Ce site utilise des cookies afin de vous proposer des vidéos, des boutons de partage, des remontées de contenus de plateformes sociales et des contenus animés et interactifs.
En savoir plus
A propos des cookies
Qu’est-ce qu’un « cookie » ?
Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.
Différents types de cookies sont déposés sur les sites :
Cookies strictement nécessaires au bon fonctionnement du site
Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques
Les différents types de cookies déposés sur ce site
Cookies strictement nécessaires au site pour fonctionner
Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.
Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.
Cookies techniques
Nom du cookie
Finalité
Durée de conservation
Cookies de sessions CAS et PHP
Identifiants de connexion, sécurisation de session
Session
Tarteaucitron
Sauvegarde vos choix en matière de consentement des cookies
12 mois
Cookies de mesure d’audience (AT Internet)
Nom du cookie
Finalité
Durée de conservation
atid
Tracer le parcours du visiteur afin d’établir les statistiques de visites.
13 mois
atuserid
Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site
13 mois
atidvisitor
Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.
13 mois
À propos de l’outil de mesure d’audience AT Internet :
L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.
L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.
À savoir :
Les données collectées ne sont pas recoupées avec d’autres traitements
Le cookie déposé sert uniquement à la production de statistiques anonymes
Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.
Cookies tiers destinés à améliorer l’interactivité du site
Ce site s’appuie sur certains services fournis par des tiers qui permettent :
de proposer des contenus interactifs ;
d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
de visionner directement sur notre site des vidéos et présentations animées ;
de protéger les entrées des formulaires contre les robots ;
de surveiller les performances du site.
Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.
Accepter ou refuser les cookies : comment faire ?
Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.
Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».
Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :
Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de INRAE par email à cil-dpo@inrae.fr ou par courrier à :
INRAE 24, chemin de Borde Rouge –Auzeville – CS52627 31326 Castanet Tolosan cedex - France
Mobiliser la communauté internationale dans un défi de modélisation
Mobiliser la communauté internationale dans un défi de modélisation pour mieux anticiper et maîtriser la propagation des maladies infectieuses animales
ASF Challenge a été le premier défi de modélisation en santé animale, à l’instar de ce qui est organisé de manière récurrente en santé humaine (ex : grippe, Ebola, Chikungunya, Dengue, etc.). De tels défis sont nécessaires pour être collectivement mieux préparés à faire face aux menaces sanitaires émergentes, en améliorant notamment la capacité des modélisateurs à conseiller en temps utile les décideurs politiques. Les unités BIOEPAR et IHAP du département Santé Animale d’INRAE ont développé un modèle original de la propagation spatio-temporelle du virus de la peste porcine africaine (PPA). Cette épidémie virtuelle se propage à l'interface entre porcs et sangliers dans un contexte européen typique. Le nombre de cas détectés dans chacune des deux populations d’hôtes a été fourni à des équipes internationales pour qu’elles reproduisent l'épidémie, prévoient son expansion et hiérarchisent des mesures de maîtrise. Les meilleurs modèles des participants ne sont pas les mêmes selon que l’on cherche à prévoir la suite de l’épidémie ou à évaluer des stratégies. Des modèles d'ensemble ont ensuite été proposés pour tirer parti de toutes les prévisions fournies par les modèles individuels des équipes. Ils surpassent la plupart des modèles individuels, mettant en exergue la plus-value de la compétition internationale (diversité des approches proposées) puis de la collaboration (minimisation du risque d’erreur dans les conclusions). ASF Challenge a contribué à améliorer la préparation des équipes de modélisation pour faire face aux futures épidémies de PPA mais a démontré également que la prise en compte de l'interface animaux d’élevage / faune sauvage est essentielle pour accroître notre efficacité dans la maîtrise des maladies animales émergentes.
Contexte et enjeux
Des connaissances épidémiologiques solides et des outils de modélisation prédictive sont nécessaires pour atteindre des objectifs ambitieux, tels que mieux comprendre pourquoi des épidémies ont lieu, comment elles vont évoluer dans le temps, et comment les maîtriser. De multiples approches de modélisation peuvent être utilisées au cours d'une épidémie pour soutenir une prise de décision efficace en temps opportun. Les défis de modélisation permettent de comprendre les avantages et les inconvénients des différentes approches et de favoriser le dialogue technique entre les modélisateurs. Ces défis créent des environnements uniques et stimulants « en temps de paix », et améliorent la capacité des modélisateurs à conseiller les décideurs publics « en temps de crise ». De tels défis sont couramment organisés en santé humaine, comme c’est le cas de manière récurrente pour la grippe, ou de manière ponctuelle pour la dengue, Ebola, ou le chikungunya. Cependant, aucun événement de cet ordre n’avait encore concerné la communauté des épidémiologistes en santé animale, ni ne s’était intéressé à une maladie affectant plusieurs espèces d’hôtes et avec une gestion fortement impactée par sa distribution et sa dynamique spatiale. ASF Challenge, le premier défi de modélisation en épidémiologie animale, a eu cet objectif d’améliorer la préparation des équipes internationales en modélisation épidémiologique face aux menaces sanitaires émergentes impliquant plusieurs espèces d’hôtes, comme c’est le cas pour la peste porcine africaine (PPA) qui se propage à l’interface entre les élevages de porcs et les populations de sangliers, distribués de manière hétérogène dans l’espace.
