La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Philippe Bouvet CNR des Salmonella et Shigella, Unité BBPE

Présentations similaires


Présentation au sujet: "Philippe Bouvet CNR des Salmonella et Shigella, Unité BBPE"— Transcription de la présentation:

1 Philippe Bouvet CNR des Salmonella et Shigella, Unité BBPE
Détection « automatisée » de bouffées épidémiques à Salmonella : description du système du CNR, performances et perspectives Dans l ’état actuel des connaissances, les Salmonella représentent la cause la plus fréquente de diarrhées aigües bactériennes d ’origine alimentaire. Le CNR des Salmonella enregistre chaque année de à cas de salmonelloses humaines bactériologiquement prouvés. Ces infections principalement transmises par les aliments représentent un coût très élevé pour la collectivité. Une détection précoce d ’une épidémie a des répercutions importantes sur les plans social et économique. En effet plus l ’alerte est précoce, plus l ’enquête épidémiologique peut débuter rapidement et plus les chances de découvrir le véhicule alimentaire responsable sont grandes. Cela jusitifie de disposer de systèmes sensibles, spécifiques, adaptatifs qui permettent Philippe Bouvet CNR des Salmonella et Shigella, Unité BBPE

2 Salmonella / salmonelloses : contexte épidémiologique
- intérêt d ’une surveillance et d ’une alerte précoce Analyse de séries chronologiques Démonstration « statique » du système du CNR Fil rouge : épidémie à Salmonella Infantis en cours Performances Perspectives Démonstration avec les logiciels

3 Samonelles / salmonelloses
Cause la plus fréquente de diarrhées aigües bactériennes d ’origine alimentaire incubation 12 à 36 heures - dose infectante - portage Responsables de 80% des foyers de TIAC ( > 750 en 1995) cas recensés par le CNR chaque année MAIS • toutes les souches ne sont pas envoyées au CNR • tous les cas ne font pas l ’objet d ’une coproculture (5%) 25 % des cas hospitalisés Coût estimé : France (1990) : 1,2 Milliards de F Etats-Unis (1987) : 1 Milliard de $ U.S.

4 Foyers de cas groupés (TIAC…) Foyers communautaires diffus
Transmission des Salmonella Transmission alimentaire : Matières premières contaminées (œufs, viande hâchée, fromages…) Aliment contaminé par porteur sain (restauration collective, familiale…) Plus rarement Transmission inter-humaine (crèche, cas secondaires familiaux...) Foyers de cas groupés (TIAC…) Foyers communautaires diffus

5 Circonstances de survenue chez l’homme des gastro-entérites provoquées par les Salmonella

6 Surveillance des salmonelloses en France
Les objectifs: Documenter les tendances spatiales et temporelles des sérotypes de Salmonella Détecter des épidémies locales, régionales, nationales Suggérer des actions préventives Evaluer l’impact des mesures préventives Avoir connaissance d’une éventuelle antibiorésistance. Les moyens : CNR des Salmonella et Shigella (IP, Paris), InVS, DGS et ses services décentralisés (DDASS), DGAL et ses services décentralisés, DGCCRF et ses services décentralisés, AFSSA

7 Souches d’autres origines (aliments, animaux, environnement, eau)
Compte-rendus ( / an ) Souches d’autres origines (aliments, animaux, environnement, eau) AFSSA-LERHQA Laboratoires de contrôle alimentaire, vétérinaire, d’hydrologie, RELEVES et souches ( / an ) Souches d’origine humaine LABM (1600) Laboratoires hospitaliers (400) Souches ( / an) IDENTIFICATION CENTRE NATIONAL DE REFERENCE DES SALMONELLA ET DES SHIGELLA SURVEILLANCE Analyse des données de surveillance Mois, semaine National, régional, départemental Notifications d ’épidémies InVS DGS ALERTE Transmission journalière des informations épidémiologiques des nouvelles souches sérotypées au CNR Plus de 2000 LABM envoient des souches pour sérotypage au CNR (environ actuellement) et des compte-rendus de sérotypage sur les souches complètement sérotypées. Seules les souches sérotypées au CNR sont utilisées pour la surveillance car une étude faite il y a quelques années avait montré qu ’elles parvenaient en moyenne 8 jours après le prélèvement chez le malade (centile 75 : 9 jours) INVENTAIRE ANNUEL (tendances) EXPERTISE RESEAU DE LABORATOIRES

8 Analyse de séries chronologiques (Time Series Analysis)
Analyses de séries chronologiques ou Time Series Analysis Analyse spectrale ou fréquentielle (Serfling) Analyse temporelle (Box et Jenkins) Techniques de régression de Poisson Analyse spectrale ou fréquentielle (Serfling) Analyse temporelle (Box et Jenkins) Techniques de régression de Poisson MAIS Pré-requis (longueur de la série, nombre…) Chaque nouvelle donnée introduite influe sur le modèle et la prédiction (Serfling) Plusieurs hypothèses à tester Modélisation quelquefois impossible Plusieurs techniques d ’analyses de séries chronologiques existent et ont prouvé leur efficacité dans la détection de phénomènes anormaux et la prédiction de valeurs. Pour pouvoir utiliser ces différentes techniques, les séries doivent répondre à un certain nombre de pré-requis : séries suffisamment longue, nombre d ’évènements annuels en nombre suffisant. De plus ces techniques ne donnent pas de solutions univoques et il est souvent nécessaire de tester plusieurs hypothèses avant de trouver le modèle collant le mieux à la série. Ces techniques sont donc difficilement applicables dans le cadre de la surveillance exerçée par un CNR

