Surveillance épidémiologique : application à la détection et la prédiction des épidémies

Surveillance épidémiologique : application à la détection et la prédiction des épidémies Philippe Vanhems Service Hygiène Hospitalière, Epidémiologie et Prévention Pôle Santé, Recherche, Risques et Vigilances Hôpital Edouard Herriot et UMR CNRS 5558

Plan Introduction et généralités Outils épidémiologiques Outils statistiques Autres outils Conclusion

First Avian Flu case in Hong Kong, 2005 Evènement sentinelle? WH Seto, 2009

Pas vraiment d origine asiatique http://www.afd-ld.org/~fdp_viro/content.php?page=grippe Pas vraiment aviaire

Surveillance des IN en réanimation, C.Clin Sud-est, 2001-2012

Détection des épidémies et prédiction Méthodes surtout appliquées aux infections communautaires (nombreuses publications) Peu appliquées aux IN pour la détection Automatisation reposant sur des algorithmes de sélection et d identification de cas Epidémies non clonales vs clonales

Détection des épidémies d IN et prédiction Prévoir l'émergence Prévoir l évolution après l'émergence Quelles données? Environnementales Individuelles Microbiologiques Médicaments (ATB) Autres? Surveillance vs signalement (vigilance) Modèles diffèrent selon l agent en cause : virus vs bactérie

Complexité de la prédiction en tenant compte des expositions multiples et de leur variation dans le temps

R 0 (R 0 =2) 10

R 0 (R 0 =3) 11

Approches épidémiologiques

Place des scores prédictifs NNIS n est pas un score prédictif des ISO mais un outil d ajustement Exemple: Predictive model for surgical site infection risk after surgery for high-energy lower-extremity fractures: Development of the Risk of Infection in Orthopedic Trauma Surgery Score. The NNIS System and SENIC scores were not useful in predicting the risk of infection after fixation of fractures. We propose a new score that incorporates fracture classification, American Society of Anesthesiologists classification, and body mass index as predictors of infection Paryavi, Ebrahim MD et al

Etape de construction du score : OR et régression logistique + validation

Validation

Validation

Validation

Séries chronologiques ou temporelles Evaluation de l impact de la période précédente sur la période à venir Modèle ARIMA: AutoRegressive Integrated Moving Average

Valeur ajoutée des séries chronologiques Principes d utilisation à respecter : choix des séries, transformation des séries, choix du modèle, prévisions Saisonnalité Période d observation et variabilité de la mesure (épidémies) [moyenne et variance stationnaires] Détection des épidémies Outil prédictif et évaluation de la variabilité de la prédiction

Surveillance syndromique En l absence de données étiologiques précises, les systèmes de surveillance syndromique utilisent un ensemble de données non consolidées (symptômes, motifs de recours aux urgences, diagnostics cliniques, ) qui permettent le suivi permanent de groupes syndromiques. L objectif de ces systèmes qui sont présentés comme non spécifiques mais sensibles est de pouvoir mettre en évidence rapidement une menace pour la santé publique. La surveillance syndromique est ainsi un outil pouvant servir à détecter des épidémies de caractères naturels mais également des épidémies pouvant être d origine malveillante (attaque biologique, chimiques ou nucléaires). http://archives.invs.sante.fr/agenda/syndromic_surveillance_eu/information_fr.htm

Surveillance sanitaire des urgences et des décès http://www.invs.sante.fr/dossiers-thematiques/veille-et-alerte/surveillance-syndromique-sursaud-r/qu-est-ce-quela-surveillance-syndromique

Gerbier et al, 2013

Analyses syndromiques Méthodes «space-time scan statistics (STSS)» et «what s strange about recent event (WSARE)» La méthode de surveillance sélective La méthode de monitoring en temps réel Carnevale RJ, et al. Evaluating the Utility of Syndromic Surveillance Algorithms for Screening to Detect Potentially Clonal Hospital Infection Outbreaks. Journal of the American Medical Informatics Association 2011;18:466 72. Zolldann D et al. Assessment of a Selective Surveillance Method for Detecting Nosocomial Infections in Patients in the Intensive Care Department. American Journal of Infection Control 2003; 31:261 65 Du, M et al. Real-Time Automatic Hospital-Wide Surveillance of Nosocomial Infections and Outbreaks in a Large Chinese Tertiary Hospital. BMC Medical Informatics and Decision Making 14 (January 29, 2014): 9. doi:10.1186/1472-6947-14-9.

