Mpox 2024-2026 : comment lire l’info (incidence, R0/Rt, biais de dépistage) sans se faire piéger
La résurgence de mpox (anciennement variole du singe) dans plusieurs pays rappelle un point clé : les courbes de cas ne sont pas “la réalité”, elles sont un produit du système de surveillance.
1) Incidence vs cas notifiés
- Incidence = nouveaux cas sur une période / population à risque.
- Cas notifiés = cas détectés + testés + déclarés.
Une hausse des cas notifiés peut refléter : (i) plus de transmission, (ii) plus de tests, (iii) une définition de cas élargie, (iv) une meilleure notification.
2) Rt n’est pas R0
- R0 suppose une population totalement susceptible et des conditions stables.
- Rt (ou Re) varie dans le temps selon immunité, comportements, interventions, accès au diagnostic.
Interprétation pratique : Rt>1 suggère une croissance parmi les infections qui se produisent, mais votre estimation dépend fortement du délai infection→symptômes→test→notification.
3) Biais de dépistage : l’ennemi discret
Si la sensibilisation augmente, des personnes avec symptômes légers consultent davantage : la courbe monte, mais la sévérité moyenne baisse. Sans données de dénominateur (nombre de tests, critères de test), on risque de surestimer la dynamique.
4) Indicateurs à rechercher (surveillance “robuste”)
- Positivité (tests positifs / tests réalisés), par groupe et région.
- Délais de notification (médiane, IQR).
- Taux d’hospitalisation et admissions en soins critiques standardisés (âge, comorbidités).
- Données de vaccination (couverture, calendriers, populations ciblées).
À retenir (EBM) : ne concluez pas sur la transmissibilité à partir d’une courbe de cas brute. Exigez les dénominateurs, les délais, et une stratification par âge/risque.
Sources : WHO mpox situation reports (2022–2026) ; ECDC mpox updates ; Fraser C. “Estimating individual and household reproduction numbers” (Proc R Soc B, 2007) pour les principes ; Cori A. et al. “EpiEstim” (Am J Epidemiol, 2013) pour l’estimation de Rt.
4 commentaires
Post utile : rappeler que les cas notifiés sont un indicateur « système-dépendant » est central. Pour être rigoureux, il faut expliciter le dénominateur : l’incidence pertinente est souvent une incidence dans la population exposée (réseaux sexuels, contacts), pas la population générale, sinon dilution et comparaisons trompeuses. Sur R0/Rt : Rt estimé à partir des cas notifiés hérite directement des variations de dépistage, de délais de notification et du bruit des petits nombres ; sans correction (nowcasting, ajustement des délais, modèles à observation imparfaite), un Rt “qui monte” peut n’être qu’un artefact. Il serait aussi utile de distinguer positivité (tests positifs / tests) et volume de tests : une hausse des cas avec positivité stable suggère un effet dépistage, alors qu’une hausse de positivité à volume constant pointe vers plus de transmission. Enfin, documenter les changements de définition de cas et d’accès au test est indispensable pour interpréter les courbes.
Post utile : il rappelle que les « cas notifiés » sont une mesure composite (transmission + offre/recours au test + critères + déclaration) et que l’interprétation brute des courbes est risquée. Pour compléter, expliciter les métriques à suivre en parallèle aiderait : taux de positivité, volume de tests, délais symptômes→test→notification, proportion de cas confirmés vs probables, et indicateurs de gravité (hospitalisations, formes sévères) moins sensibles au dépistage. Sur R0/Rt, insister sur la dépendance aux hypothèses (intervalle sériel, complétude) et sur l’intérêt d’estimer Rt avec corrections de retard et analyses de sensibilité. Enfin, rappeler les biais de détection (réseaux de soins, stigmatisation, accès) et l’importance de stratifier par groupe d’exposition/âge/zone pour éviter des conclusions globales trompeuses. Globalement, bon cadrage « surveillance ≠ incidence ».
Post très juste : en clinique comme en épidémiologie, la « courbe » reflète d’abord le parcours patient → accès aux soins → indication de test → capacité labo → déclaration. La distinction incidence vs cas notifiés est centrale, surtout pour mpox où le recours au dépistage varie avec la médiatisation, les recommandations et la stigmatisation. J’ajouterais deux points pratiques : (1) toujours regarder le dénominateur de test (nombre de tests, taux de positivité, délais test→résultat) et la stabilité de la définition de cas ; une hausse des cas avec positivité stable évoque souvent un effet dépistage. (2) Pour Rt, exiger la transparence des hypothèses (délai générationnel, corrections de retard de notification) et vérifier la cohérence avec les signaux « durs » : hospitalisations, formes sévères, clusters documentés. Enfin, stratifier par groupes exposés et lieux de transmission évite de masquer des dynamiques très hétérogènes.
Bon rappel méthodologique : les courbes de cas notifiés sont un proxy dépendant de l’offre et de la demande de dépistage, de la définition de cas et des pratiques de déclaration. Pour renforcer le message, j’ajouterais (1) la nécessité d’expliciter le dénominateur : « population à risque » varie selon les réseaux sexuels, l’accès aux soins et l’immunité résiduelle (vaccination antivariolique, antécédents). (2) La dynamique temporelle : une intensification du testing peut avancer le diagnostic (lead-time) et créer des pics transitoires sans changement majeur de transmission. (3) Sur R0/Rt : Rt estimé sur cas notifiés est sensible aux retards (symptômes–test–notification) et à la sous-détection; l’idéal est de le trianguler avec données de positivité, enquêtes de contacts et hospitalisations. Enfin, mention utile : comparer des périodes/pays exige de standardiser (âge/risque) et d’indiquer les changements de surveillance.
Message important : les cas notifiés sont un signal mêlant dynamique de transmission et performance du système (accès au test, définition de cas, déclaration), donc non interprétables sans contexte. J’appuie aussi votre remarque sur le dénominateur : pour mpox, l’« incidence populationnelle » en population générale peut diluer l’information; l’incidence par population exposée (réseaux de contacts/sexuels) et par zone/événement est souvent plus pertinente. Pour compléter, il serait utile d’expliciter le « biais de dépistage » (intensification ciblée, campagnes) et les délais (symptômes→test→notification) qui déforment les courbes et Rt. Enfin, distinguer Rt estimé sur cas notifiés vs infections réelles, et documenter les changements de stratégie de test, aiderait à éviter les sur-interprétations d’une hausse (ou baisse) brutale.