Version classiqueVersion mobile

La lutte antivectorielle en France

 | 
Didier Fontenille
, 
Christophe Lagneau
, 
Sylvie Lecollinet
, 
et al.

Les outils d’anticipation

De l’évaluation des risques vectoriels à l’évaluation du risque épidémique1

Texte intégral

  • 1 Dans ce chapitre, les références au CD-ROM concernent la question 10 : « Quelle est la contribution (...)

1Quels sont les objectifs, les principes, les méthodes et le dispositif d’analyse du risque vectoriel ? Une alerte entomologique implique-t-elle une alerte épidémiologique ? Quel peut être l’apport de la modélisation ? Est-il possible de prédire l’ampleur et la sévérité d’un risque d’épidémie ? Autant de questions qui intéressent au premier chef les pouvoirs publics, dont le public attend qu’ils anticipent au mieux ce type de risques et qu’ils réagissent au plus vite en cas d’alerte.

ANALYSE DU RISQUE VECTORIEL : OBJECTIFS ET MÉTHODES

2Née aux États-Unis à l’aube des années 1980, l’évaluation des risques a été développée par le National Research Council qui l’a définie en 1983 comme étant « l’utilisation de faits scientifiques pour définir les effets sur la santé d’une exposition d’individus ou de populations à des matériaux ou à des situations dangereuses ». Il s’agit donc d’utiliser méthodiquement les résultats de la recherche pour une gestion scientifique du risque et de prendre en compte les lacunes dans les connaissances en suivant une démarche aussi structurée et quantifiée que possible. L’évaluation des risques présente les résultats de la caractérisation du (des) risque(s) assortis d’une discussion des incertitudes qui les accompagnent. Formellement, l’analyse du risque regroupe l’ensemble des actions d’évaluation, de gestion et de communication autour des risques.

3Appliquée aux infections transmises par les vecteurs (risque vectoriel, voir l’encadré), elle consiste à analyser les indicateurs et les caractéristiques du « système vectoriel » à l’intérieur d’un contexte complexe (hôtes, agent, environnement, société…), à comprendre la dynamique de transmission et les conséquences des modifications d’un ou de plusieurs éléments du système vectoriel et/ou de ses interactions. De manière complémentaire, il s’agit aussi d’analyser les conséquences positives mais aussi, potentiellement, négatives d’actions susceptibles d’être mises en œuvre dans une perspective d’aide à la décision, en amont des conséquences sanitaires (anticipation) ou au cours d’une alerte, voire d’une épidémie (analyse des options de gestion). Cette démarche, multidisciplinaire par essence, peut susciter en retour de nouvelles questions de recherche.

Champ d’application de l’analyse de risque
■ Anticipation par l’analyse des conséquences potentielles de l’introduction d’un vecteur compétent dans un environnement donné.
■ Analyse de l’introduction de sujets infectieux dans un environnement où les conditions théoriques de transmission sont ou pourraient être réunies.
■ Analyse des conséquences à moyen ou long terme de modifications d’un écosystème pouvant permettre l’extension d’une endémie.
■ Analyse des facteurs et conditions permettant à un système vectoriel de générer une épidémie.
■ Évaluation des options de gestion d’une épidémie sur son importance potentielle.

4Il n’existe en France ni agence ni ministère ni organisme en charge de cette expertise spécifique. Il a néanmoins été procédé à de telles analyses à diverses reprises : plusieurs plans de lutte ont ainsi pu voir le jour, comme le plan West-Nile dans le pourtour méditerranéen (début des années 2000), le plan antidiffusion chikungunya-dengue en métropole (2006), réactualisé sur la base de l’évaluation de risque réalisée suite à l’épidémie italienne de 2007.

Plan antidissémination dengue-chikungunya

5Afin d’établir un plan, l’InVS a été chargé par le ministre de la Santé de piloter une mission d’évaluation du risque d’introduction du chikungunya et de déclenchement de telles épidémies en France métropolitaine et dans les départements d’outre-mer non touchés. Au terme d’une approche qualitative, un certain nombre de conclusions ont été tirées, notamment en ce qui concerne le territoire métropolitain : il est apparu qu’un risque de diffusion du virus existait en période estivale (pour en savoir plus, voir CD-ROM).

6Cette évaluation a permis d’élaborer des mesures de surveillance et d’alerte mises en œuvre dans le cadre d’un plan antidissémination. Elle s’est en outre avérée prédictive à la fois du risque d’extension du moustique, que l’on constate actuellement, et du risque de diffusion du virus comme en atteste sa circulation autochtone, observée pour la première fois en 2007 en Italie.

Analyse du risque d’épidémie de chikungunya et de dengue

7Dans les zones européennes d’implantation d’Aedes albopictus, l’analyse conduite au niveau national, comme celle, similaire, conduite au niveau européen par l’European Centre for Disease Prevention and Control (ECDC) en 2006, ont abouti à des conclusions analogues, dans les zones où Aedes albopictus est implanté, en termes de potentiels d’introduction et de transmission autochtone du chikungunya. L’épidémie italienne de 2007 a donné lieu à une mise à jour de cette évaluation de risque, notamment sur la base de travaux de modélisation du potentiel de diffusion et d’implantation de ce vecteur au Royaume-Uni, lesquels ont été étendus au niveau européen (voir plus loin dans ce chapitre « Apport de la modélisation »).