Analyse spatiale Description et distribution des cas Méthodes d analyses spatiales adaptées Comparaisons des taux /risques en fonction du /des lieux

Système d information géographique Système d information capable de : collecter, archiver, analyser, visualiser des données «géographiques» Superposition de strates informatives Ex: données démographiques, reliefs, urbanisation, moyens de communication, etc. Logiciels adaptés : ArcGIS (auparavant appelé ArcView GIS), etc,

http://education.nationalgeographic.com/education/topics/gis/?ar_a=1

N= 102 cas 44 patients 26 enfants 31 employés +1

ILI cases by wards in 2004/2005 Ward Observed/expected Relative Risk (RR) (95% CI) 21134 0/1.15-21227 0/1.53-21235 0/3.71-21236 0/2.11-21117 1/1.80 0.56 (0.08-3.94) 21230 1/1.55 0.65 (0.09-4.58) 21169 1/1.43 0.70 (0.10-4.98) 21237 1/1.33 0.75 (0.11-5.35) 21113 1/0.78 1.28 (0.18-9.12) 21109 1/0.78 1.29 (0.18-9.12) 21245 6/1.15 5.24 (2.35-11.65) 21292 12/0.76 15.81 (8.98-27.85) Incidence in hospital < incidence in the community Incidence in hospital = incidence in the community Incidence in hospital > incidence in the community

ILI cases by wards in 2005/2006 Ward Observed/expected Relative Risk (RR) (95% CI) Incidence in hospital < incidence in the community Incidence in hospital = incidence in the community Incidence in hospital > incidence in the community 21108 0/0.01-21113 0/0.03-21115 0/0.06-21116 0/0.02-21117 0/0.08-21119 0/0.02-21121 0/0.05-21149 0/0.03-21156 0/0.06-21173 0/0.02-21176 0/0.05-21177 0/0.02-21185 0/0.01-21191 0/0.02-21219 0/0.01-21222 0/0.04-21224 0/0.05-21227 0/0.07-21230 0/0.07-21235 0/0.19-21236 0/0.11-21237 0/0.07-21245 0/0.06-21107 1/0.07 13.78 (1.94-97.85) 21192 1/0.06 15.88 (2.24-112.72) 21122 2/0.05 37.74 (9.44-150.88) 21109 2/0.03 61.85 (15.47-247.32) 21124 4/0.05 77.32 (29.02-206.02) 21292 12/0.01 1525.54 (866.37-2686.24)

ILI cases by wards in 2006/2007 Ward Observed/expected Relative Risk (RR) (95% CI) Incidence in hospital < incidence in the community Incidence in hospital = incidence in the community Incidence in hospital > incidence in the community 21108 0/0.12-21115 0/0.49-21116 0/0.22-21117 0/0.55-21119 0/0.15-21121 0/0.40-21122 0/0.40-21133 0/0.04-21151 0/0.28-21152 0/0.38-21156 0/0.44-21163 0/0.29-21169 0/0.77-21176 0/0.44-21219 0/0.07-21227 0/0.54-21230 0/0.53-21235 0/1.78-21236 0/1.19-21237 0/0.46-21245 0/0.38-21192 1/0.59 1.69 (0.24-11.98) 21222 1/0.35 2.90 (0.41-20.55) 21161 1/0.33 3.06 (0.43-21.72) 21113 1/0.27 3.73 (0.53-26.49) 21191 1/0.25 4.01 (0.57-28.50) 21173 1/0.18 5.44 (0.77-38.64) 21107 3/0.63 4.77 (1.54-14.80) 21124 5/0.54 9.30 (3.87-22.35) 21292 4/0.19 20.55 (7.71-54.74)

Approches statistiques

Approches statistiques de détection des épidémies Méthode des 2 déviations standards/moyenne Augmentation mensuelle Méthode des sommes cumulées

Méthode des 2 déviations standards par rapport à la moyenne Il s agit d établir une moyenne mensuelle ou annuelle du nombre d IN puis de considérer qu un seuil épidémique est atteint ou dépassé lorsque le nombre d IN est supérieur à la moyenne + 2DS (ET)

http://www.muelaner.com/metrology/

Méthode d augmentation mensuelle (MAM) (monthly increase tool) Le nombre d IN pour un micro-organisme lors du mois en cours est comparé au nombre total d IN par le même organisme au cours des 2 mois précédents. Une augmentation de 100% du nombre d IN lors du 3 ème mois analysé est considérée comme une période épidémique. Une augmentation 50% du nombre d infections nosocomiales sur les 3 derniers mois est également considérée comme une période épidémique

Approches informatiques complémentaires aux investigations reposant sur des alertes subjectives M A M (MI) : méthode la plus sensible, détection plus précoce, tenir compte des variations mensuelles.

Méthode des sommes cumulées (CUSUM) Calcul d une incidence des IN mensuelle ou hebdomadaire à partir des données de l année précédente incidence attendue. La différence entre incidence attendue et incidence réelle est alors calculée puis il est effectué un cumul de la différence obtenue aux différences obtenues suivantes. On obtient alors une courbe de tendance.

