Epidemias: previsões entre a ciência e a política, matéria de hoje no Le Monde

A jornalista Catherine Mary apresenta hoje no jornal Le Monde uma importante matéria sobre os modelos matemáticos de previsão de epidemias. Ela recorda que, em 26 de setembro de 2014, os CDCs americanos (Centros de Controle e Prevenção de Doenças) anunciavam em seu boletim semanal que o número de casos de infecção por ebola na África Ocidental poderia alcançar 1,4 milhão até o fim do mês de janeiro de 2015. Na realidade, até 31 de dezembro de 2014, foram relatados à OMS 20.204 casos, com 7.905 mortes. A reportagem busca então entender o que representa esta diferença. Ao anunciar esta cifra, o Diretor dos CDC, Tom Frieden, afirmou que a publicação do modelo pretendia gerar a mobilização internacional para combate à epidemia. Segundo May, fica evidente a ambiguidade deste instrumento, científico pelos métodos mas político pelos efeitos que produz, implicando grandes interesses econômicos, como vacinações e tratamentos em grande escala. Com seu poder narrativo, os modelos trazem respostas simples para questões difíceis, frequentemente criando ilusões. A matéria traz depoimentos importantes como o de Simon Cauchemez, do Instituto Pasteur: “é muito simples fazer um modelo que vai dar os resultados que queremos ter. Pode-se fazê-lo dizer o que se quer. Há sempre um risco de que ele seja instrumentalizado”. Vale a pena ler também, ao final, a entrevista feita por May com Derek Smith.

Les modèles ont démontré le rôle primordial des transports aériens dans la diffusion des épidémies, notamment avec le virus grippal H1N1 en 2009. | Courtesy of N. Samay and A. Pastore y Piontti"

Les modèles ont démontré le rôle primordial des transports aériens dans la diffusion des épidémies, notamment avec le virus grippal H1N1 en 2009. | Courtesy of N. Samay and A. Pastore y Piontti”

Le Monde – Le 26 septembre 2014, les centres de contrôle épidémiologiques américains (CDC, pour Centers for ­Disease Control and Prevention) annonçaient dans leur bulletin hebdomadaire que le nombre de cas d’infections au virus Ebola en Afrique de l’Ouest pourrait s’élever jusqu’à 1,4 million d’ici à la fin du mois de janvier 2015. Ce scénario, correspondant à la prédiction la plus pessimiste, se réaliserait si aucune mesure supplémentaire n’était prise pour endiguer l’épidémie. Celle-ci pourrait être en revanche être contenue, selon le même modèle, si 70 % des cas étaient pris en charge de manière à ce qu’ils ne transmettent plus le virus.

Chiffre alarmiste

Au 31 décembre 2014, 20 204 cas d’infection et 7 905 décès avaient été rapportés auprès de l’Organisation mondiale de la santé (OMS). Un lourd bilan, heureusement bien éloigné de celui envisagé par les CDC. Cet écart est-il dû à l’inanité du modèle utilisé, ou bien à sa capacité, par le message qu’il portait, à entraîner la mobilisation internationale contre l’épidémie ? « Ce modèle a été publié pour montrer le taux d’inaction dans le monde », commentait Tom Frieden, le directeur des CDC, lors de la conférence de presse accompagnant la publication de ce chiffre alarmiste. De fait, cette annonce fortement médiatisée posait une nouvelle fois la question de l’instrumentalisation des modèles mathématiques.

C’est toute l’ambiguïté d’un tel outil, à la fois scientifique par les méthodes qu’il met en œuvre et politique par les effets qu’il produit. Sans parler des enjeux économiques – vaccinations ou traitements à grande échelle – qui peuvent découler de ses prédictions. Par leur pouvoir narratif, les modèles apportent des réponses simples à des questions difficiles, et créent parfois l’illusion.

