Comment fonctionne MalariaControl.net?

Les modèles mathématiques sont des outils de prise de décision importants dans le contrôle des maladies infectieuses. Le paludisme est l’une des premières infections à laquelle les modèles mathématiques ont été appliqués. Au XIXe siècle, Ronald Ross, un pionnier de la modélisation du paludisme, a réalisé la pertinence des analyses mathématiques dans la planification de la lutte contre le paludisme et a développé le premier modèle en la matière.

Les effets probables de la lutte contre le paludisme ont généralement été déduits d’essais cliniques. Cependant, ces essais n’évaluent que les effets à court terme. Il existe très peu d’analyses comparatives des différentes stratégies de lutte contre le paludisme évaluant les effets à long terme.

Au vue de ces incertitudes, il est difficile d’optimiser les stratégies de lutte contre le paludisme ou de donner priorité à certains domaines de recherche.

Conditions d’un modèle prédictif :
Un modèle utilisé pour prévoir les effets sur les populations d’une stratégie de lutte contre les différents cas de paludisme doit comprendre une description détaillée des cycles d’infection.

Effets à court terme sur l’individu :
Les médicaments et vaccins peuvent donner des résultats plus complexes que les effets sur l’individu non immunisé d’une première infection. L’objectif d’un vaccin est de réduire l’intensité de l’infection ; cependant, les effets à court terme sur la pathologie et la mortalité ne sont pas proportionnels à la réduction du taux de l’infection.

Effets à long terme sur l’individu :
L’introduction des moustiquaires imprégnées dans la lutte contre le paludisme a suscité de nombreux débats concernant leurs possibles effets à long terme. Les mêmes questions se posent concernant les vaccins. Les effets à long terme des vaccins sont encore plus difficiles à prévoir car seuls ceux pouvant se mesurer dans les 6 à 18 mois suivant la vaccination peuvent être déduits des essais. De ce fait, malheureusement, les effets à long terme d’un programme de vaccination ne peuvent être déduits de tels essais. Par exemple, certains effets bénéfiques de la vaccination peuvent nécessiter une longue période avant de devenir visibles. Ils seront d’autant plus difficiles à évaluer s’il y a une augmentation naturelle de l’épidémie ou bien si les vaccins ont des effets sur les dynamiques de transmission de la maladie. En revanche, la vaccination peut simplement retarder la pathologie et sa mortalité chez certains individus. Dans ce cas, les essais sur le terrain pourraient indiquer une plus grande efficacité que celle observée lors de la mise en place du programme de vaccination.

Interaction entre les vecteurs :
Un modèle épidémiologique qui sera suivi afin d’évaluer les résultats d’une stratégie de lutte contre le paludisme doit prendre en compte la corrélation entre différents symptômes pour chaque cas étudié. Les essais sur le terrain ont généralement pour objectif de protéger les individus de l’infection ou de la pathologie et la mortalité qui en résultent, sans considérer les effets sur la transmission. L’interaction entre les vecteurs à été la base de la plupart des exercices de modélisation du paludisme.

Structure des modèles utilisés par MalariaControl.net :
L’Institut Tropical Suisse à développé de nouveaux modèles afin de prévoir quantitativement les effets probables de la vaccination contre le P. Falciparum malaria.

La principale composante de ces modèles est la simulation aléatoire des données épidémiologiques qui prend en compte un profil détaillé de chaque vecteur type mais dont l’exécution ne tient pas compte des profils. On emploie ce modèle épidémiologique pour simuler les résultats du vaccin RTS,S/AS effectué sur des adultes en Gambie et des enfants âgés de 1-5 ans au Mozambique.

Ce modèle a également été employé afin de prévoir l’impact épidémiologique possible du vaccin ainsi que sa rentabilité. Pour faire de telles prévisions, nous avons incorporé les données sur les coûts ainsi qu’un modèle de lutte contre le paludisme dans le contexte du système de santé d’un pays à bas revenus (basé sur des données de Tanzanie).

De plus, l’Institut Tropical Suisse a aussi progressé dans l’étude du développement des vecteurs du paludisme. Ce travail a pour objectif de compléter des modèles antérieurs de vecteurs du paludisme tout particulièrement afin de fournir des aperçus pertinents pour le programme de vaccination, utile dans la mise à jour des modèles épidémiologiques.

Les modèles des vecteurs du paludisme ont été adaptés à partir des résultats obtenus sur des patients sous traitements contre le paludisme et ont permis d’apporter certaines conclusions particulièrement pertinentes pour la modélisation des programmes de vaccination des "asexual blood stage". L’un des points forts de ce modèle est qu’il relie entre eux certains modèles obtenus sur différents terrains et contextes africains.

Au vue de la complexité du cycle de vie du paludisme et des lacunes dans nos connaissances actuelles, il existe des limites inhérentes à certains de ces composants qui influencent à tour de rôle les résultats généraux du modèle.
De toutes les connaissances de l’équipe de l’ITS, il s’agit ici de la simulation contre le paludisme la plus élaborée basée sur la population qui ait été faite jusqu’à présent.