8Dans le cadre d’une collaboration entre l’ECDC, l’InVS et l’Istituto Superiore di Sanita (Italie), cette nouvelle évaluation s’est concrétisée par une estimation quantitative du risque d’introduction de personnes virémiques pour le virus du chikungunya et de la dengue en zone où Aedes albopictus est présent. Pour l’année 2006, il a été estimé que 565 « jours de personnes virémiques » pour le virus de la dengue ont été introduits dans les régions européennes infestées par Aedes albopictus, dont 228 au premier trimestre. Il apparaît qu’en Europe, l’Italie concentre la majorité du risque de diffusion de ces deux virus au moment où le vecteur est actif, du fait de la présence de ce dernier sur la majorité de la péninsule.

Limites de l’anticipation des risques

9L’anticipation des risques a des limites : le cas de la fièvre catarrhale ovine (FCO) est illustratif. Jusqu’à il y a peu, cette maladie, largement répandue dans le monde, avait épargné l’Europe (hors Chypre), même si des incursions avaient été observées ici ou là. Or, à partir de 1998, différents sérotypes sont transmis dans tout le bassin méditerranéen. En 2000, pour la première fois, une épizootie de FCO est détectée en France métropolitaine (Corse), peu de temps après que la présence de Culicoides imicola y a été confirmée. La transmission de ces sérotypes est associée à la remontée vers le nord de la limite de distribution du vecteur, éventuellement liée aux changements des écosystèmes méditerranéens sous l’effet de l’augmentation globale des températures. Néanmoins, il apparaît clairement que la FCO est transmise par des vecteurs autochtones dans des zones où Culicoides imicola est absent, comme dans les Balkans, ou rare, comme dans certaines zones d’Italie.

10Dès 2002, un dispositif de surveillance entomologique a été mis en place dans le cadre d’une convention entre le ministère de l’Agriculture et le Cirad. Ce dispositif a montré son efficacité : il a notamment permis de détecter l’installation de Culicoides imicola dans le Var en 2004. Il a été renforcé en 2005 dans des départements devenus à risque (Var, Alpes-Maritimes, Pyrénées-Orientales, Pyrénées-Atlantiques). En 2006, le sérotype 8 du virus de la FCO, inexistant dans le bassin méditerranéen, a été introduit en Belgique avant de s’étendre rapidement à de nombreux pays d’Europe où Culicoides imicola est absent. Il provoque en particulier des formes cliniques de FCO chez les bovins. De plus, fin 2007, le sérotype 1 est introduit et transmis dans le Pays basque espagnol et français.

11Ces épisodes montrent indiscutablement que les espèces de Culicoides européens sont capables de transmettre intensément le virus de la FCO. Mais surtout, ils montrent les limites de l’anticipation du risque : difficulté de prévoir une émergence d’un sérotype dans une zone qui n’avait jamais connu la maladie, transmis par des vecteurs jusque-là considérés comme secondaires. Plus largement, ils illustrent la difficulté d’envisager ou d’imaginer des risques qui s’éloignent des schémas conceptuels établis.

ENTRE ALERTE ENTOMOLOGIQUE ET ALERTE ÉPIDÉMIOLOGIQUE

12Si la présence du vecteur d’un agent responsable d’une maladie à transmission vectorielle est évidemment une condition nécessaire à la transmission effective de cette maladie, elle est loin d’être suffisante. D’autres conditions doivent être réunies :

  • présence de l’agent infectieux ;

  • possibilités de contacts efficaces entre vecteur et réservoir de l’agent ;

  • possibilités de contacts efficaces entre vecteur et amplificateur (si celui-ci est différent du vecteur dans le cycle de transmission) ;

  • possibilités de contacts efficaces entre vecteur et hôtes ;

  • susceptibilité suffisante de la population hôte.

Rôle du vecteur

13Dans la transmission, il est lui-même dépendant de nombreux paramètres. Il s’apprécie en effet au-delà de la réponse à la simple question de sa présence ou non. Plus précisément, la mise en place d’un mode de circulation de l’agent infectieux à partir de l’introduction du vecteur dans un territoire donné peut être analysée suivant différentes étapes (pour des exemples concrets de chacune de ces étapes, voir CD-ROM).

14Son introduction puis son installation dépendent de conditions climatiques, hydriques, biologiques (capacité d’adaptation à de nouveaux écosystèmes)… Cette installation est également dépendante des compétitions avec d’autres espèces vectrices (par exemple, Aedes aegypti vs Aedes albopictus dans le sud du continent nord-américain ou à Mayotte pour la dengue) ou de la confrontation avec des prédateurs et des parasites. Des études entomologiques menées lors de l’épidémie de chikungunya ont en outre montré qu’Aedes albopictus bénéficiait sur l’île de la Réunion d’une grande plasticité écologique lui permettant une installation dans différents écosystèmes.

15Une fois que le vecteur est installé durablement, le risque de voir une chaîne de transmission de l’agent s’amorcer dépend de sa compétence vectorielle, autrement dit du niveau de coadaptation pathogène/vecteur, mesurable en laboratoire et dépendant essentiellement de facteurs génétiques. Par ailleurs, l’effet de compétition entre espèces peut influencer positivement ou négativement la transmission de pathogène.