« On peut leur faire dire ce qu’on veut »

Ainsi, deux modèles mathématiques publiés en 2005 dans les revues Science et Nature prédisaient qu’il était possible de contenir sur son lieu d’émergence une épidémie de grippe au virus H5N1 en Asie du Sud-Est. Il fallait pour cela disposer de traitements antiviraux en quantité suffisante, associés à des mesures de quarantaine et de fermeture des écoles et des lieux de travail. De tels modèles eurent une influence déterminante sur la constitution par l’OMS de stocks finalement inutilisés d’oseltamivir, un antiviral commercialisé sous le nom de Tamiflu® par la compagnie pharmaceutique Roche, et dont l’efficacité reste toujours discutée.

« C’est très simple de faire un modèle qui va donner les résultats qu’on veut avoir. On peut leur faire dire ce qu’on veut. Il y a toujours un risque qu’il soit instrumentalisé », remarque Simon Cauchemez de l’Institut Pasteur, à Paris. Avec Ebola, « ce n’est pas la première fois que les prédictions des modèles mathématiques se révèlent faussesnote Michael Osterholm, du Centre de recherche et de politique sur les maladies infectieuses (Cidrap) de l’université du Minnesota, à Minneapolis. Cela s’est déjà passé avec l’encéphalopathie spongiforme bovine en 1997, puis avec la grippe H1N1 en 2009. Dans la situation actuelle, les modèles génèrent plus de problèmes, en termes de crédibilité des scientifiques, qu’ils n’en résolvent. »

Lire aussi : « Les modèles mathématiques produisent de belles images qui font facilement illusion »

Conçus pour comprendre la manière dont les épidémies se propagent au sein des populations, les modèles mathématiques sont pourtant devenus un composant de plus en plus incontournable pour le choix des politiques de santé publique. Ainsi, dans les situations de maladies émergentes, des décisions doivent être prises dans l’urgence afin de contenir la propagation de l’agent infectieux alors que les données sur la maladie manquent encore pour avoir une vision juste de la situation. D’autant plus qu’au début d’une épidémie, le nombre de cas augmente de manière exponentielle avant d’atteindre, au bout de quelques semaines, une phase en plateau. Les prédictions au-delà de trois à quatre semaines ne sont donc pas fiables et ne peuvent produire que des chiffres alarmistes, extrapolés à partir de la courbe exponentielle.

Comparer prédictions et données

« Le point à partir duquel on peut dire quelque chose est vraiment une frontière à laquelle on réfléchit et sur laquelle on discute beaucoup », explique Simon Cauchemez, qui se souvient de son expérience lors de la pandémie H1N1. Il était à l’époque en poste aux CDC et les décideurs de santé publique étaient en attente de prédictions sur le taux de mortalité de ce virus alors émergent au Mexique, un indicateur essentiel de la gravité de l’épidémie. Pourtant, les chiffres manquaient pour évaluer ce taux – qui correspond au nombre de décès divisé par le nombre de cas d’infection –, car la grippe ne bénéficiait pas au Mexique de la même surveillance épidémiologique que dans les pays occidentaux. Les scientifiques se sont donc basés sur des données d’infection disponibles dans les pays occidentaux. Partant de l’hypothèse qu’un touriste avait le même risque d’infection qu’un Mexicain, ils en ont déduit l’incidence de la maladie au Mexique. Cette hypothèse leur a permis de montrer, dans un premier temps, que la maladie n’était pas aussi sévère que les toutes premières estimations l’avaient laissé croire. Des études menées par la suite à partir de données plus solides ont démontré que le taux de mortalité était encore plus faible que celui estimé par cette étude.

A mesure que l’épidémie s’installe et que les données s’accumulent, les ­mathématiciens perfectionnent leur modèle et le calibrent en comparant les prédictions avec les données. La nature, la précision et l’exactitude de ces données sont donc essentielles à une bonne analyse de la situation. « Le rêve de tout modélisateur est d’avoir les meilleures données », souligne Alessandro Vespignani, de l’université du Nord-Est, à Boston. Il a créé un modèle de diffusion de l’épidémie actuelle d’Ebola, mis en ligne sur le site de la revue PLos Current Outbreaks et conçu de manière à être régulièrement réactualisé. Les chercheurs utilisent en effet dans un premier temps le peu de données dont ils disposent, puis réactualisent leurs modèles à mesure que de nouvelles données leur parviennent, afin d’affiner leur compréhension de la situation. Ces données concernent les caractéristiques propres à la maladie (durée d’incubation, période de contagiosité, modes de transmission…), mais aussi diverses caractéristiques de la population.

