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 · 3 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.

Un pêcheur jette son filet dans une eau trouble, et une heure plus tard, le pont se couvre de poissons frétillants. C'est à peu près ainsi que fonctionne Episcanner : il passe au crible 14 ans de registres de morbidité et en tire chaque flambée de fièvre dans chacune des 5 570 municipalités du Brésil. De 2010 à 2023, le filet a capturé 18 567 épidémies de dengue et 2 199 épidémies de chikungunya. Auparavant, ces données étaient collectées par bribes, et comparer le nord au sud revenait à comparer des prises de rivières différentes. Désormais, tout le poisson est dans le même bateau.

Chaque épidémie capturée dans le filet reçoit un passeport : le nombre de reproduction de base R0 (combien de personnes un malade infecte en moyenne), la semaine du pic, la durée et la taille. Pour la dengue, le R0 moyen était de 1,97 ; pour le chikungunya, de 2,12. Cela signifie qu'un malade du chikungunya transmet l'infection à un nombre de personnes légèrement plus élevé qu'un malade de la dengue. La durée moyenne d'une épidémie de dengue est de 26,6 semaines, soit plus de six mois. Le chikungunya est un peu plus court : 25,5 semaines. Mais ce sont des moyennes nationales, et en réalité, le tableau est aussi bigarré que des écailles.

Au nord du Brésil, les épidémies de dengue durent plus longtemps qu'au sud. Dans certains États du nord, une flambée peut s'étendre sur près d'un an, alors qu'au sud, elle peut s'éteindre en quelques mois. Le pic de la dengue survient plus tôt que celui du chikungunya, et à l'ouest plus tôt qu'à l'est.

Pourquoi cela ? L'eau se réchauffe, et le poisson se comporte différemment. Les épidémies sont propagées par les moustiques Aedes, dont l'activité dépend de la température et des pluies. Les chercheurs ont introduit les données climatiques dans un modèle d'apprentissage automatique pour prédire la semaine du pic. Il s'avère que la température de janvier et l'indice El Niño du dernier trimestre de l'année précédente sont importants pour la prévision. Lorsque El Niño est positif, les épidémies surviennent plus tôt ; lorsque La Niña est présente, elles surviennent plus tard. Un océan chaud semble stimuler les moustiques.

Avant ces travaux, il n'existait pas de vision unifiée de la manière dont les épidémies de dengue et de chikungunya varient dans le temps et dans l'espace à l'échelle du pays. Aujourd'hui, il existe un ensemble de données ouvert, et les autorités sanitaires peuvent planifier où et quand installer des pièges à moustiques ou stocker des médicaments. Le pêcheur ne se vante pas seulement de sa prise : il montre où, dans la rivière, il vaut mieux jeter le filet la prochaine fois.

Le filet n'a pas été jeté pour la dernière fois. Les données seront mises à jour chaque semaine, et chaque nouvelle épidémie rejoindra la prise commune. Avec le temps, le filet intégrera des informations sur les sérotypes du virus de la dengue et le statut immunitaire de la population, afin de mieux comprendre pourquoi, à un endroit, le poisson remonte en banc, et à un autre, un par un. Alors, la prévision deviendra encore plus précise, et le pêcheur pourra avertir de la tempête à l'avance.

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 est la semaine du pic, alpha et b sont 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 d'infections causées par un malade.
Notions
modèle épidémique épidémie Multivariate ENSO Index Niño 4 spring predictability barrier ENSO IRI El Niño index interannual variability