9 « Any one who tries to analyze a TS
« Any one who tries to analyze a TS*, without plotting it first, is asking for trouble » (Chatfield) Toute analyse de série chronologique doit commencer par l ’examen de la série entière sous forme de graphique. Une des priorités a été de reconstituer à partir de relevés « papier » les séries chronologiques les plus longues possibles * TS = time series

10 Le signal observé est la résultante de :
une tendance séculaire un facteur cyclique (saisonnalité…) un signal résiduel

11 Série stationnaire + pics épidémiques
Salmonella Goldcoast Série mensuelle Sur le graphe des séries temporelles de maladies infectieuses, on trouve fréquemment une superposition d ’un phénomène stationnaire et la présence de pics épidémiques. Il est donc nécessaire d ’effectuer un lissage de la série, c ’est-à-dire de détecter systématiquement les points épidémiques correspondant à des valeurs observées nettement supérieures aux valeurs attendues puis de les remplacer par des valeurs normales.

12 Série avec tendance Salmonella Saintpaul Série mensuelle

13 Caractéristiques épidémiologiques des infections à Salmonella
grande diversité : 2500 sérotypes MAIS 15 sérotypes = 86% saisonnalité très marquée Ex : tous sérotypes - série mensuelle Echelle 0 à 2200 souches « bruit de fond » élevé (niveau national) Ex : sérotype Panama- série mensuelle Echelle 0 à 30 souches

14 Depuis 1994, système en évolution
Graphiques - tendances séculaires Seuil d ’alerte mensuel / France Seuil d ’alerte mensuel / département ou région Seuil d ’alerte hebdomadaire / France

15 OBJECTIFS DU SISALCNRSS
Informer : accéder aux données historiques du CNRSS et disposer de représentations graphiques montrant les évolutions séculaires Surveiller : améliorer le suivi spatio-temporel des principaux sérotypes de Salmonella rencontrés chez l’homme ainsi que le suivi de certaines caractéristiques des patients Alerter : pouvoir comparer l’incidence mensuelle / hebdomadaire d’un sérotype avec une valeur de référence (valeur attendue)

16 CAHIER DES CHARGES DU SISALCNRSS
simplicité (pour l’actualisation et pour l’utilisation ) intervention humaine minimale rapidité (absence de calculs statistiques lourds et complexes) applicabilité à tous les sérotypes lisibilité des sorties informatiques autorisant : un suivi régulier (hebdomadaire) une surveillance temporelle, géographique un suivi des caractéristiques des patients (tranches d’âge, sexe)

17 OUTILS INFORMATIQUES POUR LA SURVEILLANCE (1)
Trois bases de données (80 sérotypes) SURVEILLANCE MENSUELLE niveau national ( > valeurs - incidences et répartition par tranche d’âge - début 1978) niveaux départemental ou régional ( > valeurs - début 1992) SURVEILLANCE HEBDOMADAIRE niveau national ( > valeurs - incidences et répartitions par tranche d’âge et par sexe - début 1992).

18 Sérotypes de Salmonella et Shigella sous surveillance

19 OUTILS INFORMATIQUES POUR LA SURVEILLANCE (2)
chaque sérotype chaque niveau temporel (mois, semaine) chaque niveau spatial (pays, région, département) la valeur observée est comparée avec la valeur attendue (calculée d ’après les données des années précédentes, corrigées de la saisonnalité, des épidémies passées, des tendances à moyen / long terme)

20 ALGORITHME UTILISÉ AU CNR
Série originale : sérotype Y Série de 15 valeurs : lissage de la série • calcul de la moyenne • détection des mois épidémiques (> moyenne ET) puis remplacement par une valeur normale (= moyenne) ALGORITHME UTILISÉ AU CNR Série lissée Valeur attendue = moyenne des 15 valeurs de la série lissée Qualité des données : Série brute : données brutes uniquement des souches sérotypées Doublons non éliminés Pas de distinction entre souches appartenant à une même TIAC, cas sporadiques, épidémie communautaire NEGATIF Valeur attendue = moyenne des 3 valeurs de l ’année précédente Test « régression » POSITIF