Comprendre comment le virus circule

Les mathématiciens s’intéressent en particulier à la valeur du paramètre R0, qui correspond au nombre moyen de nouveaux cas générés par un sujet contagieux. Pour les virus hautement transmissibles, comme la rougeole, la valeur de R0 peut s’élever jusqu’à 15 ; elle variait entre 1,2 et 2,2 durant les premières phases de l’épidémie due au virus Ebola. R0 dépend en effet du pouvoir infectieux de la bactérie ou du virus en cause, mais aussi de la nature et de la fréquence des contacts entre personnes contagieuses et personnes susceptibles de contracter l’infection. Il s’agit donc de comprendre comment le virus circule parmi les différentes populations infectées en prenant en compte des facteurs tels que l’âge, les modes de vie, les comportements ou les moyens de transport empruntés.

Ainsi, les données recueillies lors des épidémies de SRAS en 2003 et du virus H1N1 en 2009 ont démontré le rôle primordial des transports aériens dans la diffusion des épidémies à l’échelle planétaire. Apparue au Mexique, la grippe H1N1 s’est d’abord diffusée en Espagne puis au Royaume-Uni, suivant une dynamique qui s’explique par les flux aériens. « L’idée de la propagation par ce mode de transport est assez ancienne, mais on dispose aujourd’hui de modèles qui sont au point et donnent des prédictions fiables », explique Pierre-Yves Boelle, de l’Institut Pierre-Louis d’épidémiologie et de santé publique, à l’université Paris-Descartes, qui étudie la diffusion du virus Ebola à l’échelle planétaire.

L’application de ces modèles à l’épidémie d’Ebola a ainsi démontré que des mesures de restriction du trafic aérien auraient peu d’effet sur la diffusion internationale du virus et restreindraient l’accès aux ressources pour les pays touchés en Afrique de l’Ouest. Outre son enjeu économique, la fermeture des frontières aux personnes de pays infectés peut facilement faire l’objet de récupération politique, pour justifier des politiques migratoires. Antoine Flahault (université Sorbonne Paris-Cité) se souvient ainsi qu’un modèle, développé par son équipe dans les années 1980, avait montré que le test des personnes infectées par le VIH aux frontières des pays occidentaux n’aurait pas d’incidence sur la diffusion internationale de l’épidémie, celle-ci s’étant déjà réalisée. Dans ce cas, les résultats du modèle ont permis de dépassionner un débat orienté par les thèses de l’extrême droite dans des pays comme la France ou les Etats-Unis.

Phénomènes inattendus

Par leurs prédictions, les modèles révèlent aussi parfois des phénomènes inattendus. Ainsi, dans les années 1980, un modèle britannique a montré que le nombre de cas de malformations congénitales dues à la rubéole augmenterait si la population de nourrissons était insuffisamment vaccinée. Une couverture vaccinale incomplète aurait pour effet de réduire la circulation du virus dans la population et de décaler l’âge moyen de la maladie vers les populations adultes. Les femmes enceintes auraient donc plus de risques de contracter la maladie. Une prédiction confirmée des années plus tard par les données de terrain, lors d’une épidémie de rubéole congénitale survenue en Grèce en 1993.

Souvent, les modèles mathématiques doivent être aussi conçus ad hoc, pour prendre en compte les spécificités de la situation épidémique au moment de l’émergence. Ils visent par exemple, dans le cas de l’épidémie d’Ebola, à comprendre quelle est la part de transmission à l’hôpital, au sein des villages ou lors des rites funéraires. Contrairement aux pays occidentaux, de telles données manquent dans les pays africains touchés par l’épidémie, en raison de la fragilité des systèmes de santé et de l’absence d’études épidémiologiques. Certaines régions ne disposaient d’aucun système de surveillance au moment de l’émergence de l’épidémie, ce qui a entraîné une sous-estimation du nombre de cas rapportés auprès de l’Organisation mondiale de la santé (OMS).

