Blog

Aug 22, 2023

L'épidémiologie génomique offre des estimations à haute résolution des intervalles en série pour le COVID

Nature Communications volume 14, Numéro d'article : 4830 (2023) Citer cet article 649 Accès 18 Détails d'Altmetric Metrics Intervalles en série – le temps entre l'apparition des symptômes chez l'infecteur et la personne infectée –

Nature Communications volume 14, Numéro d'article : 4830 (2023) Citer cet article

649 accès

18 Altmétrique

Détails des métriques

Les intervalles en série – le temps entre l’apparition des symptômes chez l’infecteur et la personne infectée – sont une quantité fondamentale dans le contrôle des maladies infectieuses. Cependant, leur estimation nécessite une connaissance des expositions des individus, généralement obtenue grâce à des efforts de recherche des contacts gourmands en ressources. Nous introduisons un cadre alternatif utilisant des séquences virales pour informer qui a infecté qui et estimer ainsi les intervalles en série. Nous appliquons notre technique aux séquences du SRAS-CoV-2 provenant de groupes de cas lors des deux premières vagues de COVID-19 à Victoria, en Australie. Nous constatons que notre approche offre des estimations d’intervalles en série à haute résolution, spécifiques à un cluster, comparables à celles obtenues à partir des données de contact, même si elles ne nécessitent aucune connaissance de qui a infecté qui et s’appuient sur des données incomplètement échantillonnées. Par rapport à un intervalle de série publié, les intervalles de série spécifiques à une grappe peuvent faire varier les estimations du nombre de reproduction effectif d'un facteur de 2 à 3. Nous constatons que les estimations d’intervalles en série dans des contextes tels que les écoles et les usines de transformation/emballage de viande sont plus courtes que celles des établissements de santé.

Les données sur la séquence du génome entier (WGS) deviennent rapidement un outil fondamental dans les laboratoires de santé publique (PHL) du monde entier1,2,3. Les données WGS présentent d’énormes avantages pour les enquêtes sur les épidémies : elles identifient les événements de transmission qui n’ont pas été détectés lors de l’étude épidémiologique4 et révèlent l’impact des mesures de contrôle aux frontières5, en particulier lorsque les données sont partagées au-delà des frontières juridictionnelles3. Cependant, le contenu informatif des données génomiques à lui seul peut être limité, comme cela a été le cas lors de la pandémie de SRAS-CoV-26,7. Souvent, les données génomiques sont combinées avec des données épidémiologiques de manière ad hoc en traçant les données épidémiologiques sur les pointes des arbres phylogénétiques (dérivées de données génomiques). Cela ne se prête pas facilement aux normes de reproductibilité et de répétabilité PHL souhaitées. D’un autre côté, lorsque les données de surveillance génomique sont systématiquement liées aux informations épidémiologiques et cliniques, les enquêtes épidémiologiques génomiques peuvent mieux éclairer l’action de santé publique grâce à une compréhension contextuelle de la démographie de la population, de la vaccination, des impacts cliniques, des modèles de transmission spatiale, etc.8,9.

Dans ce travail, nous développons un cadre pour l'intégration de données génomiques, sous la forme de séquences virales du génome entier, dans les enquêtes épidémiologiques, en particulier lorsque les données épidémiologiques détaillées issues de la recherche des contacts ne sont pas disponibles. Les données sur la séquence pathogène collectées auprès d’individus infectés ne révèlent pas directement qui a infecté qui, mais peuvent néanmoins offrir une vision haute résolution de la transmission. Nous nous concentrons sur l'estimation spécifique à un groupe de l'intervalle sériel, une mesure clé décrivant la propagation d'une maladie infectieuse, définie comme la durée entre l'apparition des symptômes dans un cas primaire et secondaire. Cela renseigne à la fois sur la vitesse de transmission et sur le moment où la transmission est susceptible de se produire au cours du processus d’infection.

Les intervalles en série sont généralement déduits de petits groupes d'individus avec des contacts connus et des moments d'apparition des symptômes10,11, mais la collecte de ces données peut nécessiter beaucoup de ressources, et les considérations de confidentialité et de reporting limitent le reporting et l'utilisation à grande échelle. En conséquence, les estimations de l’intervalle en série appliquées dans la pratique (qui sous-tendent l’estimation d’autres quantités épidémiologiques telles que le nombre de reproduction dépendant du temps Rt) sont souvent tirées de petites études, pas nécessairement menées au même endroit ou au même moment que la population en question. Des méthodes qui ne nécessitent pas de savoir qui a infecté qui ont été développées, mais qui supposent que la population est entièrement échantillonnée12,13. Lorsque les données de recherche des contacts sont disponibles, les approches courantes consistent à considérer la distribution des intervalles en série observés entre les paires de contacts recherchés supposées représenter une transmission directe14, ou à surveiller la population pour détecter les cas index infectés par l'agent pathogène d'intérêt, puis à effectuer un suivi. avec des contacts proches tels que des membres de leur foyer pour rechercher des cas secondaires15. De telles approches ont été étendues par la réf. 10 pour tenir compte des cas intermédiaires non échantillonnés, en utilisant des intervalles cas par cas index (ICC), définis comme le temps écoulé entre l'apparition des symptômes de tous les cas secondaires et le cas index dans une petite population telle qu'un ménage, un internat ou un établissement fermé. lieu de travail. En autorisant jusqu'à deux cas non échantillonnés entre le cas index et un cas secondaire, Vink et al. prendre en compte une éventuelle sous-déclaration. Cependant, la limitation du nombre d'intermédiaires non échantillonnés et la charge de l'identification du cas index signifient que cette approche est la plus adaptée aux populations petites et fermées.