RDC/Ebola : des chercheurs développent un modèle pour anticiper la propagation du virus

Des chercheurs de l'Institut national de recherche biomédicale (INRB), de l'Institut national de santé publique (INSP), de l'Organisation mondiale de la santé (OMS), de l'Université d'Oxford, d'Africa CDC et de plusieurs institutions partenaires ont développé un modèle spatio-temporel visant à anticiper la propagation du virus Ebola Bundibugyo vers de nouvelles zones de santé en RDC, selon un rapport préliminaire publié le 17 juillet.

Ce travail, élaboré à partir des données épidémiologiques disponibles jusqu'au 13 juillet, combine notamment les cas confirmés, les données démographiques et les informations sur les déplacements de population afin d'identifier les zones présentant le risque le plus élevé d'enregistrer un premier cas confirmé de maladie à virus Ebola Bundibugyo. Les auteurs précisent que l'objectif est d'aider les autorités sanitaires à prioriser les interventions et la surveillance.

Selon les prévisions du modèle jugé le plus performant, les zones de santé de Rethy, Mahagi, Jiba, Biringi, Linga, Nyarambe et Angumu en Ituri, Lubero au Nord-Kivu ainsi que Watsa et Gombari dans le Haut-Uélé figuraient, au 13 juillet, parmi les dix zones les plus exposées à une propagation du virus au cours de la semaine suivante. Les chercheurs indiquent que l'intégration des données de mobilité de Flowminder a amélioré les performances du modèle.

Le rapport souligne que l'épidémie est restée principalement concentrée dans le nord-est de la RDC jusqu'au 13 juillet, notamment dans les zones de santé de Mongbwalu, Rwampara, Bunia, Nyankunde et Nizi, avant de s'étendre à d'autres provinces, dont le Nord-Kivu, le Sud-Kivu, le Haut-Uélé et la Tshopo.

Lors de l'évaluation rétrospective du modèle, les chercheurs estiment que le suivi anticipé des dix zones de santé classées comme les plus à risque aurait permis d'identifier environ 73 % des invasions observées la semaine suivante, contre environ 2 % avec une sélection aléatoire de zones à surveiller. Ils précisent toutefois que le modèle tend à surestimer les probabilités absolues de propagation et recommandent d'utiliser prioritairement le classement des zones à risque pour orienter les décisions opérationnelles.

Les auteurs soulignent enfin que ces travaux sont préliminaires, qu'ils sont toujours en cours et qu'une publication scientifique est en préparation. Ils invitent les utilisateurs souhaitant exploiter ces données avant publication à prendre contact avec les chercheurs responsables du projet.