Thèse C. Pelat, 2010

Autres sources d information

Surveillance et alertes Alertes sous forme de mappemonde: http://www.healthmap.org Site créé dans le but de notifier géographiquement et en temps réel les alertes épidémiques (ou veille sanitaire sur Haïti par exemple). Carte alimentée par des données officielles (OMS et systèmes de veille entre autres).

Google trends : https://www.google.fr/trends/

Conclusion Modèles complexes Déclinaison au quotidien? Validation rétrospective mais prudence concernant la prédiction et sa variabilité Vigilance de terrain reste fondamentale Approches collaboratives

Nouvelles approches de recherche?

Objectif : expérimenter la détection d'un agent infectieux nosocomiale qui est présent en milieu hospitalier. http://www.3piliers.com/l--olfaction-et-son-utilisation/chien-de-detection-d--infection-nosocomiale.htm

Objectif : expérimenter la détection d'un agent infectieux nosocomiale qui est présent en milieu hospitalier. Méthode : Selles due au C. difficile ont une odeur spécifique. Un chien peut-il être formé à la détection du C. difficile? Beagle de deux ans sans aucune expérience préalable dans la détection. Formation intensive (2 mois) à la détection dans les selles et sur les patients atteint d ICD Selles négatives et positives pour C. difficile. http://www.3piliers.com/l--olfaction-et-son-utilisation/chien-de-detection-d--infection-nosocomiale.htm

Objectif : expérimenter la détection d'un agent infectieux nosocomiale qui est présent en milieu hospitalier. Méthode : Selles due au C. difficile ont une odeur spécifique. Un chien peut-il être formé à la détection du C. difficile? Beagle de deux ans sans aucune expérience préalable dans la détection. Formation intensive (2 mois) à la détection dans les selles et sur les patients atteint d ICD Selles négatives et positives pour C. difficile. Résultats Identification correcte pour les 50 échantillons positifs et pour 47/50 échantillons négatifs. Sensibilité: 100% Spécificité: 94% http://www.3piliers.com/l--olfaction-et-son-utilisation/chien-de-detection-d--infection-nosocomiale.htm

Limites : quelques fondamentaux Biais de sélection Biais de détection Puissance statistique Facteurs de confusion

11 10 9 N Infections à Clostridium difficile, Hôpîtal Edouard Herriot O3 Biais de détection? G3 O3 N1 Prea N1 N3 N3 N1 O3 H1 P2 8 7 6 5 4 3 2 1 R1 N3 P2 P2 N3 G Réa G Réa P1 E5 G4 G4 P2 H3 N3 P2 N3 Pgref H3 N1 Gréa N3 G Réa N3 L1 S1 R1 N1 N3 N3 N3 N3 N3 N3 S2 N1 H3 G3 E3 N1 N3 N3 N3 P2 N1 O3? S1 N1 N3 G4 N3 Prea P1 N3 N3 Nréa P2 N1 O3 G4 N1 N Réa N Acc G Réa N3 Nrea Nrea D2 E3 N1 Nuhcd Pgref Nuhcd G Réa N Réa N3 P1 N acc F2 N1 H4 H4 Nrea N Réa N1 N3 E5 Pgref Pgref N3 R1 V3 N Réa N Réa H3 N acc N3 H3 O3 P2 G4 N3 R1 F2 N3 Prea Nréa Nrea Nrea N3 F1 G4 Nov-06 Dec-06 Jan-07 Feb-07 M ar-07 Apr-07 M ay-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 M ar-08 Apr-08 M ay-08 Inconnu Nosocomial Importé Nosocomial Acquis Mise en culture systématique Communautaire Cas sévère Contamination croisée possible Déménagement Labo Tox- / Cult+ Décès lié à l'icd

11 10 9 N Infections à Clostridium difficile, Hôpîtal Edouard Herriot O3 G3 O3 N1 Prea N1 N3 N3 N1 O3 H1 P2 8 7 6 5 4 3 2 1 R1 N3 P2 P2 N3 G Réa G Réa P1 E5 G4 G4 P2 H3 N3 P2 N3 Pgref H3 N1 Gréa N3 G Réa N3 L1 S1 R1 N1 N3 N3 N3 N3 N3 N3 S2 N1 H3 G3 E3 N1 N3 N3 N3 P2 N1 O3 S1 N1 N3 G4 N3 Prea P1 N3 N3 Nréa P2 N1 O3 G4 N1 N Réa N Acc G Réa N3 Nrea Nrea D2 E3 N1 Nuhcd Pgref Nuhcd G Réa N Réa N3 P1 N acc F2 N1 H4 H4 Nrea N Réa N1 N3 E5 Pgref Pgref N3 R1 V3 N Réa N Réa H3 N acc N3 H3 O3 P2 G4 N3 R1 F2 N3 Prea Nréa Nrea Nrea N3 F1 G4 Nov-06 Dec-06 Jan-07 Feb-07 M ar-07 Apr-07 M ay-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 M ar-08 Apr-08 M ay-08 Inconnu Nosocomial Importé Nosocomial Acquis Communautaire Cas sévère Contamination croisée possible Tox- / Cult+ Décès lié à l'icd Mise en culture systématique Déménagement Labo

