Les scientifiques ont développé des modèles mathématiques qui analysent les données obtenues à partir d’une première vague de la pandémie de grippe pour prédire la dynamique des vagues suivantes. De telles prédictions pourraient être utiles pour la préparation à une pandémie.
L’étude a été publiée dans BIOLOGIE COMPUTATIONNELLE PLOS.
Sommaire
Arrière-plan
La pandémie de grippe causée par le virus de la grippe H1N1 en 1918 a coûté la vie à environ 50 millions de personnes dans le monde. Le taux de létalité de la pandémie de grippe était similaire à celui estimé lors de la pandémie de maladie à coronavirus 2019 (COVID-19) en cours causée par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2).
Certains virus de la grippe aviaire hautement pathogènes ont continué à provoquer des infections humaines sporadiques ces derniers temps. Bien que la transmission interhumaine de ces infections se produise occasionnellement, il subsiste un risque d’émergence future d’une pandémie de grippe à grande échelle.
Les infections grippales suivent généralement un schéma saisonnier, des virus déjà identifiés provoquant une vague d’infections chaque hiver dans les pays tempérés du monde entier. Certains facteurs saisonniers, tels que l’humidité absolue, jouent un rôle vital dans la dynamique de la pandémie de grippe ainsi que des vagues de grippe saisonnière.
Les épidémies de grippe sont principalement associées à une émergence initiale d’une nouvelle variante virale, suivie d’une résurgence accompagnant le début de la saison grippale annuelle. Aux États-Unis, la nouvelle variante de la grippe H1N1 a provoqué une « vague printanière » entre avril et juillet 2009, avec plus de 5 millions de personnes souffrant d’infections symptomatiques.
Par la suite, une forte résurgence du virus a été observée lors d’infections grippales saisonnières en octobre 2009. Cette « vague d’automne » avait causé environ 60,8 millions d’infections et 274 304 hospitalisations en avril 2010.
Dans la présente étude, les scientifiques ont analysé les données de surveillance obtenues à partir de la «vague de printemps» à l’aide de modèles mathématiques pour prédire le moment du pic et les résultats pour la santé de la «vague d’automne» suivante. Ils ont appliqué ce cadre pour guider la prise de décision pour les futures pandémies.
Observations importantes
Les données de surveillance de l’infection grippale de la « vague printanière » de 2009 ont été recueillies dans dix États des États-Unis. Les données ont été analysées à l’aide de modèles mathématiques pour prédire les effets sur la santé de la « vague de chute ». Les effets de l’ouverture des écoles ainsi que les déclencheurs environnementaux ont été pris en compte dans le modèle.
Dans les données de surveillance, de nombreux États, dont la Californie, ont montré des signes clairs de vagues printanières et automnales distinctes. Le modèle a utilisé ces données pour la proportion de cas symptomatiques confirmés en laboratoire et hospitalisés.
Contrairement aux données de surveillance californiennes, des ensembles de données incomplets sur la vague printanière ont été obtenus des États de Géorgie, du Nouveau-Mexique et du Tennessee. Ces États ont également signalé un nombre significativement inférieur de cas au cours de la vague d’automne.
À l’aide des données de surveillance, le modèle a prédit le moment et la taille du pic de la vague de chute. Le moment du pic prédit par le modèle était légèrement antérieur au moment du pic réel des vagues de chute documenté. Cependant, en ce qui concerne la taille de la vague d’automne, les prédictions du modèle étaient raisonnablement comparables aux données de surveillance.
En ce qui concerne la proportion d’hospitalisations pendant la vague d’automne, les prédictions du modèle étaient similaires aux données de surveillance pour sept des dix États étudiés. Cependant, pour les États de Géorgie, du Nouveau-Mexique et du Tennessee, les prévisions étaient moins précises. Plus précisément, le modèle a considérablement surestimé la proportion d’hospitalisations pour ces États. Cela pourrait être dû à l’insuffisance des données de surveillance disponibles pour ces États.
Application du modèle
Les scientifiques ont déterminé comment ce modèle peut être appliqué pour la prévention en temps opportun des vagues à venir. Ils se sont spécifiquement concentrés sur les fermetures préventives d’écoles jusqu’à ce qu’un vaccin soit disponible.
Considérant une situation où 25% de la population est vaccinée et des fermetures préventives d’écoles sont mises en œuvre, le modèle prédit une réduction significative du fardeau de la santé pendant la vague d’automne. Selon la prédiction du modèle, les fermetures préventives d’écoles pendant dix semaines peuvent entraîner une réduction de 72 % de la proportion d’hospitalisations pendant la vague d’automne.
Importance de l’étude
L’étude décrit comment les modèles mathématiques de la dynamique de transmission de la grippe peuvent être utilisés pour analyser les données de surveillance préexistantes obtenues lors de la phase pandémique initiale pour la préparation future à une pandémie.
Pour les États disposant de suffisamment de données de surveillance de la première vague, le modèle prédit avec précision le fardeau sanitaire de la deuxième vague. Cependant, le modèle ne parvient pas à prédire avec précision le moment du pic de la deuxième vague.