Elle représente un nouvel outil important pour la planification rationnelle de la lutte contre le paludisme et le développement du vaccin. Cette simulation peut être facilement adaptée de façon à réunir l’efficacité et la rentabilité auprès des autres modèles de lutte contre le paludisme employés seuls ou combinés.
Cela permet d’intégrer des facteurs épidémiologiques et économiques dans l’élaboration rationnelle de politiques de réduction de l’intolérable fardeau qu’est le paludisme.

Actuellement, la pathologie et la mortalité engendrées par le paludisme, particulièrement en Afrique sub-saharienne, sont telles que même des stratégies qui ne modifient que légèrement l’infection, dans nombre limité de bénéficiaires, sans assurer d’effet sur la transmission, valent la peine d’être mises en place. Les effets de la transmission ne doivent pas être ignorés mais doivent simplement faire partie d’un modèle qui inclut également les effets indépendants.

Stratégie de modélisation épidémiologique :
Les modèles doivent permettre de simuler des processus susceptibles d’être affectés par la vaccination et de comprendre les relations entre ces processus et les résultats concernant un problème de santé publique.

Pour notre modèle, nous utilisons les données des schémas saisonniers de transmission et prévoyons le taux d’infection sur les humains. Ensuite, nous nous penchons sur cette relation et comment elle pourrait être modifiée par une immunité acquise naturellement ou à travers un programme de vaccination.

L’ITS en a déduit une description empirique des densités du parasite porteur asexuel dans le modèle du processus d’infection afin de prévoir de façon stochastique les densités du parasite comme un facteur de la durée d’existence d’une infection. Ceci permet aussi de modéliser les effets de l’immunité au * (asexual blood stage) en considérant la modification de la distribution des densités de parasites chez les porteurs semi-immunisés. Ce modèle pour l’immunité fournit une base franche pour l’analyse des effets possibles des * (asexual blood stage vaccins) qui peuvent être simulés par une fonction réduisant les densités de parasites.

L’ITS analyse les relations entre les densités de parasites asexuels et le degré d’infection possible du vecteur dans les traitements des patients afin d’en déduire un modèle de transmission du moustique vecteur. Cette relation est utilisée pour simuler les effets de blocage du vaccin sur la transmission. On utilise la simulation de la distribution des densités de parasites dans la population afin de prévoir le réservoir humain pouvant être infecté par la P. Falciparum.

Une simplification importante dans cette stratégie est d’éviter de prévoir les variables intermédiaires dont les relations avec les résultats épidémiologiques en terme de quantité, sont très incertaines.

Simulation stochastique :
L’ITS utilise des simulations basées sur les individus et comprenant 5 jours d’étapes pour mettre en place nos modèles d’épidémiologie du P. Falciparum.

Cette approche rend possible la modélisation des populations de vecteurs et des infections ; chacune caractérisée par un ensemble de variables continues et statiques (densités de parasites, durée des infections, ***).
Cette approche peut permettre une réflexion plus réaliste sur les interactions stochastiques entre les vecteurs individuels et pathogènes que l’utilisation de modèles ***.
L’un des points faibles de cette approche est qu’elle est statistiquement plus intensive que les alternatives déterministes. Tous les modules ont été élaborés suivant le langage de programmation FORTRAN.

Adapter aux données réelles :
Les incertitudes inhérentes aux modèles complexes peuvent être minimisées en s’assurant que le modèle se conforme le plus possible à la réalité.

L’ITS a adapté différentes composantes du modèle à un grand nombre de données de terrain provenant de différents cadres écologiques et épidémiologiques. Notre approche nous mène vers des modèles statistiques implicites nécessitant de nombreuses simulations afin de pouvoir faire une estimation approximative des paramètres. L’ITS à pu adapter ces paramètres en utilisant un algorithme * (annealing) distribuant des simulations à travers nos réseaux locaux d’ordinateurs.

Structure modulaire :
Les conditions statistiques et la difficulté d’adaptation du processus signifie qu’il n’était pas possible d’adapter notre modèle général simultanément à toutes les données pertinentes. C’est pourquoi différents sous-modèles ont été adaptés séparément.

Ces sous-modèles ont été adaptés aux données de terrain qui quantifient la relation entre la transmission de la malaria et les résultats. Chaque sous-modèle à donc été adapté conditionnellement à l’estimation des paramètres faite lors d’étapes antérieures du processus d’adaptation. Cette approche nous à permis de prévoir les effets dynamiques des traitements des épisodes cliniques. Cette réflexion est importante dans la mesure où l’ITS utilise ce modèle pour prévoir l’impact des stratégies.

Equations :
Au vu de la structure modulaire du projet, les équations sous-tendues du modèle épidémiologique sont regroupées autour de 6 composantes principales : (i) infection du porteur humain, (ii) caractéristiques des infections simulées ; (iii) contagion des moustiques ; pathologie aggravée ; (v) mortalité ; (vi) anémie.