16Dès lors que la chaîne de transmission est amorcée, l’ampleur de la transmission chez l’homme ou l’animal dépend de la capacité vectorielle (nombre quotidien moyen de piqûres infectantes secondaires à partir d’un cas infecté). Celle-ci est elle-même conditionnée par la densité vectorielle, la préférence trophique, la durée du cycle gonotrophique, le taux de parturité et la durée de la période d’incubation extrinsèque. Du niveau de capacité vectorielle, il pourra résulter soit une épidémie massive comme celle du chikungunya en 2005-2006 à la Réunion, soit une bouffée épidémique comme l’épidémie modérée de dengue de 2004 à la Réunion également, soit un foyer circonscrit comme le récent foyer de dengue survenu à nouveau sur ce territoire (Saint-Louis).

17Enfin, lorsque la transmission est établie, le mode de circulation varie en fonction de nombreux paramètres, le plus souvent extrinsèques au vecteur : facteurs environnementaux et de relation entre l’hôte et le vecteur, susceptibilité et immunité acquise de la population et actions engagées pour réduire la pression vectorielle… Des paramètres dépendant des compétences du vecteur peuvent également intervenir. Ainsi, lors de l’épidémie de chikungunya à la Réunion, un génotype mutant du virus a été sélectionné. L’hypothèse a été avancée selon laquelle la compétence accrue du moustique pour le virus muté expliquerait en partie la plus grande intensité de la seconde vague épidémique.

Surveillance des paramètres entomologiques

18Quels paramètres entomologiques surveiller pour quelle alerte ? Deux types de paramètres sont à considérer : ceux évaluant la part du vecteur dans le risque vectoriel et ceux propres à prédire ce risque vectoriel.

19Les premiers visent donc à appréhender la part du vecteur selon les différentes étapes décrites précédemment :

  • présence ou non du vecteur recherchée dans les endroits où son introduction est plausible, sachant que l’augmentation des échanges en multiplie les opportunités ;

  • son installation durable et ses préférences écologiques ;

  • sa compétence vectorielle vis-à-vis des pathogènes avec lesquels il est susceptible d’être en contact à l’occasion de repas sanguin (cas humains ou animaux d’importation) ;

  • sa capacité vectorielle dans la situation étudiée.

20Leur appréciation suppose observations et mesures sur le terrain, celles de la compétence et de la capacité vectorielle étant parfois complexes à mettre en œuvre et nécessitant que des équipes de recherches travaillent sur le sujet.

21L’appréciation des paramètres permettant de prédire le risque vectoriel sur de vastes territoires suppose, quant à elle, de cibler des zones à risques pour l’introduction, l’implantation ou la pullulation du vecteur. Ce ciblage fait appel à des outils de cartographie et/ou de modélisation, utilisant ou non les données satellitaires. Exemples : modélisations de l’abondance du Culex (afin d’anticiper l’apparition de la circulation du virus West Nile) en Colombie-Britannique ou à New York, de la densité des nymphes d’Ixodes pacificus (vecteur de la maladie de Lyme) dans les étendues boisées de Californie, etc.

Pertinence des paramètres entomologiques

22Comme critères d’alerte épidémiologique, la pertinence des paramètres entomologiques diffère selon le cycle de transmission vectorielle des maladies et, pour une même maladie, selon la situation endémo-épidémiologique et les écosystèmes.

23Pour la dengue, par exemple, la situation se présente différemment en territoire métropolitain et dans les départements français d’Amérique. En métropole, zone a priori indemne, la présence du vecteur est un critère pertinent pour le passage à une surveillance renforcée et à des actions visant à éviter l’installation d’une chaîne de transmission (de la dengue et du chikungunya puisque c’est le même vecteur, Aedes albopictus). Dans les départements français d’Amérique, la surveillance entomologique est, en revanche, peu utilisée pour l’alerte épidémiologique. Mais on y surveille le niveau de sensibilité aux insecticides, un paramètre clé pour caractériser l’efficacité de la lutte antivectorielle. Même contraste pour la fièvre de la vallée du Rift entre Mayotte et la métropole (voir ces exemples et d’autres sur CD-ROM).

24Pour des vecteurs autres que les moustiques, les paramètres entomologiques sont peu ou pas utilisés comme critères d’alerte, mais ils pourraient l’être à l’avenir. Ainsi, si des programmes de vaccination réussissent à réduire fortement l’incidence des encéphalites à tiques en Europe, il faudra trouver d’autres indicateurs que les cas humains pour surveiller la présence du virus dans les tiques ou les réservoirs animaux (pour les vecteurs de la maladie de Chagas et de Batonella quintana, voir CD-ROM).

