Il est difficile de prédire le prochain virus Ebola, mais une "prévision d'épidémie" peut aider

En Guinée rurale, un garçon de deux ans est décédé du virus Ebola en décembre 2014. Au cours des deux prochaines années, près de 30 000 personnes en Afrique de l'Ouest seraient infectées par le virus Ebola.

Pourquoi, contrairement aux 17 précédentes épidémies d’Ebola, celle-ci at-elle pris une telle ampleur, si rapidement? Que peut-on faire, le cas échéant, pour prévenir de futures épidémies? Ces questions, ainsi que de nombreuses autres, sont au cœur du champ scientifique naissant de la prévision des épidémies. Et les enjeux ne pourraient pas être plus élevés. En janvier, le Forum économique mondial a qualifié les pandémies de l’un des plus grands risques pour les entreprises et la vie humaine.

Au cours des derniers siècles, les scientifiques ont été de plus en plus aptes à prédire de nombreux aspects du monde, notamment l'orbite des planètes, le va-et-vient des marées et les trajectoires des ouragans. La capacité de comprendre suffisamment les systèmes naturels et physiques pour faire des prévisions précises est peut-être l’une des plus grandes réalisations de l’humanité.

Une grande partie de ce succès en matière de prévision commence par la conviction fondamentale d’Isaac Newton que des lois universelles immuables régissent les phénomènes naturels qui nous entourent. La capacité d'effectuer rapidement des calculs volumineux a favorisé la perspective newtonienne selon laquelle, avec suffisamment de données et de puissance de calcul, les phénomènes les plus complexes peuvent être prédits.

Il y a cependant des limites. En tant que scientifiques qui étudient ce type de systèmes prédictifs, nous doutons qu’il soit possible de prédire exactement ce qui va se passer lors d’une épidémie, car les variables les plus importantes peuvent changer énormément d’une épidémie à l’autre.

C’est pourquoi, comme pour les prévisions météorologiques, la collecte de données en temps réel est probablement essentielle pour améliorer la capacité de la communauté scientifique de prévoir les éclosions.

Épidémies capricieuses

L'idée selon laquelle les scientifiques peuvent modéliser les épidémies repose sur la notion que la trajectoire de chaque foyer est prévisible en raison de ses propriétés intrinsèques et immuables.

Supposons qu'une maladie est causée par un agent pathogène transmissible. La contagiosité de cette maladie peut être résumée dans un nombre appelé «ratio de reproduction de base» ou R0, un nombre décrivant la mesure dans laquelle un agent pathogène est susceptible de se propager dans une population donnée.

Si les épidémiologistes en savent suffisamment sur la R0 d’un agent pathogène, l’espoir est qu’ils peuvent prédire les aspects de la prochaine épidémie - et, espérons-le, empêcher les épidémies à petite échelle de se transformer en épidémies à grande échelle. Pour ce faire, ils peuvent mobiliser des ressources dans des zones où les agents pathogènes ont une valeur R0 particulièrement élevée. Ils pourraient également limiter les interactions entre les porteurs de maladie et les membres les plus vulnérables d’une société donnée, souvent les enfants et les personnes âgées.

De cette manière, R0 est interprété comme un nombre immuable. Mais les études modernes démontrent que ce n'est pas le cas.

Par exemple, considérons l'épidémie de virus Zika. Pour cette maladie, R0 variait de 0,5 à 6,3. C'est une durée remarquable, allant d'une maladie qui se dissipera d'elle-même à une autre qui provoquera une épidémie à long terme.

On pourrait penser que cette large gamme de valeurs R0 pour Zika découle d'une incertitude statistique - les scientifiques ont peut-être besoin de plus de données. Mais ce serait la plupart du temps incorrect. Pour Zika, une multitude de facteurs, du climat et des moustiques à la présence d'autres virus apparentés tels que la Dengue et le rôle de la transmission sexuelle, conduisent à des valeurs de R0 différentes dans des contextes différents.

Il s'avère que les caractéristiques d'une épidémie - la contagiosité du pathogène, le taux de transmission, la disponibilité des vaccins, etc. - changent si rapidement au cours d'une épidémie unique que les scientifiques ne sont capables de prédire la dynamique que pendant celle-ci.. En d'autres termes, étudier l'épidémie de maladie à virus Ebola en avril 2014 peut aider les scientifiques à comprendre une épidémie d'Ebola dans le même environnement le mois prochain, mais cela est souvent beaucoup moins utile pour comprendre la dynamique des futures épidémies d'Ebola, telles que celle qui s'est produite. en mai 2018.

Les épidémies ne sont souvent pas des phénomènes ordonnés et groupés. Ce sont des occurrences bruyantes où de nombreuses variables jouent des rôles essentiels mais changeants. Il n’ya pas de vérité sous-jacente à la maladie - il n’ya qu’une collection instable de détails qui varient et qui s’enchevêtrent au fur et à mesure que la maladie se propage.

De meilleures prévisions

Si les scientifiques ne sont pas convaincus de pouvoir comprendre suffisamment les systèmes épidémiologiques pour prédire le comportement de systèmes apparentés, pourquoi se préoccuper de les étudier?

La réponse pourrait résider dans ce que nous appelons une «physique douce» de prédiction: les scientifiques devraient cesser de supposer que chaque épidémie suit les mêmes règles. Lorsqu'ils comparent une éclosion à une autre, ils doivent garder à l'esprit toutes les différences contextuelles qui les séparent.

Par exemple, les biologistes ont découvert de nombreux détails sur les infections grippales. Ils savent comment les virus se lient aux cellules hôtes, comment ils se répliquent et comment ils développent une résistance aux médicaments antiviraux. Mais une épidémie aurait pu commencer lorsqu'une grande population aurait utilisé les transports en commun un certain jour du mois, tandis qu'une autre aurait pu être initiée par une congrégation lors d'un service religieux. Bien que les deux épidémies soient enracinées dans le même agent infectieux, ces différences, ainsi que de nombreuses autres différences quant à leurs particularités, signifient que les scientifiques peuvent avoir besoin de reformuler la manière dont ils modélisent l'évolution de chacun.

Pour mieux comprendre ces particularités, les scientifiques ont besoin d'investissements importants dans les données en temps réel. Considérez que le Service météorologique national dépense plus d’un milliard de dollars par an pour recueillir des données et établir des prévisions. La CDC ne dépense que le quart de ses ressources en statistiques sur la santé publique et ne dispose pas de budget dédié à la prévision.

La surveillance des maladies reste l’un des domaines scientifiques les plus importants. Un examen attentif des circonstances uniques à l'origine des éclosions et une collecte de données plus responsable pourraient sauver des milliers de vies.

Cet article a été publié à l'origine sur The Conversation par C. Brandon Ogbunu, Randall Harp et Samuel V. Scarpino. Lisez l'article original ici.