Modéliser une épidémie pour guider les interventions de santé publique (Ebola, Afrique de l’Ouest)

journal.pbio.1002056.g008À la mi-décembre 2014, environ 18 000 personnes avaient déjà été infectées par le virus Ebola sévissant actuellement en Afrique de l’Ouest. Au 12 janvier 2015, le dernier bilan de l’Organisation Mondiale de la Santé (OMS) faisait état de plus de 21 000 cas. Toutefois, étant donné qu’un certain nombre de cas ne parviennent pas à la connaissances des organismes de surveillance, le vrai nombre d’individus infectés est probablement beaucoup plus important. Le taux de létalité (la proportion d’individus infectés qui meurent de l’infection) pour cette épidémie d’Ebola est estimé à environ 70% (sur la base des cas connus).

L’épidémie a débuté en Guinée en décembre 2013, puis s’est étendue au Libéria en mars et à la Sierra Léone en mai 2014. L’OMS l’a ensuite déclarée “urgence de santé publique de portée internationale” en août 2014, enclenchant ainsi une augmentation des efforts internationaux pour contenir l’épidémie.

Mais comment décider des mesures à prendre pour contenir une épidémie le plus efficacement possible? Par exemple, de combien doit-on augmenter la capacité des hôpitaux à accueillir des patients? Quel est l’impact des interventions visant à éduquer la population sur le virus et les moyens d’éviter sa propagation? Pour cela, les experts et décideurs publics s’appuient sur des modélisations de l’épidémie pour analyser les paramètres importants, faire des prédictions et décider des interventions à mettre en place.

Un nouveau modèle de l’épidémie actuelle d’Ebola, publié la semaine dernière dans le journal scientifique PLoS Biology, suggère que l’évolution de l’épidémie dépend toujours, non seulement de la capacité hospitalière des pays touchés, mais aussi, de manière importante, des comportements individuels (l’isolation des personnes infectées, la recherche d’une prise en charge médicale en cas d’infection, l’enterrement des morts dans des conditions sûres).

Plusieurs modèles de l’épidémie d’Ebola 2014 ont déjà été publiés. La plupart d’entre eux se sont concentrés sur l’estimation la plus précise possible d’un paramètre épidémiologique très important appelé le taux de reproduction de base, R0. Ce paramètre représente le nombre de personnes qu’un individu infecté va contaminer dans une population où tout le monde est susceptible d’être infecté (c’est à dire, personne n’a encore été infecté, ni survécu à la maladie et développé une immunité contre le virus); R0 donne ainsi une idée de la transmissibilité de l’organisme pathogène et, par exemple, sert à évaluer quelle proportion de la population devrait être vaccinée pour obtenir une immunité de groupe.

D’après une analyse réalisée par l’Ebola Response Team de l’OMS en septembre 2014, R0 était estimé à environ 1,7 pour la Guinée, 1,8 pour le Libéria et 2 pour la Sierra Léone. Pour comparaison, le R0 de l’épidémie de SARS à Hong-Kong et Beijing en 2003 était d’environ 2-3; le R0 associé au virus causant la rougeole est de 12-18, celui associé au virus de la varicelle de 4-9.

Connaître R0 n’est cependant pas suffisant pour modéliser précisément une épidémie dont l’évolution peut suivre un cours moins régulier en fonction des changements dans les comportements individuels et des interventions de santé publique. Deux autres études (l’une par la Response Team de l’OMS, l’autre par le CDC, Centre américain de Contrôle et Prévention des Maladies) ont donc essayé d’établir des modélisations de l’épidémie qui intègrent plus de paramètres pour prédire son évolution. L’étude de PLoS Biology s’inscrit dans cette lignée d’efforts, cherchant encore à prendre en compte plus de variation dans plusieurs paramètres pour modéliser au mieux l’évolution de l’épidémie selon les changements possibles dans les comportements humains au cours du temps et les différents types d’interventions qu’il serait possible de mettre en place (par exemple, au fur et à mesure que les taux d’hospitalisation varient et que les pratiques funéraires changent).

Les chercheurs ont utilisé leur modèle pour évaluer la progression probable de l’épidémie d’Ebola au Libéria dans le cadre de différents scénarios plausibles. Leurs résultats initiaux ont indiqué que si le taux d’hospitalisation des individus infectés pouvait atteindre 85%, l’épidémie pourrait vraisemblablement être contenue. Une mise à jour de leur modèle d’après des données collectées durant les mois d’octobre et novembre a confirmé cette prédiction et a de plus suggéré que si les taux d’hospitalisation pouvaient être maintenus à 85%, l’épidémie pourrait se terminer au cours du printemps 2015. Par contre, si les taux d’hospitalisation devaient redescendre à leur niveau de base d’environ 70%, l’épidémie prendrait alors plus longtemps à être éliminée, ce qui permettrait au virus d’infecter plus de personnes. Les chercheurs insistent donc sur le fait qu’une augmentation de la capacité des hôpitaux à accueillir les patients ne peut contribuer efficacement à éliminer l’épidémie que si les comportements individuels permettent également une isolation et hospitalisation rapides des personnes nouvellement infectées. Ceci ne peut être possible que si les interventions visant à éduquer la population sur le virus et les moyens mis en oeuvre pour identifier tous les malades et les acheminer vers des centres de traitement sont suffisants.

Référence
Ebola cases and health system demand in Liberia.
Drake JM, Kaul RB, Alexander LW, O’Regan SM, Kramer AM, Pulliam JT, Ferrari MJ, Park AW. PLoS Biol. 2015 Jan 13;13(1):e1002056. doi: 10.1371/journal.pbio.1002056
PMID: 25585384

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s