APPORT DE LA MODÉLISATION

25D’une manière générale, la modélisation repose sur une simplification de la réalité. Dans le cas de la transmission d’une maladie infectieuse par un vecteur, elle s’appuie donc sur une simplification biologique, épidémiologique et/ou sociale du problème, dans une perspective de prévision mais surtout d’évaluation a priori de scénarios et de mesures de lutte ou de prévention. Les premières tentatives de modélisation de la dynamique des maladies infectieuses dans la population humaine et animale, que l’on doit au médecin et mathématicien suisse Daniel Bernoulli, remontent à la seconde moitié du xviiie siècle. Et c’est au xxe siècle que furent introduits les principes fondamentaux de la modélisation des risques infectieux à transmission vectorielle, grâce aux travaux pionniers (1911) du Britannique Ronald Ross (prix Nobel de médecine 1902) et ceux publiés en 1957 par G. MacDonald (alors directeur de l’institut Ross d’hygiène tropicale, à Londres). Le modèle de Ross et MacDonald a défini les fondements de la lutte contre les infections vectorielles, incluant les mesures de lutte antivectorielle.

Différents types de modèles
On distingue deux types de modèles : les modèles qualitatifs (conceptuels) et les modèles quantitatifs dont font partie les modèles statistiques (empiriques) et les modèles théoriques.
Ces derniers incluent les modèles déterministes qui se fondent sur une hypothèse forte d’homogénéité d’interaction entre les individus (ce qui n’est généralement pas le cas dans la réalité), et les modèles stochastiques qui permettent de prendre en compte les hétérogénéités entre individus mais au prix d’une complexité beaucoup plus grande. Ces hétérogénéités peuvent cependant être également prises en compte, du moins en partie, par des modèles déterministes stratifiés.
À la faveur du développement d’outils informatiques puissants, la modélisation est devenue incontournable face aux risques infectieux émergents (grippe pandémique, Sras…) et elle donne lieu à de nombreuses publications dans des revues scientifiques prestigieuses.
Pour les risques vectoriels, l’une des principales applications concerne l’évaluation de la diffusion spatio-temporelle d’un vecteur compétent ou potentiellement compétent pour transmettre un agent infectieux. L’autre porte sur l’évaluation de la transmission d’une infection à transmission vectorielle, et en particulier :
■ compréhension de la dynamique de transmission et identification des lacunes en termes de connaissances pour la surveillance et la recherche ;
■ estimation des paramètres de transmission fondamentaux (taux de reproduction, intervalle sériel…) avec des applications rétrospectives, voire quasi-temps réel ;
■ évaluation de risque ;
■ évaluation a priori (ou « prospective » au sens assessment des Anglo-Saxons) d’actions de santé publique et de lutte antivectorielle et de leur combinaison ;
■ évaluation de l’impact d’une mesure de lutte antivectorielle ;
Pour en savoir plus sur les principes de ces modèles, leur mise en œuvre et la bibliographie, voir CD-ROM.

La modélisation spatio-temporelle d’un vecteur

26La modélisation a donné lieu à un certain nombre d’applications portant sur la fièvre catarrhale ovine, la dengue, le paludisme, ainsi que sur la diffusion d’Aedes albopictus en Europe, des triatomes, des vecteurs du virus West Nile. L’objectif de ces modèles statistiques, parfois qualifiés de « géographiques », est de décrire et prédire la distribution spatiale des vecteurs afin d’identifier et de cartographier les zones à risque et de suivre leur évolution. L’hypothèse sous-jacente est que la présence des arthropodes vecteurs et leur écologie ainsi que la distribution spatiale de la maladie transmise dépendent de l’environnement. L’interaction hôtes/vecteurs correspond aussi à des conditions environnementales favorables (pour une revue de ces modèles, voir CD-ROM).

Fièvre catarrhale ovine (FCO)

27D’abord développés à partir de données météorologiques et satellitaires à basse résolution spatiale, les modèles ont permis d’obtenir des cartes de probabilité de présence de Culicoides imicola à une échelle continentale. Avec les progrès de l’imagerie satellitaire (résolution spatiale de plus en plus fine), on est en mesure de produire une prévision de distribution des vecteurs à une échelle locale (à l’échelle d’une région comme la Corse…). Pour un vecteur de faible dispersion active tel que Culicoides imicola, l’analyse à petite échelle contribue à l’élaboration d’hypothèses sur la localisation des gîtes larvaires et des gîtes de repos et oriente donc les recherches entomologiques.

28Toutefois, les modèles à l’échelle continentale ne permettent pas d’expliquer des différences de distribution au niveau local observées sur de petites zones (Corse, Var…), ni de caractériser de manière fine l’habitat favorable à Culicoides imicola. Inversement, la généralisation des résultats obtenus à une échelle locale sur de plus vastes zones est difficile ou nécessite l’acquisition et la standardisation de données souvent coûteuses.

Aedes et potentiel épidémique de la dengue

29La transmission de la dengue est soumise aux facteurs climatiques. Le couplage de modèles climatiques à l’équation de la capacité vectorielle de la dengue a conduit à l’identification d’un indicateur de potentiel épidémique. L’augmentation de cet indicateur signifie qu’une densité moindre de moustiques peut maintenir un état d’endémie de la maladie quand le virus est introduit ou circule.

