COLLABORATION REQUIS
1. MATERIEL ET METHODE
2.4. Influence du contexte et de l’objectif de surveillance sur la collaboration mise en œuvre
2.4.1. Typologie des systèmes de surveillance One Health existants
L’ACM a été finalement conduite sur 10 variables parmi les 12 initialement sélectionnées. En
effet, deux variables ont été considérées comme des variables supplémentaires (« nombre de secteurs impliqués dans la coordination » et « nombre de domaines sous surveillance ») car elles étaient
fortement corrélées avec d’autres variables (respectivement « type de secteurs » en charge de la
coordination et « type de domaines sous surveillance »).
Les variables participant le plus à la variance entre individus sont : « danger sous surveillance », « finalité du système de surveillance » et « types de secteurs en charge de la coordination ». Les deux valeurs extrêmes sur le premier axe sont « antibiorésistance » et « maladies vectorielles » pour la variable « danger sous surveillance », « amélioration des connaissances » et « apporter une réponse rapide pour maîtriser le risque » pour la variable «finalité », « coordination monosectorielle par le secteur de santé humaine » et « coordination multisectorielle impliquant la santé humaine et la sécurité sanitaire des aliments » pour la variable « types de secteurs en charge de la coordination ».
La figure 5 fournit une représentation des valeurs des variables sur les deux premiers axes, où sont identifiées par un cercle les deux valeurs extrêmes pour les trois variables qui participent le plus à la variance entre individus.
La CHA appliquée sur les résultats de l’ACM démontre clairement l’existence de quatre clusters par rapport aux trois premiers axes. Le tableau 4 donne la composition des quatre clusters ainsi que les variables et leurs valeurs respectives caractérisant chaque cluster.
Le premier cluster couvre 90 % des systèmes qui surveillent des maladies vectorielles. Ils ont généralement pour objectif de détecter précocement les cas positifs afin d’apporter une réponse rapide pour maîtriser le risque (90 %). Leur coordination est le plus souvent assurée par une seule institution, appartenant dans la majorité des cas au secteur de la santé humaine (70 %) même si des
collaborations sont mises en œuvre avec les autres secteurs pour les activités de surveillance (échange
de données, analyse et interprétation des données).
Le second cluster n’inclut que des systèmes qui surveillent des maladies zoonotiques avec pour objectif principal de détecter précocement des cas positifs (88 %). Pour 75 % d’entre eux, ils sont coordonnés par le secteur de la santé humaine, qui collabore avec les autres secteurs en charge de la santé animale, de la sécurité sanitaire des aliments et de l’environnement pour la réalisation des activités de surveillance. Tous les systèmes dont la finalité est l’évaluation rapide des risques appartiennent à ce cluster. Tous les systèmes appartenant à ce cluster démontrent au moins des efforts collaboratifs en termes d’échange de données.
Le troisième cluster consiste en des systèmes de surveillance composés de dispositifs sectoriels coordonnés indépendamment par les secteurs humain et animal. Tandis que les dangers surveillés et leur finalité sont divers, la plupart d’entre eux (90 %) ont instauré des efforts collaboratifs en matière d’échange de données.
Le quatrième cluster est composé de systèmes surveillant l’antibiorésistance et les maladies d’origine alimentaire. Ces systèmes ont pour objectif de détecter des cas et suivre les tendances de
ces détections afin d’améliorer la connaissance et de fournir des données aux projets de recherche.
Le schéma de collaboration varie beaucoup d’un système à l’autre mais il existe toujours des collaborations entre les secteurs de la santé humaine, animale et la sécurité sanitaire des aliments lors
de la réalisation des activités de surveillance, notamment en termes d’analyse conjointe ou de comparaison des données.
Une représentation graphique des quatre clusters est disponible dans l’annexe 4.
Figure 5. Représentation des valeurs des 12 variables caractérisant les systèmes de surveillance One Health existants sur les deux premiers axes de l’analyse de correspondance multiple (sont entourées les valeurs extrêmes pour les trois variables les plus représentatives de la variance).