Résultats
Il n’était pas envisageable de travailler sur une épidémie réelle vu la complexité du système biologique et le manque de données d’observation. La première étape dans l’organisation d’ASF Challenge a donc été de développer un modèle original de la circulation spatio-temporelle du virus de la PPA à l’interface entre faune sauvage (sangliers) et élevages porcins (industriels ou de plein air) dans un contexte européen, afin de générer des données de détection de cas issues d’une épidémie virtuelle mais réaliste. Le modèle proposé intègre toutes les modalités de gestion règlementaires ainsi que des alternatives possibles, comme l’installation de barrières. Les organisateurs d’ASF Challenge (BIOEPAR, Nantes & IHAP, Toulouse) ont bénéficié du soutien d'un groupe d'experts (VetAgroSup, OFB, Oniris) aux connaissances complémentaires sur l'épidémiologie de la PPA, la lutte réglementée contre la PPA en élevage et dans la faune sauvage. La seconde étape, cœur d’ASF Challenge, a démarré fin Août 2020. Cinq équipes internationales ont participé au défi jusqu’à la fin. Les données ont été mises à leur disposition progressivement, pour mimer l’avancée de l’épidémie. Les équipes avaient pour objectif de prévoir la suite de l’épidémie et de répondre à des problématiques de gestion, comme identifier les meilleures mesures de maîtrise à instaurer ou estimer la probabilité d’une deuxième vague épidémique. Tout type de modèle, statistique ou mécaniste, était autorisé, mais les équipes ont toutes choisi des modèles mécanistes stochastiques spatialisés, qui différaient néanmoins beaucoup, par exemple par les hypothèses faites, le maillage spatial, les interactions entre porcs et sangliers. La troisième et dernière étape d’ASF Challenge était de comparer les résultats des cinq équipes qui sont parvenues au bout du défi. A été évaluée leur capacité à prévoir l'expansion temporelle et spatiale de l'épidémie à l'interface entre les porcs domestiques et les sangliers, et à hiérarchiser un nombre limité d'interventions alternatives. Les modèles les plus performants dans la prévision de l'épidémie de PPA différaient selon le stade d’avancement de l’épidémie, l'espèce hôte et la prévision de la dynamique spatiale ou temporelle. Des modèles d'ensemble ont été proposés pour tirer parti de toutes les prévisions fournies par les modèles individuels des équipes. Ces modèles surpassaient la plupart des modèles individuels, mettant en exergue la plus-value conjointe de la compétition internationale – aboutissant à une diversité d’approches de modélisation complémentaires - puis de la collaboration internationale – permettant de construire un cadre d’analyse réduisant le risque d’erreur dans les conclusions tirées des prévisions des modèles. ASF Challenge a aussi démontré que la prise en compte de l'interface animaux d’élevage / faune sauvage est essentielle pour accroître notre efficacité dans la maîtrise des maladies animales émergentes, et a contribué à améliorer la préparation des équipes de modélisation pour faire face aux futures épidémies de PPA, que ce soit du point de vue méthodologique ou par la constitution d’un réseau de chercheurs.
Perspectives
Organiser un défi de modélisation fournit une plateforme inspirante pour l'échange de connaissances et d'expertises sur la modélisation de la santé animale à l'interface entre le bétail et la faune sauvage. Cela permet aussi de fédérer la communauté internationale des épidémiologistes modélisateurs en santé animale, améliorant notre capacité collective à répondre à une situation de crise. Les organisateurs et les participants ont tous émis le souhait de réitérer un tel défi, en y associant plus fortement les décideurs publics pour améliorer la compréhension mutuelle entre académiques et politiques et ainsi instaurer un dialogue plus efficace, utile en cas de crise sanitaire. Des réflexions sont en cours pour organiser un autre défi de modélisation similaire sur une autre maladie réglementée d’intérêt mondial.
Valorisation
Ces travaux se sont inscrits dans le projet PPApred, financé par le département Santé Animale (DSA) d’INRAE. En plus des deux publications et de la collection d’articles à laquelle les équipes internationales ont contribué, les résultats ont aussi été présentés en conférence internationale (Epidemics), ainsi qu’au DSA. Le code source du modèle développé pour générer les données synthétiques d’ASF Challenge est open source. Une présentation aux pouvoirs publics est encore à organiser.
Références bibliographiques
Ezanno P., Picault S., Bareille S., Beaunée G., Boender G.J., Dankwa E.A., Deslandes F., Donnelly C.A., Hagenaars T.J., Hayes S., Jori F., Lambert S., Mancini M., Munoz F., Pleydell D.R.J., Thompson R.N., Vergu E., Vignes M., Vergne T. 2022. The African swine fever modelling challenge: model comparison and lessons learnt. Epidemics 40, 100615. https://doi.org/10.1016/j.epidem.2022.100615
Picault S., Vergne T., Mancini M., Bareille S., Ezanno P. 2022. The African swine fever modelling challenge: objectives, model description and synthetic data. Epidemics 40, 100616. https://doi.org/10.1016/j.epidem.2022.100616
Illustrations
Date de modification : 11 septembre 2023 | Date de création : 06 juillet 2023 | Rédaction : PE - TV
S'abonner aux actualités
Abonnez-vous aux actualités du site afin de connaître les dernières infos.