30Sur la base de données historiques (climat de 1931 à 1980) et d’une prévision d’augmentation de température de 1,16 °C d’ici à 2050, il apparaît que l’indicateur de potentiel épidémique augmente, avec une plus grande progression en zones tempérées. Les modèles indiquent qu’avec un réchauffement climatique, l’incidence augmentera d’abord dans les régions limitrophes des zones endémiques et que, dans ces zones, l’incidence de la dengue augmentera également. Ces modèles demeurent toutefois un sujet d’incertitudes et de discussion scientifique nécessitant des travaux complémentaires. En effet, ils ne prennent pas en compte d’autres critères pouvant influer sur le taux de reproduction de base (contact homme-vecteur, déplacement des vecteurs, lutte antivectorielle, etc.). Rappelons, par exemple, que la dengue a déjà sévi en Europe, par exemple en Grèce, en 1927-1928 : on dénombra un million de cas à Athènes.

31Un certain nombre d’autres modèles sont publiés dans la littérature, dont l’objectif est de décrire la dynamique de dispersion d’Aedes aegypti (modèle d’invasion biologique), ou d’évaluer des stratégies pour contenir l’invasion et prédire l’évolution de Aedes albopictus, ou encore de prédire l’abondance d’un vecteur en tenant compte des fluctuations climatiques… (pour en savoir plus, voir CD-ROM).

Potentiel de diffusion d’Aedes albopictus en Europe

32Dans une perspective d’analyse de risque et dans le but de proposer des mesures d’anticipation, un modèle qualitatif associé à un système d’information géographique a été utilisé au Royaume-Uni pour évaluer la capacité d’Aedes albopictus de s’établir et sa période d’activité saisonnière probable pendant l’année. Une analyse similaire a été lancée au niveau européen. Cette analyse montre un fort potentiel d’implantation de ce vecteur en Europe, bien au-delà des pays méditerranéens déjà touchés.

Anophèles et paludisme

33Les prédictions d’un modèle de distribution spatiale d’Anopheles hyrcanus en Camargue et de son évolution avec les paramètres environnementaux, sur la base de données satellitaires, ont été confrontées avec les observations de terrain, montrant une bonne concordance. Un index d’adulte, dérivé de l’index larvaire, s’est, en outre, avéré être très bien corrélé avec l’abondance du vecteur observé. Ce travail indique que dans certains écosystèmes, il est possible et faisable de prédire la distribution d’un vecteur de paludisme en utilisant des données satellitaires, une première étape de l’évaluation du risque de ré-émergence de paludisme dans le sud-est de la France.

Triatomes

34Un modèle de la distribution géographique de triatomes dans l’État du Puebla (Mexique) permet, pour chaque espèce de triatome, d’identifier les conditions géographiques et climatiques favorables. Il permet, entre autres, de corréler la présence potentielle d’espèces de triatome avec la population à risque de maladie de Chagas.

Vecteurs du virus West Nile

35Un modèle de la dynamique des populations de Culex tarsalis et Culex pipiens, développé dans une perspective d’analyse spatiale de risque de transmission du virus West Nile (avant son implantation en Colombie-Britannique), a permis d’identifier les zones les plus à risque d’infection par le virus avant son introduction, mais aussi de mettre l’accent sur certains manques importants de connaissances (écologiques, écosystémiques…). La distribution des vecteurs du virus West Nile a également fait l’objet d’un modèle statistique prévisionnel.

Fonctionnement du modèle

36Un modèle de la dynamique d’une infection à transmission vectorielle vise à reproduire par des méthodes numériques la transmission de l’agent infectieux au sein d’un système vectoriel. Un tel modèle, qu’il soit statistique ou théorique, doit donc intégrer de multiples paramètres concernant l’histoire de l’infection chez l’hôte, le vecteur, l’interaction vecteur-hôte, le réservoir, l’environnement et les facteurs influençant la transmission.

Modèles statistiques

37Ces modèles permettent de proposer des prévisions d’évolution ou de contribuer à l’évaluation du risque, voire de l’impact de mesures de lutte antivectorielle, sur la base de relations statistiques établies au préalable. Ils peuvent être appliqués à la détection d’épidémies, comme c’est le cas dans les départements français d’Amérique, à la prédiction d’épizootie (fièvre de la vallée du Rift), à la prévision de la dynamique d’une maladie (leishmaniose) dans une perspective d’évaluation de l’impact de mesures de lutte…

38De tels modèles ont été mis au point pour prédire la fièvre de la Vallée du Rift, en particulier au Kenya dans une région de mares temporaires (pour en savoir plus sur ces modèles, voir CD-ROM). Dans cette région, une corrélation est établie entre les épisodes pluviométriques exceptionnels, eux-mêmes associés aux épisodes el Niño, et les épizooties de fièvre de la vallée du Rift. Ces pluies exceptionnelles inondent les dambos qui constituent alors un gîte de choix pour les moustiques vecteurs (Aedes). Au Kenya, par exemple, les prédictions de l’épizootie ont atteint une précision de 95 à 100 %, deux à cinq mois avant sa survenue, en s’appuyant sur des mesures relatives à la végétation et à la pluviométrie (mesures satellitaires, sur le terrain…). Elles peuvent permettre de mettre en place des mesures préventives (vaccination de cheptels sensibles, contrôle des larves de moustiques…). Autre exemple, au Sénégal : un modèle stochastique a permis de simuler les densités d’Aedes vexans et de Culex poicilipes en fonction des précipitations.