Enterrement d'une victime du virus Ebola à Kailahun (Sierra Leone), le 15 juillet 2014. Devant l'hypothèse que les rites funéraires seraient la principale source de contamination, des personnels de santé ont été formés pour les accompagner.
Enterrement d’une victime du virus Ebola à Kailahun (Sierra Leone), le 15 juillet 2014. Devant l’hypothèse que les rites funéraires seraient la principale source de contamination, des personnels de santé ont été formés pour les accompagner. | Katherine Mueller/IFRC/EyePress/AFP

Fondés sur des données incomplètes, les modèles n’indiquent donc que des tendances générales, mais ils sont utilisés pour tester, de manière hypothétique, des scénarios de contrôle. Tout l’enjeu est d’identifier les moyens de faire chuter le R0 à une valeur inférieure à 1, seuil en dessous duquel une épidémie s’arrête. Ces mesures doivent agir à plusieurs niveaux : réduire le taux de transmission lors des pratiques funéraires, accélérer le diagnostic de manière à traiter les personnes contaminées le plus tôt possible, contrôler la transmission des épidémies à l’hôpital, disposer de données permettant de retracer les gens ayant été en contact avec les personnes infectées. « Les modèles sont de plus en plus utilisés pour comprendre ce qui peut se passer, mais ils sont un outil parmi d’autres dans le processus de décision », explique Maria Van Kerkhove, qui dirige l’équipe d’investigation sur les épidémies au sein du Center for Global Health, à l’Institut Pasteur.

Fascination

« Le modèle permet de montrer où il faut mettre les efforts. Si un modèle mathématique prédit qu’on peut stopper l’épidémie en abaissant à 70 % le taux de transmission du virus au cours des rites funéraires, alors on concentre les moyens à cet endroit-là et on vérifie que l’hypothèse du modèle est juste », renchérit David Heymann, du cercle de réflexion Chatham House, à Londres, qui a dirigé entre 1998 et 2003 le programme sur les maladies émergentes et infectieuses de l’OMS. Des centaines de professionnels ont été mobilisés sur le terrain dans le cadre de la Mission des Nations unies pour la lutte contre Ebola, une équipe internationale incluant l’OMS, l’Unicef et plusieurs organisations non gouvernementales, dont Médecins sans frontières. Plus de 250 équipes ont notamment été formées pour accompagner le déroulement des funérailles, qui restent néanmoins la principale source de contamination.

Si les nombres de cas et de décès ont diminué au Liberia, fluctuent en Guinée et semblent sous contrôle en Sierra Leone, de nombreuses lacunes subsistent dans la surveillance : une année supplémentaire sera probablement nécessaire pour contenir l’épidémie. « Avec Ebola, le monde occidental est pris de court car il se rend compte que le monde africain a changé. Dans un monde globalisé, la santé des pays riches dépend aussi des systèmes de soin des pays pauvres », souligne Alessandro Vespignani.

Dans quelle mesure les modèles mathématiques sont-ils finalement aptes à refléter une réalité aussi complexe ? « Les modèles sont des outils très sophistiqués. Ils éclairent le comportement des épidémies, mais ne permettent pas de dire ce qui va se passer », commente le biostatisticien Bruno Falissard, de l’Institut national de la santé et de la recherche médicale. « Les mathématiciens sont souvent fascinés par leurs modèles, ce qui les rend un peu trop enthousiastes. Souvent, le scientifique manque un peu de modestie, et le politique croit au modèle », conclut-il, pour expliquer les quiproquos dont ces outils font souvent l’objet.

Face à un instrument utile, mais imparfait, que faire ? « On peut penser que les résultats de ces modèles sont utilisés à dessein par les agences comme le CDC ou l’OMS, notamment pour la mobilisation de fonds publics. Il est temps de reconnaître qu’il faut arrêter de prédire à long terme l’évolution d’épidémies émergentes, estime Antoine Flahault. Les agences doivent adopter un code de déontologie à cet égard, afin de ne pas entamer plus leur crédibilité. »

« Les modèles mathématiques produisent de belles images qui font facilement illusion »