Cat_Haz = Nombre de dangers sous surveillance (unique ou multiple) ; Col_gov_sec = Types de secteurs
collaborant dans le système de surveillance ; Col_op = Types d’efforts collaboratifs pour les activités de
surveillance ; Haz = Nom du danger(s); Jur = Niveau de couverture de la surveillance ; Nb_Cor = Nombre
d’institutions en charge de la coordination ; Nb_dataSrc = Nombre de domaines sous surveillance ; Nb_sec = Nombre de secteurs impliqués dans la coordination ; Obj = Objectif(s) du système de surveillance ; Purp.I = finalité du système de surveillance ; Type_dataSrc = Type de domaines sous surveillance ; Type-sec = Types de secteurs en charge de la coordination
Pour la variable Haz, les deux valeurs extrêmes sont « VBD » soit maladies vectorielles et « ABR » soit « antibiorésistance ».
Pour la variable Type_sec, les deux valeurs extrêmes sont Type_sec_PH « coordination monosectorielle par le secteur de la santé humaine » et Type_sec_FS_PH « coordination multisectorielle impliquant la santé humaine et la sécurité sanitaire des aliments.
Pour la variable Purp.I, les deux valeurs extrêmes sont Kldge « amélioration des connaissances » et Rapid_resp « apporter une réponse rapide pour maîtriser le risque ».
Tableau 4. Caractéristiques des clusters regroupant les systèmes de surveillance One Health existants. Clusters Caractéristiques du cluster Nom du système de surveillance One Health
Cluster 1 Danger sous surveillance : maladies vectorielles
Secteur(s) en charge de la coordination: santé humaine
Nombre de source de données : 4 Objectif : Détection précoce Finalité : Réponse rapide
Le système de surveillance du virus West Nile en France (Ministère français de la santé, 2012) Le système de surveillance du virus West Nile en
Vojvodina (Serbie) (Petrić et al., 2017)
Le système de surveillance du virus West Nile en Saskatchewan (Canada) (Shuai et al., 2006 ; Epp et al., 2008)
La base de données des salmonelles pour la surveillance de routine à Brandenburg (Allemagne) (Talaska, 1994)
Le système intégré de surveillance du virus West Nile en Grèce (Marka et al., 2013)
Le système intégré de surveillance du virus West Nile dans la région Emilia-Romagna (Italie) (Angelini et al., 2010 ; Bellini et al., 2014)
Le système de surveillance du virus West Nile en Italie (Rizzo et al., 2012 ; Napoli et al., 2015 ; Rizzo et al., 2016)
Le système de surveillance du virus West Nile aux Etats-Unis (CDC, 2013)
Le système de surveillance et contrôle des virus transmis par les moustiques en Californie (Etats-Unis) (Brown, 2012)
Le système de surveillance du virus West Nile en Angleterre et au Pays de Galles (Morgan, 2006) Le système de surveillance du virus West Nile aux Etats-Unis dans la population militaire (Witt et al., 2004)
Cluster 2 Danger sous surveillance: maladies zoonotiques
Secteur(s) en charge de la coordination: santé humaine
Objectif: détection précoce
Le système de surveillance des maladies zoonotiques en Fédération de Russie (McNamara et al., 2013)
Le système électronique intégré des maladies (EIDS) (Wahl et al., 2012)
Le système de surveillance de la rage en Ethiopie (Coetzer et al., 2016)
Le système de surveillance intersectoriel des maladies zoonotiques en Mongolie (Batsukh et al., 2012)
Le système de surveillance de la schistosomiase dans le Guangxi (Chine) (Sleigh et al., 1998a,, 1998b)
Le système général d’alerte précoce et de réponse (GLEWS) OIE, 2006
Le système de surveillance des infections à
l’interface homme-animal et des risques (HAIRS) (Morgan et al., 2009)
Clusters Caractéristiques du cluster Nom du système de surveillance One Health Le programme du centre de surveillance de la santé des forces armées – division des opérations du système général de surveillance et de contrôle des maladies infectieuses émergentes (AFHSC-GEIS) (Witt et al., 2011)
Cluster 3 Secteur(s) en charge de la coordination: santé humaine, santé animale
Collaboration opérationnelle : échange de données
Le système de surveillance des Campylobacter en Suisse (Babo Martins et al.,2017)
L’observatoire national de l’épidémiologie des résistances bactériennes aux antibiotiques (ONERBA) (ONERBA, 2016)