39Parallèlement, des modèles de séries chronologiques (modèle de Chaves) suggèrent, avec une forte probabilité, un lien entre la dynamique de la transmission (par exemple, de la leishmaniose) et les facteurs climatiques. Le rôle de la température a pu être en effet observé il y a peu dans la recrudescence d’une épidémie de leishmaniose dans la région de Jérusalem. Des travaux similaires ont été conduits pour le paludisme et la dengue.

Modèles théoriques

40Ces modèles se fondent sur une représentation a priori du phénomène étudié, sur la base de modèles déterministes des différents éléments du système au niveau de population tout entière et de modèles stochastiques permettant d’introduire une part d’aléatoire donc une composante individuelle (voir les principes en détail sur CD-ROM). D’une manière générale, ils reposent sur la modélisation de la transmission de l’infection entre les différents éléments du cycle épidémiologique, ce qui nécessite une représentation schématique de la transmission entre les différentes populations impliquées et ses différents stades pertinents (voir la figure 5).

41Dans le cas particulier des infections à transmission vectorielle, l’hôte réservoir et malade peut être purement animal (fièvre catarrhale ovine) ou humain (dengue, chikungunya…), ou bien l’infection peut toucher l’animal et l’homme (infection par le virus West Nile, fièvre de la vallée du Rift, leishmaniose, encéphalites à tiques, maladie de Lyme). La figure 5 concerne essentiellement les deux premières catégories. Quoi qu’il en soit, deux paramètres jouent un rôle déterminant dans les modèles de transmission (voir l’encadré) : le taux de reproduction de base et l’intervalle sériel, ou intergénérationnel (intervalle moyen entre deux cas successifs).

Figure 5. Représentation d’un modèle transmission d’une infection vectorielle

Figure 5. Représentation d’un modèle transmission d’une infection vectorielle

Exemple de représentation d’un modèle en compartiment de transmission d’une infection vectorielle (adapté de Tran et al., 2005). Les flèches pleines indiquent les flux d’état des hôtes et des vecteurs entre les compartiments de l’histoire de l’infection ; les flèches en pointillés concernent la transmission de l’agent infectieux entre l’hôte et le vecteur et inversement.

42Un modèle simple a, par exemple, été utilisé pour analyser le risque de transmission du virus West Nile aux États-Unis. Les résultats, encore sujets à discussion dans la communauté scientifique, suggèrent que le changement climatique agira sur l’abondance et sur la distribution géographique du vecteur, sur sa compétence vectorielle… Appliqué à une situation donnée, ce modèle constitue donc un outil de base d’analyse de risque.

Applications des modèles théoriques

43Plus généralement, une part de ces modèles est à but essentiellement cognitif, que ce soit sur la dengue, la leishmaniose, la fièvre de la vallée du Rift… Certains de ces travaux s’intéressent à l’effet seuil et à l’état d’équilibre entre les compartiments du modèle dans la transmission, et/ou aux phénomènes de compétition entre sérotypes, d’autres aux conditions d’application, à l’impact de l’hétérogénéité des conditions de transmission de l’infection sur les modèles et les prédictions en particulier (voir l’abondante littérature scientifique sur ces sujets sur CD-ROM).

44Une autre catégorie de modèles vise à estimer les paramètres fondamentaux de transmission (force d’infection, taux de reproduction, intervalle sériel…) avec des applications rétrospectives, voire quasi-temps réel. L’estimation du taux de reproduction par la formule de Ross et MacDonald (évoquée plus haut) pose des problèmes pratiques car on ne dispose généralement pas, pour un agent infectieux donné et dans une situation donnée, de l’ensemble des paramètres nécessaires. Un grand nombre de travaux sont publiés (voir CD-ROM), mais il importe d’en vérifier les conditions d’application au cas par cas. À noter que des travaux biomathématiques récents, menés en 2004 suite à l’épidémie de Sras, permettent par exemple une application en quasi-temps réel dès l’instant où l’on dispose des données sur les cas par unité de temps et sur le lieu de survenue ainsi que d’une estimation de la distribution de l’intervalle sériel.

Les paramètres clés de la transmission : taux de reproduction et intervalle sériel
Le taux de reproduction (R0) mesure le nombre moyen de cas d’infections, dans une population susceptible, résultant du contact avec un individu déjà infecté (hors toute mise en œuvre d’une stratégie de lutte). Un taux inférieur à 1 signifie une diminution du nombre de cas au fur et à mesure du processus de transmission, un taux supérieur à 1, une expansion de la maladie et une situation épidémique. Dans la réalité, il se peut que seule une proportion de la population soit susceptible (non immune). Pour prendre en compte ce dernier élément dans la transmission, on parle alors de taux de reproduction « net » (R), produit de R0 et de cette proportion de la population sensible. C’est alors R qui doit être inférieur à 1 pour que le risque épidémique régresse et s’éteigne. La connaissance de R0 revêt un intérêt majeur car il permet d’en déduire la proportion d’individus qui doivent être immunisés ou protégés ou d’estimer les efforts de lutte antivectorielle à conduire pour empêcher la survenue d’une épidémie.
Quant à l’intervalle sériel, il rend compte de la rapidité de survenue de cas dans la chaîne de transmission. Dans une chaîne de transmission, l’intervalle sériel est fonction de plusieurs paramètres : intervalle de temps TV entre la date d’infection et le début des symptômes chez l’hôte (1 à 2 jours pour le chikungunya), intervalle de temps TB entre l’apparition du fait infectieux et la piqûre par un moustique compétent (1 à 6 jours pour le chikungunya), intervalle de temps TM entre la piqûre responsable de la contamination du moustique et de celle qui contaminera (4 à 6 jours pour le chikungunya), intervalle de temps TI entre la date d’infection du nouvel hôte et l’apparition de ses symptômes (2 à 7 jours pour le chikungunya). Pour une infection transmise par un vecteur, ce dernier intervalle de temps dépend du vecteur et de l’interaction de l’agent infectieux avec ce dernier. D’une manière générale, plus l’intervalle sériel est court, plus la diffusion de l’infection (la multiplication du nombre de cas) s’accélère, cette accélération étant de caractère exponentiel.

