L’exemple de Conakry, Guinée, 2014 Caractériser la transmission et l’impact des interventions dans l’épidémie d’Ebola: L’exemple de Conakry, Guinée, 2014 Simon Cauchemez Unité de modélisation mathématique des maladies infectieuses Institut Pasteur, Paris

Réduire la transmission pour stopper l’épidémie d’Ebola Forte mobilisation de la communauté internationale. Stopper la propagation, « casser » les chaînes de transmission. Essentiel d’avoir une très bonne compréhension de la transmission d’Ebola. Qualitative: Contact direct avec un malade. Personnels de santé et proches qui s’occupent du malade. Toucher un corps lors de funérailles. Quantitative: Où la transmission a-t-elle lieu? Quel impact des mesures de contrôle à l’hôpital? Lors de funérailles? Dans la communauté?

Mesurer la transmission interhumaine d’Ebola Nombre de reproduction R: nombre moyen de personnes infectées par un cas. Y=1 t=1 Y=2 t=2 Y=4 t=3 Y=8 t=4 Si R>1, le nombre de cas augmente de façon exponentielle Initialement, en Afrique de l’Ouest R ~ 1.4-2.3 Objectif des interventions: Réduire R en dessous de 1, afin de contenir et finalement stopper l’épidémie. [OMS, NEJM, 24 Sept 2014]

Chaînes de transmission à Conakry, la capitale de Guinée, mars-août 2014

Impact des interventions En mars (avant la mise en place de mesures de contrôle) A partir d’avril (après implémentation)

Discussion Résultats pour Conakry: Bons contrôles de la transmission à l’hôpital et lors des funérailles. Une majorité de la transmission a eu lieu dans la communauté et dans les familles. L’hospitalisation des cas réduit de moitié la transmission dans la communauté. Cette quantification peut informer les décisions stratégiques qui doivent être prises pour contrôler cette épidémie. Diversité des situations sur le terrain. Les contrôles à Conakry ont permis de contenir l’épidémie localement. La transmission d’Ebola aura sans doute un profil différent dans les zones qui ont connu une explosion de cas. Important d’effectuer ce type d’analyses dans ces zones.

Remerciements Ousmane Faye1, Pierre-Yves Boëlle2,3, Emmanuel Heleze4, Oumar Faye1, Cheikh Loucoubar1, N’Faly Magassouba5, Barré Soropogui5, Sakoba Keita6, Tata Gakou6, El Hadji Ibrahima Bah7, Lamine Koivogui8, Amadou Alpha Sall1, Simon Cauchemez9    1: Arbovirus and viral hemorrhagic fever Unit, Institut Pasteur de Dakar, Dakar, Senegal 2: INSERM, UMR-S 1136, Institut Pierre Louis d’Epidémiologie et de Santé Publique, Paris, France 3: Sorbonne Universités, UPMC Univ Paris 06, UMR-S 1136, Institut Pierre Louis d’Epidémiologie et de Santé Publique, Paris, France 4: World Health Organization 5: Projet de fièvres hémorragiques de Guinée, Université Gamal Abdel Nasser, Conakry, Guinée 6: Ministry of Health, Conakry, Guinea 7: Service des maladies infectieuses, Hopital Donka, Conakry, Guinée 8: Institut National de Santé Publique de Guinée, Conakry, Guinée 9: Mathematical Modelling of Infectious Diseases Unit, Institut Pasteur, Paris, France