Voir aussi

• Lire le portrait de Elisabeta Vergu, chargée de recherche à l'unité Mathématiques et informatique appliquées, Inra de Jouy-en-Josas

Imprimer

Envoyer par courriel

Des modèles mathématiques et statistiques pour prévoir les évolutions des épidémies et pandémies de grippes

(07/08/2009)

Des travaux de modélisation aident à prévoir comment se propage la grippe tant chez les animaux que chez l’homme. Ils ont pour objectif la prédiction de dynamiques épidémiques ou pandémiques, l’évaluation des mesures de prévention et de contrôle. Souvent, cette prédiction nécessite l’estimation préalable, à partir de données, des paramètres clés de ces dynamiques. Ces travaux, résultats de collaborations entre des chercheurs en biomathématiques, biostatistiques, épidémiologie et économie de la santé, apportent en particulier des éléments de réponse pour la mise en place d’une gestion optimale des événements, tant sur le plan temporel que sur le choix d’interventions de santé publique les plus adaptées.

Les modèles mathématiques mis en œuvre contribuent non seulement à prédire mais également à caractériser la transmission de la grippe et l’efficacité de la protection contre l’infection, par l’estimation de paramètres tels que la durée de la période infectieuse ou de latence ou encore par l’évaluation de l’efficacité des vaccins.

Les travaux de modélisation sur les épizooties ont conduit les chercheurs à se pencher sur l’événement de grippe aviaire ayant eu lieu aux Pays Bas en 2003 afin d’identifier les stratégies clés ayant permis de limiter la transmission de la maladie entre les fermes. Les virus de la grippe aviaire peuvent constituer une source de nouvelles souches virales s’adaptant à l’homme et à l’origine d’évènements de grande ampleur tels que les pandémies. Les grippes aviaires posent donc un problème majeur en termes de santé animale et de santé publique par leur pouvoir pathogène direct et par les conséquences organisationnelles et économiques induites : épidémies meurtrières, abattage massif d’élevages, etc. Les résultats des travaux, qui ont combiné modélisation et estimation, ont mis en évidence l’existence pendant l’épizootie de 2003 de zones géographiques à risque variable et ont montré que l’abattage immédiat de fermes infectées semblait plus efficace que l’augmentation du rayon d’abattage autour de ces foyers.

Les chercheurs se sont également intéressés à la prédiction des dynamiques spatio-temporelles des pandémies de grippe humaine, à l’aide de modèles de métapopulation, afin de mettre en évidence d’éventuels profils de pandémie possibles. Les résultats ont révélé que les stratégies d’interventions devraient être modulées en fonction du caractère de la dynamique de transmission (par exemple, rapide et massive ou lente et progressive). Un travail de modélisation en cours de publication illustre le fait que la transmission à travers le monde de la grippe A (H1N1) présenterait plusieurs vagues et se ferait de manière différentielle dans le Nord et dans le Sud, deux aspects qui ont déjà caractérisé les pandémies du siècle précédent. Ces travaux montrent également que l’immunisation de 30 % de la population mondiale (via un vaccin supposé efficace et administré à partir de 6 mois après les premiers cas enregistrés en mars 2009) réduirait de 80 % le nombre de cas à travers le monde. Cependant, ces résultats quantitatifs doivent être considérés avec une grande précaution : d’une part, il reste encore beaucoup d’inconnues quant aux caractéristiques épidémiologiques et cliniques de la nouvelle souche. D’autre part, ils s’appuient sur des extrapolations à l’échelle mondiale de résultats obtenus à l’aide d’un modèle mathématique simulant la propagation du virus sur un réseau de villes qui, même s’il est représentatif, reste de taille assez réduite.
Sur le versant de la grippe humaine épidémique, les résultats des travaux de modélisation ont montré, en utilisant des approches statistiques adéquates pour les séries temporelles, que la détection des phénomènes saisonniers pouvait se faire non seulement en s’appuyant sur des données historiques de nombres de cas par unité de temps, mais également à partir d’autres types d’information tels que les données sur la vente de médicaments. Ces données non traditionnelles constituent une source d’information indépendante et complémentaire par rapport à la surveillance syndromique et peuvent ainsi contribuer à l’amélioration des systèmes d’alerte précoces des épidémies, mais également d’événements exceptionnels tels que les pandémies.


Références bibliographiques :

1. Flahault* A, Vergu* E, Boëlle PY. Potential for a global dynamic of Influenza A (H1N1), (à paraître dans BMC Infectious Diseases).

2. Kernéis S, Grais RF, Boëlle PY, Flahault A, Vergu E. Does the Effectiveness of Control Measures Depend on the Influenza Pandemic Profile?, PLoS ONE, 2008, 3(1): e1478.

3. Carrat F, Vergu E, Lemaitre M, Ferguson NM, Cauchemez S, Leach S, Valleron AJ. Time lines of infection and disease in human influenza: a review of volunteer challenge studies, Am J Epidem, 2008, 167(7):775-85.

4. Vergu E, Grais R, Sarter H, Fagot JP, Lambert B, Valleron AJ, Flahault A. Using non-traditional data sources to forecast influenza-like-illness in France, Emerg Inf Dis, 2006, 12:416-21.

5. Le Menach A, Vergu E, Grais R, Smith DL, Flahault A. Key strategies for reducing transmission during avian influenza epidemics: lessons for control of human avian influenza, Proc Biol Sci, 2006, 273:2467-75.

6. Flahault A, Vergu E, Coudeville L, Grais R. Strategies for containing a global influenza pandemic, Vaccine, 2006, 24:6751-5.