À titre d'exemple de santé publique de précision, une nouvelle étude publiée dans le serveur de pré-impression medRxiv * en juillet 2020, il rapporte la détection réussie d'un nouveau cluster potentiel de cas de COVID-19 local, grâce à l'adaptation innovante de la technologie de traçage des cas existante.
Nombre de cas en grappes et positivité du SRAS-CoV-2 pour cent à l'intérieur et à l'extérieur de la zone du cluster pour le cluster détectés le 22 juin 2020 dans 5 secteurs de recensement à New York, dans lesquels les patients ont signalé une participation commune à un rassemblement social
Les chercheurs ont utilisé le logiciel gratuit SaTScan développé par Martin Kulldorff pour générer des analyses quotidiennes des grappes de cas par emplacement géographique et par période.
Sommaire
Distribution spatiale et temporelle des cas
Les responsables de la santé publique trouvent utile de pouvoir localiser les nouveaux cas par date et lieu, car de telles données détaillées aident à surveiller la propagation de la maladie et à intervenir de manière ciblée pour contenir précocement les flambées.
Cela a été tenté en utilisant des données publiques, en utilisant des cadres quotidiens et basés sur les comtés dans l'ensemble des États-Unis. Les clusters spatiaux ont également été tracés à l'aide de codes postaux à New York (NYC).
L'analyse de cas uniquement échoue en tant que stratégie de surveillance
Le ministère de la Santé et de l'Hygiène Mentale de New York (DOHMH) a utilisé en routine la fonction d'analyse de permutation spatio-temporelle du logiciel gratuit SaTScan, dans le cadre de son programme de surveillance visant à détecter de nouvelles épidémies de maladies à déclaration obligatoire, y compris le COVID. -19, maladie des légionnaires et éclosions de salmonelles.
Cependant, dans le cas du COVID-19, la disparité des tests en fonction des paramètres d'emplacement et de temps rend l'analyse de cas uniquement inadaptée en tant que stratégie de surveillance. En effet, toute différence dans les taux de dépistage se traduira également par une différence dans les taux de maladie.
De plus, les chercheurs voulaient détecter les points chauds potentiels au stade épidémique plutôt que seulement après que l'épidémie se soit stabilisée ou se soit calmée. Par conséquent, ils ont adopté une nouvelle approche qui pourrait identifier les endroits où le nombre de cas augmentait, ou montrant un taux de chute plus lent par rapport à d'autres parties de la ville.
L'étude: les clusters communautaires
Les chercheurs se sont concentrés sur l'utilisation du logiciel pour mettre en place un système de surveillance permettant de détecter des grappes communautaires, qui présentaient un pourcentage de positivité de test plus élevé pour le SRAS-CoV-2 dans des conditions presque en temps réel et avec l'emplacement réduit au recensement défini. tracts à New York.
Ils ont ajusté la variabilité des tests. Le système est entré en service le 11 juin 2020, le premier cluster d'exposition commune au COVID-19 ayant été détecté le 22 juin.
Les données ont été recueillies auprès du DOHMH, qui reçoit tous les résultats des tests COVID-19 des résidents de l'État de New York via le système de rapport électronique des laboratoires cliniques de l'État de New York (ECLRS). Ces données de laboratoire comprennent la date de prélèvement de l'échantillon et l'adresse résidentielle avec d'autres caractéristiques démographiques du patient. De nombreux patients sont interrogés pour obtenir les symptômes du patient et la date de leur apparition.
La statistique d'analyse spatio-temporelle identifie les clusters
Le système utilise une statistique de balayage spatio-temporel sous la forme d'un balayage cylindrique. La base du cylindre occupe une zone géographique, la hauteur représentant le temps, ce qui lui permet de balayer les deux dimensions sur des périodes et des zones variables. Avec chaque position, le nombre d'observations dans le cylindre est évalué par rapport au nombre attendu d'observations, l'hypothèse nulle étant l'absence de clusters.
