Dans un article récent publié dans les Centers for Disease Control and Prevention (CDC) des États-Unis Maladies infectieuses émergentes, les chercheurs soulignent la nécessité de prioriser la recherche sur la prévision des organismes résistants aux antimicrobiens (AMRO). De plus, ils discutent des défis actuels de la prévision AMRO et du potentiel des outils de prévision au niveau de la population et des installations.
Étude: Les défis de la prévision de la résistance aux antimicrobiens. Crédit d’image : Conception de Michael/Shutterstock.com
Sommaire
La menace croissante de la résistance aux antimicrobiens
En 2019, environ 4,95 millions de décès ont été attribués à la résistance bactérienne aux antimicrobiens, la plupart de ces décès étant dus à Escherichia coli, Staphylococcus aureus, Klebsiella pneumoniae, Streptococcus pneumoniae, Acinetobacter baumannii, et Pseudomonas aeruginosa.
Malgré les nombreux progrès qui ont été réalisés dans le développement de modèles prédictifs pour les maladies infectieuses virales et aiguës telles que la grippe, la dengue et la maladie à coronavirus 2019 (COVID-19), il reste un manque de modèles de prévision qui ont été mis en œuvre pour prédire le sévérité des futurs AMRO. L’amélioration de l’intelligence prédictive sur les AMRO permettra aux chercheurs et aux responsables de la santé publique d’obtenir des informations importantes sur l’émergence et la propagation potentielles de la résistance aux antimicrobiens au sein des populations et des établissements de santé.
Approches de prévision actuelles
Divers modèles mathématiques et statistiques ont été utilisés pour lutter contre la résistance aux antimicrobiens, certains de ces modèles ayant des applications potentielles en tant qu’outils de prévision. Des analyses de séries chronologiques, par exemple, ont déjà été utilisées pour déterminer l’association entre l’utilisation d’antibiotiques et la prévalence de la résistance aux antimicrobiens au niveau de la population ; cependant, ce type d’analyse est insuffisant dans sa capacité à prédire la prévalence des antimicrobiens.
Des modèles mathématiques basés sur les processus ont également été utilisés pour étudier les AMRO en stimulant la compétition entre les souches résistantes et sensibles. De plus, des modèles au niveau individuel ont été développés en incorporant des informations provenant d’anciens patients ou de contacts avec des travailleurs de la santé afin de concevoir des réseaux de transmission potentiels dans les établissements de santé.
Lors de l’élaboration de modèles de prévision de la résistance aux antimicrobiens, il est essentiel de déterminer d’abord si ces outils seront appliqués à l’échelle de la population ou de l’établissement. Lorsqu’elles sont appliquées au niveau de la population, les prévisions AMRO peuvent prédire comment l’infection affectera la population générale pendant de longues périodes allant de mois à des années.
Au niveau de la population, les cibles prévues peuvent inclure le nombre d’infections résistantes aux antimicrobiens ou la proportion d’isolats qui présentent une résistance. Collectivement, ces informations pourraient être utilisées pour déterminer le fardeau futur de la résistance aux antimicrobiens au sein de la population, y compris son impact sur les décès, les hospitalisations, les jours de travail perdus ou les coûts économiques directs et indirects.
Comparativement, au niveau de l’établissement, l’objectif de prévision peut plutôt être le nombre d’infections antimicrobiennes détectées dans un seul hôpital ou système hospitalier. Grâce à ces informations, les établissements de santé peuvent allouer de manière préventive des ressources, notamment du matériel, des médicaments, du personnel et des espaces hospitaliers, en cas de recrudescence de ces infections.
Les défis de la prévision AMRO
Le manque de compréhension scientifique des raisons de la propagation des agents pathogènes résistants aux antimicrobiens est le premier et le plus important problème lié à la conception de modèles de prévision précis. À ce jour, on ne comprend toujours pas comment l’utilisation d’antibiotiques contribue au développement de la résistance aux antibiotiques et si un seul antibiotique a un impact plus important sur l’émergence d’espèces résistantes.
La mesure dans laquelle la compétition entre les souches bactériennes sensibles pourrait avoir un impact sur l’incidence des souches résistantes reste également mal comprise. La coexistence de ces souches sur de longues périodes reste également incertaine.
Dans les infections virales aiguës, la charge virale peut généralement être liée à l’infectiosité et au phénotype de la maladie, ce qui peut ensuite permettre aux chercheurs de prédire la gravité de ces infections. Cependant, la corrélation entre la charge pathogène et les résultats cliniques est moins claire pour les infections bactériennes ou fongiques. Cela est principalement dû à la vaste population bactérienne commensale qui réside chez l’homme, dont beaucoup peuvent être trouvées à différents niveaux dans tout le corps humain.
Dans certains pays, les systèmes de surveillance recueillent des données sur les modifications de la sensibilité aux antimicrobiens ; cependant, ces systèmes ne suivent pas les agents pathogènes responsables des infections liées aux soins de santé. De plus, le profilage des agents pathogènes résistants aux antimicrobiens est beaucoup plus limité dans les pays à revenu faible et intermédiaire (PRFI). À ce jour, malgré la surveillance au niveau de la population, les données permettant d’éclairer les prévisions opérationnelles de la résistance aux antimicrobiens restent insuffisantes.
Dans les établissements de santé, étant donné que la surveillance du portage AMRO asymptomatique n’est pas d’un intérêt clinique immédiat, elle a entravé l’estimation de la prévalence globale d’AMRO, conduisant ainsi à des cibles de prédiction biaisées pour les modèles de prédiction AMRO. Il est également impossible de recueillir des données sur les processus non biologiques à l’origine de la transmission d’agents pathogènes résistants, tels que les interactions des patients avec le personnel de santé. Dans l’ensemble, les données sur la résistance aux antimicrobiens au niveau des établissements sont rares, manquantes ou de mauvaise qualité.
Directions futures
À l’avenir, toutes les parties prenantes, telles que les professionnels de la santé, les responsables de la santé publique et les organisations de soins de santé, devront identifier les exigences spécifiques de la modélisation de la résistance aux antimicrobiens afin de faciliter la génération de prévisions opérationnelles dans des contextes réels. De plus, les informaticiens devraient concevoir des algorithmes de calcul plus efficaces pour calibrer les modèles de résistance aux antimicrobiens sur des données variées et multi-échelles et des modèles plus interprétables pour garantir que les cliniciens sont plus confiants dans ces outils.
Dans les établissements de santé, la collecte systématique de données sur les tests et la notification des infections résistantes aux antimicrobiens normaliserait les objectifs de formation et de prévision, l’échelle de l’horizon de prévision et les règles de notation appropriées, ce qui, à son tour, faciliterait l’évaluation des performances des prévisions.
Pour conclure, il reste un besoin urgent de définir des attentes appropriées et d’établir de bons critères pour la mise en œuvre réussie des outils de prédiction AMRO. Cependant, grâce aux efforts de collaboration de toutes les parties prenantes, la prévision de la résistance aux antimicrobiens peut résoudre avec succès les problèmes du monde réel en matière de santé publique et de soins aux patients.