Le programme de suivi des résistances antimicrobiennes en Suède (SWEDES, 2015) Le programme de suivi des résistances aux antimicrobiens aux Pays-Bas (SWAB, 2016)
La surveillance de la rage à Bohol (Philippines) (Lapiz et al., 2012)
Le réseau d’information de la santé animale au Canada (Roth, 2011)
Le système de surveillance de la Fièvre de la Vallée du Rift en Afrique de l’Ouest (EMPRES, 2000) Le système de surveillance de la grippe à Taiwan (King et al., 2001)
Le système de surveillance des maladies zoonotiques en Nouvelles Galles du Sud (Australie) (Adamson et al., 2011)
Le système de surveillance de la rage dans la région de Tamil Nadu (Inde) (Abbas et al., 2011)
Cluster 4 Danger sous surveillance :
antibiorésistance et maladies d’origine alimentaire
Objectif : suivi des tendances
Secteurs impliqués dans la collaboration: santé humaine, santé animale, sécurité sanitaire des aliments
La surveillance des maladies zoonotiques dans
l’Union européenne (Ammon and Makela, 2010)
Le programme intégré canadien de la résistance aux antimicrobiens (PICRA) Grant et al., 2014 ;
CIPARS, 2015
Le système de surveillance de la résistance aux antibiotiques dans l’Union européenne (JIACRA, 2015)
Le programme intégré de surveillance des salmonelles au Canada (Galanis et al., 2012 ; Vrbova et al., 2016)
Le système de suivi des résistances aux antimicrobiens aux Etats-Unis (NARMS, 2016 ; Sorensen et al., 2014)
Le système de surveillance des salmonelles en France (Danan et al., 2011 ; David et al., 2011) Le programme de suivi danois de la résistance aux antimicrobiens (Wielinga et al., 2014 ; Danmap, 2016)
Clusters Caractéristiques du cluster Nom du système de surveillance One Health
Le système de surveillance des trichines au Canada (Polley et al., 2000)
Le programme intégré colombien pour la surveillance des résistances aux antimicrobiens (Donado-Godoy et al., 2015)
2.4.2. Avis des experts sur l’influence de l’objectif de surveillance sur les modalités
essentielles de collaboration dans un système de surveillance One Health.
Lors de l’élicitation d’opinion d’expert, les participants étaient interrogés sur les modalités de collaboration qui leur paraissaient essentielles dans un système One Health en fonction de l’objectif de la surveillance et dans le contexte des trois modèles d’organisation multisectorielle (cf. section 6 du questionnaire en annexe 2).
Les réponses des 84 experts sont présentées dans le tableau 5.
Nous n’avons pas noté de différence significative dans le choix des modalités sélectionnées
par les experts d’un modèle à l’autre, à l’exception du modèle 2 pour lequel la collaboration pour le
prélèvement, l’analyse de laboratoire et la dissémination semblaient des modalités plus importantes
que pour les autres modèles lorsque l’objectif était la détection précoce.
Quel que soit le modèle et l’objectif du système de surveillance, la collaboration au stade de la planification de la surveillance était la modalité la plus souvent mentionnée. Ceci est vraisemblablement dû au fait que les participants ont interprété « planification » par « coordination », ce qui semble en effet nécessaire quel que soit le modèle d’organisation ou l’objectif de la surveillance.
Pour tous les modèles, la notification des cas positifs était considérée comme une modalité de collaboration plus pertinente dans les systèmes ayant pour objectif la détection précoce des cas que dans les systèmes ayant pour objectif le suivi des tendances ou la démonstration du caractère indemne. Pour les systèmes visant le suivi des tendances, la collaboration pour l’analyse et l’interprétation conjointe des données ainsi que pour la dissémination des résultats étaient plus souvent sélectionnées que pour les systèmes avec les autres objectifs.
Aucune modalité additionnelle de collaboration n’a été proposée par les répondants à ce stade. Un expert a souligné que l’objectif de démonstration du caractère indemne par rapport à une
Tableau 5. Réponses des 75 experts interrogés sur la nature des modalités de collaboration les plus pertinentes en fonction du modèle d’organisation intersectorielle et de l’objectif de surveillance.
