Épidémies sous la loupe : comment le Brésil scanne la dengue et le chikungunya ✛

Original: "Large-scale Epidemiological modeling: Scanning for Mosquito-Borne Diseases Spatio-temporal Patterns in Brazil"
arXiv:2407.21286 · 2024-07-31 · CC BY 4.0 · 4 min
En 14 ans, des données ont été collectées sur 18 567 épidémies de dengue et 2 199 épidémies de chikungunya dans les 5 570 municipalités du Brésil.

Contexte

La dengue et le chikungunya sont transmis par les moustiques Aedes aegypti et Aedes albopictus, et leur dynamique dépend fortement du climat. Cependant, jusqu'à présent, il n'existait pas d'ensemble de données unifié décrivant toutes les épidémies sur un vaste territoire et sur une longue période. Les études existantes sont fragmentaires et utilisent des méthodes différentes, ce qui rend difficile la comparaison entre régions. Ce travail comble cette lacune en fournissant des estimations standardisées pour tout le Brésil. Il s'inscrit dans la lignée des travaux de modélisation mathématique des épidémies, mais se distingue par son ampleur et sa rigueur systématique.

Méthodes

Les auteurs ont développé un pipeline computationnel nommé Episcanner. Il scanne automatiquement les séries temporelles d'incidence du projet Infodengue, identifie les années épidémiques et ajuste le modèle de Richards. Ce modèle a une correspondance biunivoque avec le modèle classique SIR (Susceptible-Infectious-Recovered), ce qui permet d'estimer rapidement le nombre de reproduction de base R0, la semaine du pic, la durée et la taille de l'épidémie. Pour prédire la semaine du pic, ils ont utilisé le boosting par gradient (Histogram Gradient Boosting Regression) avec des prédicteurs climatiques, démographiques et épidémiologiques.

Résultats

Sur les 5 570 municipalités, 4 096 (73 %) ont connu au moins une épidémie de dengue, et 1 263 (22 %) une épidémie de chikungunya. Au total, 18 567 épidémies de dengue et 2 199 épidémies de chikungunya ont été enregistrées. Le R0 moyen pour la dengue était de 1,97, et pour le chikungunya de 2,12. La durée moyenne d'une épidémie de dengue était de 26,6 semaines, et celle de chikungunya de 25,5 semaines. Un gradient a été observé : les épidémies de dengue durent plus longtemps au nord et plus brièvement au sud. Le pic de la dengue survient plus tôt que celui du chikungunya, et il est plus précoce à l'ouest qu'à l'est. Le modèle d'apprentissage automatique a montré que les facteurs climatiques, en particulier la température de janvier et l'indice El Niño du dernier trimestre de l'année précédente, sont importants pour prédire la semaine du pic. Des valeurs positives de l'ENSO (El Niño) sont associées à des épidémies plus précoces, tandis que des valeurs négatives (La Niña) le sont à des épidémies plus tardives.

Implications

Ce travail fournit un ensemble de données ouvert unique, qui peut être utilisé pour comparer les épidémies entre régions et pour construire des modèles prédictifs. Contrairement aux études voisines qui se concentrent sur des villes individuelles ou des périodes courtes, celle-ci couvre tout le pays sur 14 ans avec une méthodologie uniforme. Cela permet d'identifier des tendances à long terme et l'influence des phénomènes climatiques globaux. Les résultats confirment l'hypothèse selon laquelle le réchauffement climatique aggrave le fardeau des maladies transmises par les moustiques.

Développements futurs

Le sujet pourrait évoluer vers l'intégration de données sur les sérotypes du virus de la dengue et le statut immunitaire de la population. Cela permettrait de mieux comprendre la dynamique à long terme et de prévoir les épidémies majeures. Il serait également possible d'appliquer des modèles de transmission plus détaillés pour certaines régions à haut risque. L'ensemble de données ouvert sera mis à jour chaque semaine, ce qui constitue une base pour une surveillance continue.

Impact

Les résultats pourraient être utilisés par les autorités de santé publique pour planifier les mesures de lutte contre les moustiques et la répartition des ressources. L'ensemble de données sera utile aux épidémiologistes et aux spécialistes de la modélisation des maladies infectieuses.

Prochaines étapes

La prochaine étape pourrait être l'intégration des données sur les sérotypes de la dengue et l'immunité de la population pour améliorer les prévisions. Il conviendrait également d'étudier le lien entre les paramètres épidémiques et les conditions climatiques locales à une échelle plus fine.

Problèmes ouverts clés

En épidémiologie, la question de savoir comment l'immunité collective et le changement des sérotypes influencent la périodicité et l'intensité des épidémies de dengue reste non résolue. L'absence de données sur les sérotypes limite la compréhension de la dynamique à long terme. Ce travail jette les bases de telles recherches en fournissant des paramètres épidémiques standardisés.

Le regard de la machine du savoir

Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.

Ce que fait ce travail

Cette étude présente une analyse systématique des épidémies de dengue et de chikungunya au Brésil de 2010 à 2023, à l'aide du pipeline Episcanner, qui détecte automatiquement les épidémies et ajuste le modèle de Richards pour estimer des paramètres clés tels que le R0, la durée et la semaine de pic. Les auteurs ont traité les données de l'ensemble des 5570 municipalités, mettant en évidence des tendances géographiques et climatiques, notamment un lien avec El Niño.

Où est sa force

La force de ce travail réside dans son ampleur et sa standardisation : un jeu de données unique couvrant tout le pays sur une longue période permet de comparer les épidémies entre régions et de déceler l'influence de facteurs climatiques globaux.

Vers où avancer

À essayer

  • Vérifier si l'inclusion de l'indice El Niño avec différents décalages temporels améliore la prévision de la semaine de pic.
  • Comparer les paramètres épidémiques obtenus par Episcanner avec ceux d'autres modèles sur plusieurs villes.
  • Évaluer comment le décalage entre les pics de dengue et de chikungunya varie selon les zones climatiques.

Pourquoi cela peut compter

Des estimations standardisées des épidémies à l'échelle nationale pourraient servir de base à des systèmes d'alerte précoce et à des études comparatives sur l'impact du climat sur les maladies à transmission vectorielle.

La durée moyenne d'une épidémie de dengue au Brésil est d'environ 27 semaines, soit plus de six mois. Dans les États du nord, les épidémies peuvent durer près d'un an, tandis qu'au sud, elles ne durent que quelques mois.

J(t) = L - L[1 + \alpha e^{b(t-t_j)}]^{-1/\alpha}
Décrit la croissance du nombre de cas pendant une épidémie ; L est la taille finale, t_j la semaine du pic, alpha et b des paramètres de forme.
R_0 = \frac{1}{1-\alpha}
Montre comment, à partir de la forme de la courbe épidémique, on obtient R0, le nombre moyen de contaminations par un malade.

Chiffres clés

  • municipalités couvertes: 5 570
  • épidémies de dengue: 18 567
  • épidémies de chikungunya: 2 199
  • R0 moyen de la dengue: 1.97
  • durée moyenne d'une épidémie de dengue: 26.6 semaines
Notions
modèle épidémique épidémie Multivariate ENSO Index Niño 4 spring predictability barrier ENSO IRI El Niño index interannual variability