Les modèles d'équations différentielles ordinaires et partielles (EDO/P) des maladies infectieuses sont largement utilisés pour l'inférence et les décisions en matière de santé publique, mais la sensibilité et l'identifiabilité des paramètres sont souvent évaluées à l'aide d'outils difficiles à interpréter et qui négligent les conditions initiales et les quantités dérivées. Nous présentons un cadre qui calcule les sensibilités directes, les élasticités et les diagnostics de décomposition en valeurs singulières (SVD) afin de produire des mesures interprétables de la sensibilité et de l'identifiabilité. À l'aide d'un modèle sensible-infecté-guéri, nous enrichissons le système avec des équations de sensibilité, incluons un mappage d'observation, traitons les conditions initiales comme des paramètres et analysons à la fois les états et les mesures dérivées. Les sensibilités et les élasticités révèlent l'importance des paramètres variables dans le temps, tandis que la SVD identifie les combinaisons de paramètres dominantes et les périodes d'inférence plus ou moins forte. Nous étendons cette approche à un modèle EDP de maladie à transmission vectorielle afin de démontrer l'évolutivité et l'impact de la conception de l'observation.