En Suisse comme ailleurs, des épizooties nouvelles ou bien connues peuvent apparaître ou resurgir à n’importe quel moment. Mais comment faire pour détecter l’inattendu ? L’OSAV a soutenu divers projets de recherche touchant à cette question. Ces projets se sont intéressés à la pertinence des données de santé animale de routine pour la détection précoce des épizooties.
En quête d’indices : comment les données de santé animale aident à détecter précocement les foyers d’épizooties
Bien qu’il existe en Suisse de nombreux programmes de surveillance, ceux-ci ne ciblent que des épizooties et zoonoses spécifiques, donc uniquement une petite fraction des virus, bactéries et parasites menaçant la santé des animaux et des êtres humains. Le COVID-19 a démontré de façon éclatante la rapidité avec laquelle un nouveau germe pathogène peut se répandre dans le monde entier. Il est donc indispensable de déceler très tôt l’apparition d’une épizootie, même inattendue. Les systèmes de surveillance qui analysent les échantillons uniquement à la recherche de germes spécifiques ne sont pas vraiment appropriés pour ce faire.
De quoi il s’agit
Les projets de recherche décrits ci-dessous ont pour objectif de préparer les données de routine et de les mettre en lien avec d’autres sources d’information, afin d’être en mesure de découvrir des foyers d’épizooties de la manière la plus fiable, précise et rapide possible.
Lecture par ordinateur des rapports de pathologie
L’analyse des animaux morts est d’une grande importance pour la surveillance de la santé animale. Mais les résultats de ces analyses sont consignés dans des textes à formulation libre. Il en résulte des descriptions différentes pour des découvertes du même type. Les scientifiques de divers domaines de la médecine vétérinaire et de la linguistique informatique se sont unis pour concevoir une application destinée à rendre ces données utilisables à l’aide de ce qu’on appelle les méthodes d’exploration de texte (Text Mining), qui permettent à un ordinateur de lire un texte. Ces méthodes reconnaissent les liens de certains concepts entre eux, même lorsqu’ils sont formulés différemment, résumant les résultats pertinents pour nous en les classant dans des catégories de syndromes.
Les données trouvées au moyen de l’exploration de texte ont été comparées avec des données cliniques de diverses sources. La comparaison a montré que seul env. 1 % des bovins morts a subi une analyse pathologique. Mais ce qui est intéressant, c’est que ces cas provenaient d’exploitations problématiques : les exploitations qui avaient envoyé des animaux pour autopsie comptabilisaient en moyenne deux animaux morts et cinq malades. En outre, grâce à l’utilisation des données pathologiques, il a été possible de découvrir d’autres cas d’avortements et de veaux morts-nés qui n’apparaissaient pas dans les données cliniques.
Les analyses pathologiques d’animaux morts se sont donc révélées être de précieuses sources d’information pour la surveillance de la santé animale.
La mise en relation des données aide à la détection précoce des foyers d’épizooties.
Un autre travail de recherche s’est intéressé à la mise en relation de données de santé animale avec des informations de la banque de données du trafic des animaux. Les chercheurs ont mis au point et analysé diverses approches méthodologiques pour détecter précocement des foyers d’épizooties chez les bovins.
Comme par bonheur il n’y a pas eu de gros foyers d’épizooties durant la période d’analyse, les méthodes ont été testées au moyen de simulations de foyers. Tous les foyers simulés ont été détectés en moins de quatre mois. Durant des périodes sans foyers d’épizooties, il y a eu au plus trois fausses alertes par an. La rhinotrachéite infectieuse bovine (IBR) a été l’épizootie la mieux détectée. Par contre, la diarrhée virale bovine (BVD) a été détectée plus tard et avec une moins grande fiabilité.
La recherche fournit des bases de décision
Les projets de recherche ont fourni d’importantes connaissances sur les avantages et les défis de l’analyse rapide des données de santé animale pour la détection précoce des foyers d’épizooties. Sur cette base, l’OSAV examine les éléments de solutions possibles à mettre en œuvre, sous quelle forme et avec quels partenaires.
Informations complémentaires
En détail
Application d’un outil d’exploration de texte pour l’utilisation des données pathologiques dans la surveillance et la détection précoce de zoonoses
Les analyses post-mortem fournissent de précieuses indications sur la cause de la mort et l’état de santé des animaux. Les vétérinaires et les agriculteurs utilisent ces informations pour établir un diagnostic de troupeau et des possibilités de traitements. Comme les données pathologiques existent en majeure partie sous forme de texte libre, il est difficile d’en faire une évaluation globale. L’outil développé dans ce projet permet de lire, regrouper et évaluer ces données de manière standardisée. Par ce moyen, les données sont rendues utilisables pour la détection précoce des épizooties.
Développement d’outils d’exploration de textes et de données pour la détection précoce des épizooties par l’évaluation et la combinaison des données pathologiques et cliniques chez les bovins
La détection précoce de foyers d’épizooties peut être améliorée par la mise en relation de diverses sources de données. En plus des données pathologiques, les données cliniques relevées par des organisations d’élevage et de santé constituent une importante source d’information. Ces données sont toutefois basées sur une nomenclature différente. L’outil d’évaluation des données pathologiques développé dans le projet précédent a été adapté de manière à pouvoir également prendre en compte les données cliniques et à permettre une évaluation commune des deux sources de données.
Approche bayésienne de la combinaison et de l’interprétation des résultats d’algorithme de reconnaissance d’événements de plusieurs sources de données en temps réel
Il existe une quantité d’algorithmes permettant de reconnaître des événements comme des foyers d’épizooties dans des données. Dans ce travail de recherche, des méthodes bayésiennes ont été utilisées pour analyser plusieurs jeux de données et interpréter les résultats de différents algorithmes. Ces méthodes permettent en outre d’intégrer des connaissances d’experts et de la littérature sur les épizooties.
Dernière modification 14.06.2022