45L’une des applications importantes de tels modèles portent sur l’évaluation des risques. Par exemple, c’est ainsi que l’ECDC, en collaboration avec l’InVS et l’Istituto Superiore di Sanita (Italie), a évalué le risque potentiel de voir s’installer une transmission de chikungunya et de dengue dans les régions d’Europe où le vecteur Aedes albopictus est présent, à l’aide d’un modèle théorique simple (voir plus haut le paragraphe sur l’« analyse du risque de chikungunya et de dengue » et les détails sur CD-ROM).

46Un autre type d’applications concerne les évaluations a priori et a posteriori des actions de santé publique et d’impact des mesures de lutte antivectorielle. Les premières se sont beaucoup développées au cours des dernières années, et on recense plusieurs travaux de modélisation spécifiques de la dengue, de l’onchocercose, du paludisme, du chikungunya et de la filariose lymphatique. Le projet OnchoSim, fruit d’un partenariat entre l’université Erasmus de Rotterdam et l’OMS, est à ce titre très illustratif puisqu’il fait partie intégrante du programme de lutte de l’OMS contre l’onchocercose en Afrique de l’Ouest. Il a servi à évaluer a priori diverses interventions médicales et entomologiques ainsi que leur combinaison, montrant que l’élimination de l’onchocercose par le traitement de masse est possible, avec toutefois une durée de traitement variable selon le niveau d’infestation et d’hétérogénéité de l’épidémie.

47Quant aux évaluations a posteriori des impacts de la lutte antivectorielle, elles permettent de reproduire (simuler) l’épidémie sans mesures de contrôle, puis de comparer ces prévisions avec les observations, avec l’application de mesures (voir détail sur CD-ROM). Ainsi, les travaux menés à la Réunion suggèrent qu’en l’absence de mesures de contrôle efficaces, 70 % des Réunionnais, voire plus, auraient dû être touchés par l’épidémie de chikungunya de 2005-2006. Le fait que l’épidémie se soit limitée à un taux d’attaque d’environ 38 % suggère que les mesures de lutte ont contribué à réduire la transmission de manière suffisante pour altérer le taux de reproduction net et à circonscrire l’importance de l’épidémie.

FORCES ET LIMITES DES MODÈLES

48À la lecture de la littérature scientifique, on constate donc un foisonnement de modèles. Toutefois, si quelques-uns des travaux évoqués plus haut sont dès le départ intégrés dans un programme de prévention (comme c’est le cas d’OnchoSim cité précédemment), ce n’est pas le cas de la majorité.

49À signaler également qu’un modèle de transmission d’une infection vectorielle doit intégrer les aspects sociocomportementaux : comportements de la population, contexte social, dynamique de l’immunité, effet des traitements et prophylaxies médicales… L’exemple de la transmission de la dengue à Singapour est emblématique : on a observé une discordance significative entre les succès de lutte antivectorielle (en termes d’indicateurs entomologiques) et son relatif échec en termes cliniques. Il faut en effet tenir compte de la dynamique de l’immunité de la population, suite à une réduction de la transmission du fait de la lutte antivectorielle. Ainsi, la recrudescence enregistrée aurait résulté, paradoxalement, de l’efficacité de cette lutte. Il faut être d’autant plus attentif à cet aspect qu’il existe un vaccin en développement contre la dengue.

50Cette dernière remarque, qui peut également s’appliquer à la lutte contre les vecteurs du paludisme, suscite néanmoins des controverses. Des recherches complémentaires doivent être menées afin d’affiner les relations entre le risque vectoriel et le risque épidémiologique en fonction des systèmes vectoriels.

51Enfin, la majorité des modèles théoriques sont de nature déterministe, donc fondés sur une hypothèse d’homogénéité très peu réaliste. Par ailleurs, peu d’entre eux concernent les infections vectorielles zoonotiques (West Nile, fièvre de la vallée du Rift…).

Forces

52L’apport de la modélisation tient à sa capacité à améliorer la compréhension de phénomènes complexes et à éclairer les options de gestion. Les modèles permettent en effet de comparer aux plans qualitatif et quantitatif les prévisions de la dynamique de la maladie selon différents scénarios de conditions d’interaction entre l’hôte, l’agent et l’environnement, et en fonction des mesures de lutte, même s’ils ne donnent pas la possibilité de prévoir exactement le nombre de personnes affectées ou susceptibles de l’être.

