Comment se propage la peste porcine africaine ? Préparation pour une éventuelle épizootie : développement de modèle dans le cadre du premier challenge de modélisation en épidémiologie animale
L’amélioration de la prévention et de la gestion des épidémies et épizooties est d'autant plus cruciale dans le cas d'une maladie telle que la peste porcine africaine (PPA), impliquant plusieurs types d'hôtes, caractérisée par un taux de létalité élevé et pour laquelle il n'existe actuellement aucun traitement ou vaccin.
Dans le cadre du challenge PPA, organisé par un comité conduit par des membres de l’unité BIOEPAR (INRAE-ONIRIS Nantes) et réunissant cinq équipes internationales, une équipe formée par des chercheurs des unités BIOEPAR (INRAE-ONIRIS, Nantes) et MaIAGE (INRAE/UPSaclay, Jouy-en-Josas) a développé une approche de modélisation originale, publiée dans Epidemics.
Celle-ci est basée sur un modèle mécaniste stochastique et une procédure d'inférence pour estimer les paramètres clefs de la transmission de l’agent infectieux de la PPA, à partir de données synthétiques (incomplètes et bruitées) fournies lors du challenge. L’approche permet aussi de générer des prévisions pour des horizons temporels non observés ainsi que pour l'effet des différents scénarios de contrôle envisagés par les décideurs. Le modèle s'appuie sur des données d'observation de l'épizootie qui alimentent deux modules, correspondant aux dynamiques épidémiques et démographiques dans les populations de porcs domestiques et de sangliers respectivement, interconnectées par les réseaux de commerce d'animaux et/ou la proximité spatiale. L'inférence consiste en une procédure itérative, alternant entre les deux modules et basée sur un critère d'optimisation.
Le nombre prédit d'élevages de porcs domestiques infectés était globalement en accord avec les données. La proportion des sangliers testés positifs a été légèrement surestimée, mais avec une tendance proche de celle observée dans les données.
Au-delà des résultats quantitatifs et des difficultés inhérentes à la prévision en temps réel, cette étude a permis la construction d’un cadre de modélisation suffisamment flexible pour s'adapter aux changements des processus de transmission et des mesures de contrôle qui peuvent survenir lors d'une urgence épizootique.