Publication - DOI : 10.3389/fvets.2024.1337661

Contact

• Thibaut LURIER (Cf. Page personnelle)

Mots-clés

freedom-from-infection, prevalence, output-based, surveillance, infectious-diseases

Résumé

En Europe, il existe de nombreux programmes de surveillance des maladies infectieuses des animaux de production, adaptés aux conditions spécifiques de chaque pays, rendant complexe la comparaison des probabilités d'absence d'infection. Cette revue examine les approches méthodologiques et épidémiologiques pour estimer ces probabilités à partir de données de surveillance hétérogènes. L'objectif est de quantifier l'absence d'infection en se basant sur l'absence de résultats positifs, tout en prenant en compte des éléments comme la prévalence de la maladie, la performance des tests, les facteurs de risque et la structure du programme de surveillance.
Les principales méthodes pour estimer cette probabilité incluent la modélisation par arbres de scénarios, les réseaux bayésiens, les méthodes de simulation, et le modèle STOC free. L'analyse des arbres de scénarios est la méthode de référence, tandis que les réseaux bayésiens et les méthodes de simulation permettent d'aborder des schémas plus complexes. Le modèle STOC free et les méthodes bayésiennes d’estimation de la prévalence sont particulièrement utiles pour analyser les données à long terme et au niveau des troupeaux. Cette revue sert de guide pour sélectionner la méthode appropriée selon le contexte de surveillance et les spécificités locales.

Contexte et enjeux

Réalisée dans le cadre de l’action COST Sound control, en collaboration avec de nombreux épidémiologiste européens, cette publication traite de la surveillance des maladies infectieuses des animaux de production non réglementées de manière uniforme à l'international. Chaque pays ayant des programmes de contrôle différents, il devient difficile de comparer les probabilités d'absence d'infection. Cet enjeu est crucial pour la santé animale, la sécurité alimentaire et le commerce mondial. Prouver l'absence de maladies infectieuses permet aux pays de lever des restrictions commerciales tout en optimisant la gestion sanitaire.

Résultats

Le travail recense des méthodes innovantes pour estimer la probabilité d’absence d’infection à partir de données hétérogènes. Les principales approches identifiées sont l’analyse des arbres de scénarios, les réseaux bayésiens, les méthodes de simulation et le modèle STOC free. Chaque méthode s’adapte à des contextes variés. Par exemple, les arbres de scénarios sont utilisés pour des systèmes simples, tandis que les réseaux bayésiens et les simulations peuvent gérer des dynamiques plus complexes. Le modèle STOC free permet d’estimer l'absence d'infection au niveau du troupeau en tenant compte de données longitudinales.

Perspectives

L’étude ouvre la voie à une harmonisation des méthodes de surveillance à l’échelle internationale, facilitant la comparaison entre pays. Elle encourage également le partage des données de surveillance à l’échelle européenne et l’application des approches modernes de modélisation pour mieux analyser et construire les plans de surveillances des maladies animales.

Valorisation

La valorisation de ce travail se traduit par un appuis aux politiques publiques. En effet, ce travail offre des outils précieux pour les autorités sanitaires, permettant d'améliorer la surveillance des maladies des animaux de productions tout en réduisant les coûts. Il aide aussi les pays à prouver leur statut d'exemption de maladies infectieuses, ce qui renforce leur accès aux marchés internationaux et leur compétitivité. Ces méthodes sont particulièrement utiles pour une gestion efficace des risques sanitaires à l’échelle mondiale.

Référence bibliographique

Meletis, Eleftherios, Beate Conrady, Petter Hopp, Thibaut Lurier, Jenny Frössling, Thomas Rosendal, Céline Faverjon, et al. « Review State-of-the-Art of Output-Based Methodological Approaches for Substantiating Freedom from Infection ». Frontiers in Veterinary Science 11 (14 mars 2024): 1337661. https://doi.org/10.3389/fvets.2024.1337661.