Modalités de collaboration Type de modèles Objectif de la surveillance Collaboration intersectorielle pour la planification Collaboration intersectorielle pour la réalisation des prélèvements Collaboration intersectorielle pour la réalisation des analyses de laboratoire Notification des cas positifs
entre les secteurs Echange de données en continu entre les secteurs Analyse et interprétation conjointe des données Dissémination conjointe des résultats de surveillance Modèle 1 Détection précoce
des cas positifs 45 13 16 26 33 25 34
Suivi des tendances 43 16 20 16 33 45 40 Démonstration du statut indemne de maladie 43 22 22 19 31 30 30
Modèle 2 Détection précoce
des cas positifs 47 27 27 25 26 35 31
Suivi des tendances 41 23 23 11 34 42 40 Démonstration du statut indemne de maladie 40 21 20 19 29 34 33
Modèle 3 Détection précoce
des cas positifs 37 18 19 31 31 27 37
Suivi des tendances 36 14 17 13 39 42 40 Démonstration du statut indemne de maladie 43 23 19 19 32 35 33
3. DISCUSSION
Ces travaux nous ont permis de caractériser dans le détail la notion de surveillance One Health via le prisme de la collaboration entre acteurs. Nous avons ainsi défini la collaboration au sein des systèmes de surveillance One Health selon différents angles : les dimensions collaboratives, les modalités de collaboration pour la réalisation des activités de surveillance et les modèles de collaboration multisectorielle. Enfin, un cadre décrivant l’organisation et le fonctionnement de la collaboration dans les systèmes des surveillance One Health a été proposé. Les travaux conduits dans ce chapitre ont donc permis de proposer un cadre conceptuel pour définir la surveillance One Health, qui est résumé dans la figure 6.
Figure 6.Proposition d’un cadre conceptuel pour définir la surveillance One Health.
Les résultats obtenus doivent être interprétés à la lumière d’un certain nombre de biais en lien avec la méthode utilisée lors de la revue systématique de littérature pour sélectionner les documents
décrivant les systèmes de surveillance One Health et lors de l’élicitation d’opinion d’experts.
Un certain nombre de systèmes de surveillance, et notamment ceux relevant de la surveillance officielle, ne font pas forcément l’objet de publications et ne sont donc pas inclus dans notre étude. Durant la revue, des documents décrivant des systèmes correspondant à notre définition de la surveillance One Health ont dû être exclus car ils ne procuraient pas assez d’information sur l’organisation et le fonctionnement des systèmes. De plus, certains systèmes peuvent démontrer des collaborations entre secteurs mais celles-ci ne sont pas forcément mentionnées dans les articles ; ces
derniers n’ont donc pas été identifiés avec notre algorithme de recherche. Enfin, la surveillance One
Health fait l’objet de plus enplus d’attention de la part de la communauté scientifique et notre étude n’a pas pris en compte des articles publiés après la période de recherche fixée.
La méthode utilisée pour l’élicitation d’opinion d’experts était simple et basée sur un
questionnaire en ligne, suivi par une visioconférence avec un panel restreint d’experts. Cette approche
ne suit pas les règles établies habituellement pour conduire une élicitation d’opinion d’experts qui
doit porter une attention toute particulière à réduire les biais liés aux dires d’experts en les validant
avant utilisation (Rowe and Wright, 2001). Cependant, dans notre étude, nous avons considéré que la validité de l’information obtenue relevait essentiellement de la diversité des opinions recueillies et
que l’on pouvait mesurer cette dernière par le nombre de participants, leur expertise dans le domaine de la surveillance One Health et leur représentativité en matière de disciplines, professions et types
d’institution. Le taux de réponse au questionnaire peut sembler faible avec seulement 75 participants
ayant répondu sur la partie relative à la caractérisation de la surveillance One Health sur les 256 qui avaient été sollicités. Cependant, 75 avis représentent un panel tout à fait acceptable, d’autant plus que 41 % des répondants justifiaient de plus de cinq ans d’expérience dans le domaine de la surveillance One Health. Notre principale préoccupation concerne la formation et la discipline des participants qui étaient majoritairement vétérinaires et épidémiologistes. La méthode de sélection initiale des destinataires du questionnaire était censée limiter ce biais en sélectionnant des experts identifiés comme auteurs des articles retenus pour la revue systématique de littérature ou comme participants à deux grands consortiums de recherche multidisciplinaires sur les approches intégrées : le consortium NEOH travaillant sur l’évaluation des initiatives One Health et le consortium RiskSur se concentrant sur les approches intégrées de l’évaluation de la surveillance en santé animale. Deux hypothèses peuvent être avancées pour expliquer cette observation : la première serait que le domaine de la surveillance One Health est actuellement dominé par les vétérinaires épidémiologistes ; la seconde que les autres professions et disciplines impliquées dans la surveillance One Health ne publient pas leur travail ou utilisent une terminologie différente de celle utilisée pour réaliser notre revue de littérature. La première hypothèse nous amène à nous interroger sur la sous-représentation des autres professions et disciplines dans la surveillance One Health. La seconde questionne la faisabilité d’identifier et de combiner d’autres écoles de pensée pour une approche plus systémique de la surveillance One Health.