Derek Smith dirige le Centre collaborateur international de l’Organisation mondiale de la santé (OMS) pour la modélisation, l’évolution et le ­contrôle des maladies infectieuses émergentes, à l’université de Cambridge, au Royaume-Uni. Il a mis au point, en collaboration avec le virologiste Ron Fouchier (université Erasme de Rotterdam, Pays-Bas), un modèle mathématique pour étudier les ­variations antigéniques entre les souches de virus grippaux, qui influencent la force de la réponse immunitaire. Ce modèle, la « cartographie anti­génique », classe les différentes souches de virus grippal selon leur distance ­antigénique. L’OMS l’utilise comme outil d’aide à la décision pour mettre à jour chaque année la composition du vaccin grippal. Cette saison 2014-2015, la réalité de l’épidémiologie de grippe échappe pourtant aux prédictions. Un ­nouveau virus de type ­A/H3N2 a en effet émergé en mars 2014, un mois après que la composition du vaccin grippal pour l’hémisphère Nord a été arrêtée par l’OMS. Du fait de cet événement imprévu, l’efficacité du vaccin grippal risque de ne pas être optimale cette année.

Comment savez-vous que les prédictions d’un modèle sont justes ?

C’est une question essentielle que tout modélisateur devrait se poser. J’apprends aux étudiants que je forme à le faire et à tester leur modèle. Au début, lorsque nous concevons un modèle, nous nous fondons sur ce que nous estimons être juste. Mais ensuite, nos prédictions doivent être validées dans leurs moindres détails. Les modèles doivent refléter ce qui se passe vraiment et doivent absolument être confrontés à la réalité.

Lorsque nous avons créé le modèle de cartographie antigénique, nous avons fait des prédictions à l’aveugle et ces prédictions nous ont donné des résultats surprenants. Avec Ron Fouchier, nous avons testé ces prédictions en comparant la concentration de sérums antigrippaux dont nous disposions avec les prédictions de notre modèle. Nous avons eu de la chance, car nos prédictions les plus étonnantes correspondaient à la réalité et cela nous a permis de vérifier que notre modèle était juste.

Que pensez-vous de la façon dont sont utilisés les modèles mathématiques ?

Très peu de modélisateurs testent réellement la validité de leurs modèles. C’est vrai dans tous les domaines scientifiques, car il y a une tendance à croire trop facilement les résultats qu’ils fournissent, qu’il s’agisse de modèles in vitro ou de modèles animaux, par exemple. Au moment de l’émergence de l’épidémie de sida, de nombreuses théories avaient été élaborées sur la base de résultats obtenus dans les modèles. Mais la plupart se sont révélées fausses rétrospectivement.

Cette tendance demeure, et elle est d’autant plus forte chez les auteurs de modèles mathématiques. Dans le cas des épidémies émergentes, ceux-ci sont élaborés avec les données disponibles pour répondre à l’urgence de la situation. Mais peu de modélisateurs, une fois l’urgence passée, cherchent à améliorer leurs modèles en vérifiant par exemple le nombre de cas réels d’infections à partir d’études sérologiques menées a posteriori. C’est en partie lié au fait que les informaticiens ne sont pas formés à la méthode scientifique qui consiste à élaborer une hypothèse, puis à tester sa validité à partir d’observations de ce qui se passe en réalité. Les modèles mathématiques produisent de belles images qui font facilement ­illusion. Il faut se méfier de cette illusion.

Comment remédier à cette situation ?

Dans la pratique, plusieurs choses me semblent importantes. D’abord, il faut ­travailler avec des modélisateurs ayant à l’esprit cet écueil, et qui restent prudents vis-à-vis des prédictions de leurs modèles. Ensuite, nous devons toujours vérifier le fonctionnement de nos modèles. Troisièmement, nous devons prendre garde à ne pas les utiliser comme une boîte noire, à être transparents quant à leurs limites et à garder toujours notre esprit critique en éveil. Enfin, nous devons aussi formuler des hypothèses le plus concrètement possible sans perdre de vue que nous cherchons à comprendre ce qui se passe. En ce qui concerne les décideurs politiques, ils doivent manier ces modèles avec sagesse et encourager des évaluations indépendantes.

  • Catherine Mary (propos recueillis par)
    Journaliste au Monde
Anúncios

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s