Dans une récente étude publiée dans la revue Maladies infectieuses de la pauvretéles chercheurs ont utilisé des données de localisation de transmission pour le virus Oropouche (OROV) et la phénologie de la végétation à haute résolution à partir de données satellitaires pour développer des modèles épidémiologiques spatiaux afin de comprendre et de prédire la propagation de la maladie zoonotique à transmission vectorielle de la fièvre Oropouche.
Étude : Risque de transmission de la fièvre d’Oropouche à travers les Amériques. Crédit d’image : pauloalberto82/Shutterstock
Sommaire
Arrière-plan
Environ 17 % des maladies infectieuses dans le monde et une perte d’environ 52 000 années de vie ajustées sur l’incapacité sont attribuées aux maladies à transmission vectorielle. Bien que les maladies à transmission vectorielle soient plus courantes dans les tropiques, l’incidence des maladies à transmission vectorielle dans d’autres régions augmente en raison de la mondialisation, des changements de paysage à grande échelle et du changement climatique. De plus, un manque de compréhension des facteurs épidémiologiques et écologiques qui favorisent la transmission de ces virus et l’émergence de nouveaux agents pathogènes remet en question les systèmes de santé publique existants.
Le virus Oropouche appartient au genre Orthobunyavirus et a été décrit pour la première fois en 1954 à Trinité-et-Tobago. Les symptômes de la fièvre d’Oropouche comprennent la fièvre, la myalgie et les maux de tête, qui sont également fréquents avec d’autres maladies à transmission vectorielle telles que les fièvres Zika, dengue et Mayaro. Le virus Oropouche est un virus à acide ribonucléique (ARN) sens négatif dont le cycle sylvatique est maintenu chez les hôtes sauvages tels que les primates non humains et les paresseux et est transmis par des vecteurs arthropodes tels que Culex moustiques et moucherons. Étant donné qu’OROV a infecté au moins 500 000 personnes dans les régions d’Amérique latine et a le potentiel de déclencher une épidémie, il est essentiel de comprendre les facteurs qui influencent la propagation du virus.
À propos de l’étude
Dans la présente étude, les chercheurs ont utilisé un cadre de cartographie des risques biogéographiques utilisant des données sur les cas humains de fièvre d’Oropouche et des données sur le paysage dérivées d’images satellites. Une gamme de protocoles de modélisation a été testée pour identifier les approches qui offrent les meilleures capacités prédictives et des descriptions robustes. Ces modèles ont ensuite été utilisés pour identifier les zones potentielles où la fièvre d’Oropouche pourrait survenir et les zones présentant des syndromes fébriles inconnus qui pourraient potentiellement être causés par OROV.
De plus, les chercheurs ont également étudié comment les changements dans le paysage peuvent avoir un impact sur l’émergence d’OROV et ont utilisé cette compréhension pour estimer le nombre de personnes qui pourraient être à risque. Les données d’occurrence de la fièvre d’Oropouche ont été compilées à l’aide d’études publiées et de rapports sur des cas humains.
Les prédicteurs climatiques ont été obtenus à une résolution d’environ 7 km à partir d’un référentiel de données satellitaires sur l’humidité et la température. Les trois prédicteurs — température moyenne annuelle, humidité spécifique moyenne annuelle et plage de température annuelle — sont des facteurs importants qui déterminent la répartition des moucherons (Culicoides parensis) et d’autres vecteurs de diptères. De plus, la capacité de dispersion des espèces vectrices et fauniques hôtes est un autre paramètre important puisqu’il détermine la niche écologique et les modèles de distribution des espèces.
Une approche hypervolume a été utilisée pour intégrer les données, et les paramètres sélectionnés ont été utilisés pour calibrer et évaluer les modèles. Les modèles sélectionnés ont ensuite été utilisés pour examiner comment la couverture végétale différait entre les zones d’épidémies OROV et d’autres emplacements aléatoires. Enfin, les chevauchements entre les cartes de risque OROV et les distributions de la population humaine ont été utilisés pour estimer la proportion d’humains à risque de fièvre d’Oropouche.
Représentation schématique des stratégies basées sur les composants ou les boîtes noires pour la modélisation de la distribution des espèces de maladies infectieuses. Dans les systèmes bien connus, les modèles de maladies doivent viser à modéliser chaque composant conduisant le cycle de vie de l’agent pathogène afin de mieux caractériser sa distribution (UN). Cependant, pour le virus Oropouche (OROV), il existe de multiples lacunes dans les connaissances pour réellement faire des hypothèses sur son cycle sylvatique, en particulier, les réservoirs et les vecteurs à l’origine des épizooties sont mal représentés dans la littérature scientifique (B). Pour ces cas, la présence d’épidémies humaines permet une modélisation en boîte noire où nous supposons que les cas humains détectés représentent la manifestation de l’ensemble du cycle du virus malgré les inconnues entourant ses composants. Silhouettes développées avec Adobe Photoshop Elements
Résultats
Les résultats ont indiqué que les modèles sélectionnés prédisaient que les régions tropicales d’Amérique latine continuaient d’être des zones à risque pour la transmission OROV, malgré l’inclusion de divers prédicteurs environnementaux et de différentes zones d’étude. Les estimations ont également indiqué que près de cinq millions de personnes risquaient d’être exposées à l’OROV. En outre, les modifications du paysage associées à la perte de végétation étaient liées au risque d’épidémie de fièvre d’Oropouche.
Cependant, les chercheurs avertissent qu’il existe un degré d’incertitude associé à ces projections en raison des données limitées sur l’épidémiologie du virus. Il y a eu des exemples d’épidémies dans des régions où les conditions climatiques se situent en dehors de l’aire de répartition où se produisent la plupart des transmissions.
Les résultats ont également montré qu’une approche de modélisation d’hypervolume peut être utilisée pour comprendre les schémas géographiques et écologiques de l’apparition de la maladie et prédire le risque de transmission. La perte de végétation semble être l’un des principaux moteurs de l’apparition de la fièvre d’Oropouche.
conclusion
Pour résumer, l’étude a utilisé une approche de modélisation épidémiologique en hypervolume pour estimer le risque de transmission et prédire les zones potentielles d’occurrence de la fièvre d’Oropouche. Les régions tropicales d’Amérique latine sont exposées à un risque élevé d’épidémies futures, avec deux à cinq millions de personnes à risque d’exposition OROV. De plus, la perte de végétation a été associée à un risque accru de fièvre d’Oropouche.
