Décembre 2017 : Jean-Philippe Amat vous parle de l'article « Utility of algorithms for the analysis of integrated Salmonella surveillance data » de Vrbova et al.

Chaque mois, un membre de l’AEEMA met en avant un article scientifique de son choix. photo Amat Jean-Philippe

Ce mois-ci, Jean-Philippe Amat, épidémiologiste en santé animale et sécurité sanitaire des aliments à l'Anses de Lyon, vous propose l’article «Utility of algorithms for the analysis of integrated Salmonella surveillance data» écrit par Vrbova et al. et publié dans Epidemiology and Infection en 2016. 

Le résumé de cet article est disponible ici

 

Pouvez-vous nous résumer brièvement l’article ?

Cet article porte sur le système canadien de surveillance intégrée des salmonelles d’origine humaine et non humaine, ces dernières étant détectées dans l’alimentation (viandes de porc et de poulet) ou chez l’animal : poulets, bovins, dindes et porcs (animaux vivants et environnement en élevage). Ce système est doté d’un groupe d’experts mixte santé humaine-santé animale qui se réunit plusieurs fois par an pour analyser les résultats et identifier qualitativement (sans réalisation de tests statistiques) les tendances et éventuelles augmentations du nombre de salmonelles isolées dans au moins deux des trois secteurs de la chaîne alimentaire (animal, aliment, Homme), par sérotype et lysotype. L’objectif était d’évaluer les bénéfices qu’apporterait l’utilisation d’algorithmes statistiques -déjà disponibles- pour la détection de clusters de salmonelles via l’analyse de séries temporelles, en complément de l’analyse du groupe d’experts. Les auteurs se sont servis de données collectées pendant deux ans pour définir des lignes de base du nombre hebdomadaire d’isolats. Ils ont ensuite testé leur modèle sur les données d’une troisième année pour évaluer sa capacité à détecter des augmentations du nombre d’isolats (signaux) dans au moins deux secteurs. Les algorithmes n’ont pas permis de détecter les augmentations graduelles et les variations saisonnières décelées par le groupe ad hoc. Ils ont toutefois mis en évidence des clusters non identifiés par les experts, permettant des investigations supplémentaires et suggérant qu’ils pourraient être un outil complémentaire utile pour analyser ces données de surveillance.

 

Pourquoi avoir choisi de mettre en avant cet article ?

Améliorer l’intégration ou l’interconnexion des dispositifs de surveillance dédiés à une même population/production ou à un même danger est un enjeu qui me semble aujourd’hui important sur les plans sanitaire et économique. Cet article illustre bien cette problématique avec un sujet transversal qui touche à la fois la sécurité sanitaire des aliments, la santé humaine et, dans une moindre mesure, la santé animale.

La combinaison de diverses sources de données apparait particulièrement pertinente dans le cas de Salmonella, pour pouvoir suivre les évolutions spatiotemporelles des différents sérotypes / lysotypes et de l’antibiorésistance, pour identifier les sources de contamination (investigations) et pour être en mesure d’anticiper un risque alimentaire particulier pour l’Homme, en plus de permettre l’ajustement des programmes de surveillance, de prévention et de lutte.

La discussion sur les pistes d’amélioration de l’utilisation des données et du respect des hypothèses d’utilisation des algorithmes m’a paru très intéressante, notamment sur l’indépendance des données de surveillance chez l’animal.

Cet article a en outre un écho particulier dans le contexte français, avec le récent avènement de la Plateforme de surveillance sanitaire de la chaîne alimentaire (Plateforme SCA), qui pourrait permettre à terme l’analyse conjointe des diverses données de surveillance des salmonelles (Réseau Salmonella, plans de surveillance – plans de contrôles, autocontrôles des opérateurs, données d’investigations...). L’article donne aussi des pistes pour l’amélioration des travaux d’attribution des sources, problématique d’actualité en France, y compris via l’utilisation de nouveaux outils analytiques (séquençage complet du génome ou WGS pour whole genome sequencing).

Enfin, les collaborations étroites entre les experts de la santé humaine et ceux de la santé animale illustrées dans cet article me semblaient également à souligner.

 

Y a-t-il des points abordés dans l’article qui vous ont laissé perplexe ou que vous auriez aimé voir plus développés ?

Les discordances entre l’analyse des experts et les résultats issus des algorithmes peuvent paraître surprenantes ou déconcertantes à première vue. Toutefois, les auteurs expliquent bien en quoi les critères et modalités d’analyse utilisés sont en partie différents et comment les algorithmes peuvent de ce fait apporter un complément pertinent aux experts pour générer de nouveaux signaux d’alertes, notamment si on y intègre des données individuelles supplémentaires (historiques de voyage à l’étranger par exemple).

La grande variabilité des délais entre des signaux détectés chez l’animal, ou dans l’aliment, et chez l’Homme peut également interroger (e.g. entre 2 et 48 semaines pour un même lysotype de S. Enteritidis isolé dans de la viande de poulet puis chez des cas humains). Les auteurs n’éludent pas cet élément et soulignent qu’il faudrait définir un intervalle de temps raisonnable permettant d’identifier les liens potentiels entre des signaux issus de différents secteurs de la chaîne alimentaire. Ce point contribuerait à améliorer les travaux d’attribution de sources, mais sa résolution est difficile du fait de la complexité de la dynamique des salmonelles sur la chaîne alimentaire. Les auteurs notent qu’il est également très difficile de se servir des signaux en début de chaîne (chez l’animal vivant) pour prédire les risques de cas humains du fait de la diversité des modes de contamination, même si la voie alimentaire est largement majoritaire (mais pas uniquement par des aliments d’origine animale).

On peut regretter l’absence de discussion des différences de performance des trois algorithmes utilisés, ainsi que le faible nombre de sérotypes détectés dans les aliments durant l’année test (n=6, contre 67 chez l’Homme et 31 séries temporelles chez l’animal en comptant les différentes espèces) qui a limité de fait les possibilités de détection dans plusieurs secteurs.

 

Merci à Jean-Philippe Amat ( Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser. ) pour sa contribution.

Vous aussi souhaitez proposer un article scientifique pour cette rubrique ? Consultez les recommandations et envoyez-nous votre contribution.

A noter qu’il n’y a pas de comité de lecture pour cette rubrique et que le contenu n’engage que le contributeur du mois.

You have no rights to post comments