21 Courbe des valeurs attendues
Série sans tendance apparente + pics épidémiques

22 Série avec tendance apparente + pics épidémiques
Courbe des valeurs attendues

23 OUTILS INFORMATIQUES POUR LA SURVEILLANCE (3)
SORTIES RELEVES DE SURVEILLANCE - par sérotype (mensuel) - par sérotype (hebdomadaire) - par sérotype et département ou région (mensuel). GRAPHIQUES DE SURVEILLANCE INTERACTIFS = « tableaux de bord électroniques” CARTES GEOGRAPHIQUES GRAPHIQUES D’INFORMATION (préparation de transparents, de diapositives...) Seuls les sérotypes ou les départements dépassant un “seuil de sensibilisation” sont imprimés

24 Présentation « statique » du système
Fil rouge : Salmonella Infantis (épidémie en cours)

25 Surveillance mensuelle France
Relevé : seuls les sérotypes dépassant les valeurs attendues sont imprimés

26 Indicateurs visuels de dépassement
Extrait du relevé de surveillance mensuel pour le mois de octobre 2001 Indicateurs visuels de dépassement Sérotype N (%) Valeurs attendues Sérotype Infantis en France en octobre 2001 Valeur observée : 47 Valeurs attendues : souches

27

28 Courbe des valeurs attendues

29

30 Surveillance mensuelle
Département / Région Relevé : seuls les sérotypes / départements dépassant les valeurs attendues sont imprimés

31 Indicateurs visuels de dépassement
Extrait du relevé par département pour le mois 10/ 2001 Indicateurs visuels de dépassement Sérotype Dép. N Valeurs attendues Sérotype Infantis dans le dép. 77 Valeur observée : 14 Valeurs attendues : 0. souche

32 Indicateurs visuels de dépassement
Extrait du relevé par région pour le mois de octobre 2001 Indicateurs visuels de dépassement Sérotype région N Valeurs attendues Sérotype Infantis en Ile-de-France Valeur observée : 24 Valeurs attendues : 4-5 souches

33

34

35

36

37

38 Surveillance hebdomadaire France
Relevé : seuls les sérotypes dépassant les valeurs attendues sont imprimés

39 Extrait du relevé de surveillance du 03/12/2001
Indicateur sérotype semaine n° N (%) valeurs visuel attendues Sérotype Infantis : dépassements des valeurs attendues les semaines 41, 42, 43, et 45

40 Grossissement sur les semaines 41 à 46 /2001

41

42

43 Distribution habituelle
(%) 7 24 13 40 3 Distribution habituelle

44 Répartition par Département

45

46 Exemple : épidémie à Salmonella Coeln - Grand Sud-Ouest
Novembre-décembre 1998

47 Sérotype COELN : série hebdomadaire 1998-1999
SEMAINES NOVEMBRE 1998

48 Données épidémiologiques

49 (%) 7 24 13 40 3 Distribution habituelle Statistiques de base

50 Répartition par Département

51 Salmonella Napoli France 19- à 20-

52

53

54

55 Autres utilisations

56 Série mensuelle Infantis en cours

57 Série mensuelle

58 Série mensuelle

59 Performances

60 Se = VP / VP + FP Sp = VN / VN + FP VPP = VP / VP + FP VPN = VN / VN + FN Obtenir un signal quand épidémie + Ne pas obtenir de signal quand épidémie - Prob. pour que le signal + corresponde à une vraie épidémie Prob. pour que l ’absence de signal corresponde à une absence d ’épidémie

61 Comparaison des performances des seuils CNR (ancien algorithme), Box & Jenkins et Serfling (d ’après C. Billy, DEA Univ. Bordeaux II/Univ. Pierre Rabelais - Tours, 1998)

62 Système perfectible Biais de recrutement - volontariat
Données brutes (doublons, souches de TIAC, d ’épidémies, de cas sporadiques...) Sensibilité : moyenne (ancien algorithme) à évaluer avec le nouvel algorithme INSUFFISANTE pour 2 sérotypes Enteritidis et Typhimurium (50% des cas signalés en «  information papier ») Spécificité : moyenne (ancien algorithme)

63 Critères pour un algorithme décisionnel (C. Billy, 1998)
Mettre en place une surveillance hebdomadaire : OUI Prise en compte du délai d ’acheminement de 8 jours: OUI Définir plusieurs niveaux d ’alerte : EN COURS Niveau 1 « surveillance passive » (pas de dépassement) Niveau 2 « sensibilisation » : première semaine de dépassement (analyses complémentaires géographiques et par tranches d ’âge) Niveau 3 « surv. passive/active » : seuil dépassé plus de deux semaines - contact avec correspondants départementaux DDASS, DSV Niveau 4 « alerte avérée » = enquête épidémiologique

64 Perspectives Regrouper tous les types de surveillance au sein d ’un
seul logiciel pour une utilisation plus facile Intégrer les « compte-rendus » de sérotypage dans le système de surveillance (Enteritidis, Typhimurium) Augmenter la rapidité de signalements des cas au CNR (Internet : Web, fichier ) Modéliser certaines séries et prédire les valeurs attendues sur des bases objectives in

65 Démonstration avec les logiciels


Télécharger ppt "Philippe Bouvet CNR des Salmonella et Shigella, Unité BBPE"

Présentations similaires


Annonces Google