53Par exemple, lors de la dernière épidémie de chikungunya à la Réunion, on est en droit de penser qu’une analyse de risque fondée sur un modèle compartimental très simple et le modèle de Ross et MacDonald aurait permis, dès l’hiver austral 2005, d’identifier la vague épidémique du début 2006 comme faisant partie des scénarios très probables. De ce point de vue, la modélisation n’est pas et ne peut rester l’apanage des seuls modélisateurs et biomathématiciens. Elle devrait au contraire impliquer une approche et des équipes multidisciplinaires (entomologistes, virologues, épidémiologistes, biomathématiciens, ainsi que spécialistes de l’environnement, de la santé humaine et animale, de la santé publique, etc.).

Limites

54Il n’en reste pas moins que les modèles doivent toujours être interprétés avec beaucoup de prudence et après que l’on en a analysé avec soin les hypothèses et les conditions d’application. En outre, il faut garder en mémoire que les conclusions des modèles mathématiques sont très conditionnées par la validité des valeurs et de la distribution des paramètres utilisés (période d’incubation, de latence, et d’infectiosité, capacité et compétences vectorielles, taux de contact et hétérogénéité, force d’infection, taux d’infection pour une exposition à un vecteur infectieux, efficacité et durée de l’immunité acquise…). Nombre de ceux-ci sont souvent mal estimés et imprécis. Ils sont quelquefois inconnus, comme dans le cas d’une infection émergente. De la même manière, l’efficacité des mesures envisagées pour le contrôle doit avoir pu être estimée lors d’études spécifiques.

55La validation d’un modèle vis-à-vis de données observées est une condition importante d’application plus large. Cependant, et même quand la validité interne du modèle est jugée bonne, sa validité externe (performance dans une autre population/environnement ou autre système vectoriel) n’est pas nécessairement acquise.

RECOMMANDATIONS
Promouvoir une structure de santé pour coordonner l’analyse de risque
Il n’existe à ce jour aucune structure organisée spécifiquement pour piloter ce type d’analyse. En revanche, des travaux d’analyse de risques sont conduits dans les agences (Agence française de sécurité sanitaire des aliments, InVS), dans les instituts de recherche (IRD, CNRS, Inra, Cirad, Inserm), dans les universités et dans les grandes écoles. L’application du concept d’analyse de risque aux infections vectorielles apparaît tout à fait pertinente et utile pour l’aide à la décision (anticipation d’un risque, risque avéré…). Du fait de la complexité de l’analyse des systèmes vectoriels, elle implique une approche multidisciplinaire rigoureuse, qui a d’ailleurs été mise en œuvre ces dernières années au sein de plusieurs structures de santé publique.
Développer des méthodes standardisées de recueil de données communes à l’épidémiologie humaine et animale, à l’entomologie et à la lutte antivectorielle, le tout synthétisé au sein d’un système d’information géographique
L’apport de l’entomologie dans l’alerte épidémiologique relève principalement des connaissances issues de la recherche sur la biologie des populations et les interactions pathogènes-vecteurs-hôtes, et de la performance de la surveillance entomologique mise en œuvre. Beaucoup reste à faire, en particulier : évaluation et validation des indicateurs entomologiques les plus pertinents et adaptés pour l’alerte épidémiologique.
Ce type d’outil facilitera par ailleurs le suivi des indicateurs pertinents et permettra de générer des signaux d’alerte dans une perspective d’action.
Développer et intégrer la modélisation dans les plans d’anticipation, de gestion, de développement des systèmes de surveillance et/ou d’alerte précoce pour optimiser l’action des décideurs et des opérationnels
Pour cela, il est nécessaire d’impliquer des équipes de recherche pluridisciplinaire, à objectifs fondamentaux ou finalisés, de manière à pouvoir analyser les systèmes vectoriels dans toute leur complexité, y compris dans leurs composantes environnementales et humaines (dont l’immunité).
Les modèles ne sont pas une finalité, mais des outils d’aide à la compréhension des observations, à la prévision et à la décision. Il importe donc de disposer d’évaluations et de validations des modèles vis-à-vis de données d’observation, afin d’assurer l’interface entre le développement conceptuel d’un modèle et son éventuelle application opérationnelle : la validité interne d’un modèle n’implique pas nécessairement sa validité externe.
Il s’agit là d’un objectif opérationnel très important qui implique un rapprochement entre les acteurs de la veille et de la recherche dans une perspective de développement et de validation d’outils opérationnels.

Notes

1 Dans ce chapitre, les références au CD-ROM concernent la question 10 : « Quelle est la contribution de l’évaluation des risques vectoriels à l’évaluation du risque épidémique ? »

Table des illustrations

Titre Figure 5. Représentation d’un modèle transmission d’une infection vectorielle
Légende Exemple de représentation d’un modèle en compartiment de transmission d’une infection vectorielle (adapté de Tran et al., 2005). Les flèches pleines indiquent les flux d’état des hôtes et des vecteurs entre les compartiments de l’histoire de l’infection ; les flèches en pointillés concernent la transmission de l’agent infectieux entre l’hôte et le vecteur et inversement.
URL http://books.openedition.org/irdeditions/docannexe/image/1236/img-1.jpg
Fichier image/jpeg, 54k

© IRD Éditions, 2009

Conditions d’utilisation : http://www.openedition.org/6540

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search