 à 44 ans. La proportion attribuable aux accidents vasculaires cérébraux a augmenté pendant la pandémie, en particulier chez les personnes âgées de 45 à 64 ans.

RTA fait référence aux accidents de la route.

En 2020, l’Organisation mondiale de la santé a proposé 6 nouvelles questions sur le COVID-19 pour les autopsies verbales²¹. Sur 103 autopsies verbales où au moins une question sur la COVID-19 était positive, 31 ont été attribuées à la COVID-19 à l’aide du logiciel COVID-19 Rapid Mortality Surveillance (CRMS).²². Cela représente 1,8 % des 1 724 décès enquêtés entre le 1er avril 2020 et le 16 avril 2022. Parmi les 103 autopsies verbales positives examinées par deux médecins, 20 ont été considérées comme probablement liées au COVID-19 ; 9 étaient peut-être liés ; et 74 n’étaient pas liés (Fig. S10).