L’amélioration, au cours du temps, de la surveillance de l’ESB et de la maîtrise des modalités de contamination des bovins ont modelé la courbe épizootique de l’ESB en Europe et au sein de chaque Etat Membre. Les premières mesures de surveillance peu encadrées, pas toujours appliquées et basées uniquement sur la surveillance clinique des animaux, furent relativement inefficaces dans l’évaluation de la progression de l’épizootie en Europe (figure 1.12 et tableau 1.1 page 20).
Figure 1.12 - Nombre cas d’ESB détectés en Europe (18 pays) hors Royaume-Uni entre 1987 et septembre 2009.
(Source OIE, consulté le 14 septembre 2009,
http://www.oie.int/eng/info/en_esbmonde.htm)
En 2001, la mise en place du dépistage obligatoire des bovins à l’abattoir et à l’équarrissage permit d’avoir une meilleure idée de la taille de l’épizootie dans les pays où la sous-notification des cas cliniques était très importante. Cependant, cette surveillance exhaustive intervint à un moment où, du fait des mesures de contrôle adoptées vis-à-vis de l’alimentation animale et de la gestion du risque ESB, l’épizootie était déjà en déclin dans un certain nombre de pays ayant appliqué précocement ces mesures de contrôle. Ainsi, le Royaume-Uni, premier pays à légiférer pour maîtriser l’ESB, fut également le premier à voir décroitre la prévalence de la maladie sur son territoire. Malgré un pic épizootique très élevé (37 280 cas déclarés en 1992), le Royaume-Uni est actuellement au même niveau que la plupart des autres Etats
0 500 1000 Nombre de cas d'ESB Année de surveillance Lien entre ESB et vMCJ établi
Mise en place du dépistage systématique
Membres ayant pourtant été moins touchés par la maladie (tableau 1.1 page 20 et figure 1.13).
Figure 1.13 - Evolution du nombre de cas d’ESB détectés dans les pays ayant déclaré plus de 50 cas d’ESB depuis 1989.
Pour le Royaume-Uni, seules les années avec moins de 350 sont représentées.
(Source OIE consultée le 14 septembre 2009
http://www.oie.int/eng/info/en_esbmonde.htm).
Avec la décroissance de l’épizootie démontrant la maîtrise du risque ESB dans la plupart des états de l’Union Européenne, face au coût de l’élimination des FVO et au manque à gagner en terme de valorisation des déchets de l’industrie de la viande dans une industrie alimentaire tournant à flux tendu, les parties prenantes font actuellement pression pour un allègement partiel des mesures de contrôle. Cependant, au vu des conséquences d’une perte de la maîtrise de l’exposition des bovins à l’agent de l’ESB, notamment avec la mise en évidence des formes atypiques de la maladie, l’allègement de certaines mesures, notamment de celle de novembre 2000, ne peut être envisagée que sous certaines conditions8 :
- la mise au point d’une technique permettant de différencier les protéines animales suite à leur traitement à 133°C/3bars/20min
- une évaluation du risque menée par l’European Food Safety Agency (EFSA) sur la maîtrise de la contamination des bovins par l’ESB afin d’évaluer les conséquences actuelles d’une présence en faible quantité de FVO dans l’alimentation des animaux non-ruminants.
A partir de 2007, les données issues de la surveillance exhaustive de l’ESB et le recul de sept ans dont on disposait depuis la généralisation de l’interdiction des protéines en alimentation animale, ont permis d’envisager une (ré)évaluation de l’évolution de l’épizootie en France et dans certains pays européens, ainsi qu’une (ré)évaluation de l’impact des mesures de contrôle sur l’évolution de l’exposition des bovins à l’ESB.
8
TSE road map 2005, http://ec.europa.eu/food/food/biosafety/bse/roadmap_en.pdf, consulté le 23 septembre 2009
0 50 100 150 200 250 300 350 Nombre de cas d'ESB Année de surveillance Allemagne Belgique Espagne France Irlande Italie Pays-Bas Pologne Portugal Suisse Royaume-Uni
Chapitre 2 – Le modèle Age-Période-Cohorte
Le modèle Age-Période-Cohorte (APC) a été développé comme outil d’interprétation du diagramme de Lexis, initialement créé pour un usage démographique (représentation synthétique des données de mortalité), mais rapidement adapté à l’épidémiologie pour pallier les limites des méthodes de standardisation [Frost 1939]. Le modèle APC permet ainsi d’étudier l’évolution au cours du temps (tendance) d’un phénomène ou d’une mesure, à travers les effets temporels de la cohorte (effet de génération) et de la période d’observation (temps calendaire), ajustés sur l’âge des individus au moment de l’évènement d’intérêt [Yang 2006]. L’objectif de l’analyse APC est de déterminer les contributions respectives des effets de l’âge, de la période et de la cohorte à l’évolution du phénomène étudié [Holford 1983; Kupper
et al. 1985]. Pour comprendre l’intérêt d’un tel modèle, il est nécessaire d’appréhender des phénomènes sous-jacents aux variables d’ajustement du modèle.
La variable âge représente généralement le temps écoulé entre la naissance de l’individu et l’apparition de l’événement, et correspond alors à l’âge des individus au moment de l’observation de l’événement. L’âge peut cependant être généralisé au temps écoulé depuis l’entrée de l’individu dans l’étude. Les phénomènes sous-jacents à l’âge représentent un ensemble de facteurs biologiques, physiologiques (…) qui s’appliquent de la même manière à tous les individus d’un même âge, quelle que soit leur cohorte et la période d’observation. Il est admis que l’âge joue un rôle majeur dans le risque de survenue et l’évolution des maladies, ainsi que dans l’évolution de la plupart des phénomènes socio-économiques. L’âge est ainsi généralement considéré comme une variable incontournable du modèle APC où il est habituellement mesuré en années révolues.
La période d’observation traduit tous les évènements qui sont susceptibles d’affecter simultanément et de la même manière, toutes les cohortes quel que soit l’âge des individus de ces cohortes. Les changements survenant dans les méthodes de diagnostic (variation de la spécificité, de la sensibilité, nouvelle méthode diagnostique..), la mise en place ou l’évolution des plans de dépistage, de même que l’évolution de phénomènes naturels affectant simultanément tous les individus des cohortes quel que soit leur âge, peuvent avoir un impact sur la mesure de l’événement, dès lors qu’ils en modifient le niveau. Cet impact se traduit alors par un effet période dans le modèle APC.
Enfin, la variable cohorte représente généralement la cohorte de naissance. Elle regroupe alors tous les individus nés dans le même intervalle de temps, dans l’idée que tous les individus d’une même cohorte sont exposés de la même manière au cours du temps, mais que
toutes les cohortes ne sont pas exposées à un même niveau de risque. La cohorte de naissance regroupe ainsi les effets « date de naissance » et les effets générationnels. La définition de la cohorte peut également être généralisée à tous les individus entrés dans l’étude au même moment. La cohorte traduit ainsi tous les évènements qui affectent de la même manière tous les individus d’une même cohorte, indépendamment de l’âge des individus et de la période d’observation.
La particularité des variables âge, période et cohorte est que ces variables sont strictement colinéaires, liées par la relation : période = âge + cohorte. Une des variables du modèle est ainsi systématiquement définie à partir des deux autres. Aussi, une étape préliminaire d’organisation des données dans un diagramme de Lexis est nécessaire à la modélisation APC [Carstensen and Keiding 2005]. Une bonne compréhension du diagramme de Lexis et de la catégorisation des données qu’il implique permet d’appréhender les difficultés rencontrées lors de la modélisation APC.