Si la surveillance One Health fait le plus souvent référence à la collaboration entre secteurs et
disciplines, il s’avère que cette dernière doit aussi être appréhendée dans d’autres dimensions, telles
que la collaboration entre niveaux décisionnels et entre professions. De plus, les définitions de la surveillance One Health disponibles dans la littérature n’abordent que les efforts collaboratifs pour la réalisation des activités de surveillance et omettent les modalités de gouvernance de ces derniers.
Cette étude souligne donc toute la complexité de la collaboration au sein des systèmes de surveillance One Health. En fonction des systèmes, elle mobilise des acteurs spécifiques pouvant opérer dans différentes dimensions (secteurs, professions, disciplines, niveaux décisionnels) et s’organise au sein de modèles multisectoriels multiples, plus ou moins centralisés, en mobilisant des modalités collaboratives variées pour la gouvernance et la réalisation des activités de surveillance. La collaboration pour les activités de surveillance peut concerner une ou plusieurs étapes du processus de surveillance et s’exprimer avec des niveaux d’intensité différents. Si ces modalités peuvent être mises en œuvre indépendamment les unes des autres, certaines sont cependant corrélées. Par exemple, une analyse et une interprétation conjointe de différentes sources de données nécessiteront vraisemblablement une collaboration antérieure au stade de l’élaboration des protocoles de surveillance, pour harmoniser la collecte des données.
Enfin, ces travaux ont mis en évidence que l’objectif de la collaboration est à distinguer de l’objectif du système de surveillance One Health. En effet, tous les systèmes de surveillance One Health identifiés avec notre revue systématique de la littérature poursuivaient un des trois objectifs classiques de la surveillance, i.e. la détection précoce de cas, le suivi de tendance, la démonstration d’un statut indemne de maladie. Mais au sein de ces systèmes de surveillance, la collaboration est instaurée et organisée pour répondre à des objectifs qui lui sont propres, tels que l’amélioration de la performance, la réduction des coûts ou l’amélioration de la productivité pour les productions animales, la protection de la santé du consommateur de denrées alimentaires d’origine animale, etc.
Un des objectifs de nos travaux était d’évaluer l’influence des déterminants internes (objet et objectif de la surveillance) et externes (situation épidémiologique et autres facteurs contextuels) aux systèmes de surveillance One Health sur les modalités de collaboration développées, en termes de gouvernance et de réalisation des activités de surveillance.
L’AHC appliquée sur les résultats de l’ACM nous a montré que les systèmes de surveillance One
Health étudiés formaient quatre clusters distincts avec des profils différents en matière de collaboration en fonction de l’objet et de l’objectif de surveillance.
Les systèmes ayant pour objectif la détection précoce des cas pour permettre une réponse rapide ou contrôler/éradiquer les dangers sanitaires (clusters 1 et 2) démontrent tous des efforts
collaboratifs en termes d’échange de données pendant les campagnes de surveillance. Pour les
systèmes dédiés à la surveillance des maladies vectorielles (cluster 1), qui recueillent conjointement des données de trois ou quatre sources différentes, des efforts collaboratifs supplémentaires existent en termes d’analyse et d’interprétation des données entre les différents secteurs. L’échange de données entre secteurs peut donc être considérée comme le niveau minimal de collaboration requis pour les systèmes de surveillance ayant pour objectif la détection précoce (clusters 1 et 2), ce qui a du sens pour permettre une réponse rapide pour gérer le risque. Quand les systèmes sont composés de nombreux dispositifs et mobilisent des sources de données variées (cluster 1), des collaborations
additionnelles en termes d’analyse et d’interprétation de données semblent requises. Ceci peut