11 10 9 N Infections à Clostridium difficile, Hôpîtal Edouard Herriot? O3 G3 O3 N1 Prea N1 N3 N3 N1 O3 H1 P2 8 7 6 5 4 3 2 1 R1 N3 P2 P2 N3 G Réa G Réa P1 E5 G4 G4 P2 H3 N3 P2 N3 Pgref H3 N1 Gréa N3 G Réa N3 L1 S1 R1 N1 N3 N3 N3 N3 N3 N3 S2 N1 H3 G3 E3 N1 N3 N3 N3 P2 N1 O3 S1 N1 N3 G4 N3 Prea P1 N3 N3 Nréa P2 N1 O3 G4 N1 N Réa N Acc G Réa N3 Nrea Nrea D2 E3 N1 Nuhcd Pgref Nuhcd G Réa N Réa N3 P1 N acc F2 N1 H4 H4 Nrea N Réa N1 N3 E5 Pgref Pgref N3 R1 V3 N Réa N Réa H3 N acc N3 H3 O3 P2 G4 N3 R1 F2 N3 Prea Nréa Nrea Nrea N3 F1 G4 Nov-06 Dec-06 Jan-07 Feb-07 M ar-07 Apr-07 M ay-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 M ar-08 Apr-08 M ay-08 Inconnu Nosocomial Importé Nosocomial Acquis Communautaire Cas sévère Contamination croisée possible Tox- / Cult+ Décès lié à l'icd Mise en culture systématique Déménagement Labo

11 10 9 N Infections à Clostridium difficile, Hôpîtal Edouard Herriot O3 G3 O3 N1 Prea N1 N3 N3 N1 O3 H1 P2 8 7 6 5 4 3 2 1 R1 N3 P2 P2 N3 G Réa G Réa P1 E5 G4 G4 P2 H3 N3 P2 N3 Pgref H3 N1 Gréa N3 G Réa N3 L1 S1 R1 N1 N3 N3 N3 N3 N3 N3 S2 N1 H3 G3 E3 N1 N3 N3 N3 P2 N1 O3 S1 N1 N3 G4 N3 Prea P1 N3 N3 Nréa P2 N1 O3 G4 N1 N Réa N Acc G Réa N3 Nrea Nrea D2 E3 N1 Nuhcd Pgref Nuhcd G Réa N Réa N3 P1 N acc F2 N1 H4 H4 Nrea N Réa N1 N3 E5 Pgref Pgref N3 R1 V3 N Réa N Réa H3 N acc N3 H3 O3 P2 G4 N3 R1 F2 N3 Prea Nréa Nrea Nrea N3 F1 G4 Inconnu Nosocomial Importé Nosocomial Acquis Communautaire Cas sévère Nov-06 Dec-06 Jan-07 Feb-07 M ar-07 Apr-07 M ay-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Jan-08 Feb-08 M ar-08 Apr-08 M ay-08 Contamination croisée possible Tox- / Cult+ Décès lié à l'icd Mise en culture systématique Déménagement Labo

Définition des objectifs de la surveillance Décrire un pb de santé publique Définir des priorités d'action Objectifs quantifiés de prévention Choix d'une stratégie d'action Evaluation des actions de prévention Suggérer des pistes de recherche Plusieurs objectifs possibles 64

Points méthodologiques Définition des évènements Collecter les données Management des données Analyse des données Communiquer les résultats

Prédiction des récidives Etudes cas-témoins emboitées dans une surveillance Cas présentant une récidive Cas sans récidive avec suivi identique Ex : Infection à C. difficile ICD communautaire vs nosocomial 2 hospitalisations dans les 60j précédents, Utilisation d un TTT suppresseur de l acidité gastrique Utilisation de fluoroquinolones ou autre ATB à risque au moment des symptômes Age Séjour en réanimation : effet protecteur Zylberberg MD et al, 2014

Données biologiques (Laboratory based) Grand volume d informations Totaux mensuels de germes générant des seuils quantitatifs d agents identifiés Visualisation de cas extrêmes (outliers) suspects de cas épidémiques Typage : unité de temps, de lieu, individu Objectifs : définition de taux appropriés et des tendances Sensibilité suffisante pour détecter des épidémies

Distribution d une variable continue (ex : taux)