Un cluster est identifié comme étant le plus probable lorsque la position du cylindre présente la probabilité la plus élevée, et son importance est évaluée après ajustement pour la présence intrinsèque de plusieurs tests en raison des nombreuses positions de cylindre évaluées.
Une analyse quotidienne est nécessaire pour la détection prospective de nouveaux hotspots. Cependant, en raison de cette pratique, des intervalles de récurrence ont été utilisés à la place des valeurs p pour compenser les occurrences multiples du même test.
Pour faciliter l'objectif de détection de grappes d'infection émergentes, les chercheurs ont également ajusté leur modèle pour les altérations géographiques qui sont restées les mêmes au fil du temps. Les tendances temporelles du pourcentage de positivité à New York ont également été ajustées, car les épidémies locales plutôt que dans toute la ville étaient au centre des préoccupations.
Détection des points chauds émergents
Le logiciel a détecté 28 grappes du 11 au 30 juin. Ils ont défini la limite supérieure pour une grappe spatiale à la moitié du nombre d'individus testés, mais les grappes se trouvaient toujours dans une petite zone de rayon médian d'environ 0,7 km. Au cours de la période d'étude, le pourcentage de positivité pour le virus dans toute la ville était de 1,3%, avec un pourcentage médian de positivité par grappe de 4,7%.
Fait intéressant, plus de la moitié des individus de 10/28 grappes appartenaient au groupe d'âge des 18 à 34 ans, ce qui suggère que ce groupe se préoccupait moins de l'éloignement social. Au cours de cette période, le nombre de cas à l'échelle de la ville a diminué. Cependant, le 22 juin, un groupe de six patients d'âge médian de 40 ans a été détecté dans un rayon de 0,6 km.
Tous les patients du cluster avaient été testés le 17 juin, et les entretiens ont montré que deux des patients avaient été au même rassemblement et que la distanciation sociale n'avait pas été en pratique. Le DOHMH a alors lancé des mesures de confinement, telles que le dépistage et la recherche des contacts, la rencontre des membres de la communauté et le renforcement de la nécessité de s'auto-isoler et de se mettre en quarantaine après une éventuelle exposition par l'éducation sanitaire.
Application et efforts futurs
L'étude actuelle montre que les analyses automatisées des grappes d'infection par espace et temps sont capables de trouver de petits grappes nouvellement émergentes dans des zones limitées, favorisant les efforts de confinement à New York. Les chercheurs ont constaté qu'une grappe sur trois était dominée par les jeunes adultes, ce qui indique que ce groupe d'âge doit être ciblé pour promouvoir l'éloignement social.
Deuxièmement, bien que beaucoup d'efforts soient nécessaires pour trouver des grappes et qu'une seule grappe puisse être attribuée à une origine commune pour au moins certaines des infections, il est essentiel de détecter la propagation locale afin que les équipes de santé publique puissent restreindre le champ d'intervention requis.
En juin, nous avons effectué plusieurs ajustements pour améliorer la hiérarchisation des signaux, notamment en augmentant la taille minimale du cluster temporel de 2 à 3 jours et en augmentant le nombre minimum de cas dans les clusters de 2 à 5 cas.. »
Ils prévoient de développer davantage le système afin de faciliter la tâche des autres services de santé. Ils concluent, « Ces approches locales ciblées et basées sur le lieu sont nécessaires pour minimiser la transmission et pour mieux protéger les personnes à haut risque de maladie grave, y compris les personnes âgées et les personnes souffrant de problèmes de santé sous-jacents.. »
*Avis important
medRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé ou être traités comme des informations établies.
Référence du journal:
-
Greene, S. K. et coll. (2020). Détection des épidémies communautaires émergentes de COVID-19 à haute résolution spatio-temporelle – New York, juin 2020. medRxiv préimpression. doi: https://doi.org/10.1101/2020.07.18.20156901. https://www.medrxiv.org/content/10.1101/2020.07.18.20156901v1