A propos de la sous-déclaration des maladies infectieuses intestinales au Royaume-Uni

Voici ce qu’on peut lire sur des bilans des données des toxi-infections alimentaires collective en France :

« les TIAC demeurent historiquement sous-déclarées, avec des disparités selon les secteurs d’activité à l’origine de biais de recrutement. » (source Données 2023 des TIAC en France).

« Comme lors des années précédentes, les incidences régionales sont très différentes d’une région à l’autre et ne reflètent pas uniquement le risque de TIAC mais aussi probablement l’exhaustivité de la déclaration et de la transmission des DO. » (source Données 2022 des TIAC en France).

Le sujet du jour est donc la sous-déclaration des maladies infectieuses intestinales, avec ici, le cas du Royaume-Uni.

« Mesurer l'invisible : le défi des données multiples lors de la quantification de la sous-déclaration des maladies infectieuses intestinales », source article d’Anna Lawson, Université de Newcastle, paru le 22 juillet 2026 sur le site de la Food Standards Agency.

Si vous avez déjà souffert d'un épisode passager de diarrhée et de vomissements, il y a fort à parier que cela n'a jamais été enregistré dans les statistiques officielles. La plupart des cas sont gérés à domicile : même si vous consultez un médecin généraliste, il est peu probable qu'un prélèvement soit demandé pour analyse. Du point de vue des systèmes nationaux de surveillance, ces cas sont pratiquement inexistants. Pourtant, ils représentent un fardeau socio-économique considérable en raison des maladies et des absences au travail ou à l'école.

Ce décalage entre le nombre de cas signalés aux systèmes de surveillance et la réalité au sein de la population constitue l'un des principaux défis de l'estimation des maladies infectieuses intestinales (MII). Les travaux menés dans le cadre de la troisième étude de la FSA sur les maladies infectieuses intestinales (MII3) soulignent à quel point il est difficile de quantifier ce fardeau caché, notamment lorsque cela nécessite de combiner de multiples sources de données qui, chacune, ne rendent compte que partiellement de la situation.

La pyramide de surveillance

La pyramide de surveillance constitue un moyen utile de comprendre la sous-déclaration des maladies infectieuses intestinales (MII). À la base se trouvent toutes les infections survenant au sein de la population. En remontant la pyramide, on constate qu'une partie seulement des personnes infectées présente des symptômes, qu'une fraction plus restreinte a recours aux soins de santé et qu'un nombre encore plus limité d'individus fait l'objet d'un dépistage. Le sommet de la pyramide ne représente que les résultats positifs pour l'agent pathogène qui sont signalés aux systèmes de surveillance nationaux.

Pour les maladies infectieuses intestinales (MII), cette pyramide est particulièrement abrupte. De nombreux cas sont bénins et guérissent rapidement, ce qui réduit la probabilité de consulter un médecin. Le dépistage est également sélectif et généralement réservé aux formes plus graves ou prolongées de la maladie. Par conséquent, les données de surveillance de routine ne permettent de recenser qu'un petit sous-ensemble très spécifique de cas.

MII3 : Mise à jour des estimations

L'étude MII3 vise à fournir une estimation actualisée de toutes les infections nosocomiales au Royaume-Uni, en recensant à la fois les cas communautaires et les interactions avec les services de santé. S'appuyant sur les études de référence précédentes (MII1 et MII2), elle prend en compte les évolutions récentes des technologies de diagnostic, les changements dans le recours aux soins et les répercussions plus larges de la pandémie de COVID-19. Des études antérieures ont montré que pour chaque cas enregistré par les systèmes nationaux de surveillance, de nombreux autres surviennent au sein de la population. Cependant, l'évolution des pratiques de dépistage et des comportements en matière de recours aux soins implique que les estimations antérieures peuvent ne plus être valides. MII3 joue un rôle crucial dans la réévaluation de l'interprétation des données de routine, en utilisant de multiples sources de données pour estimer le nombre de cas d'infections nosocomiales au Royaume-Uni, par rapport au nombre de cas actuellement recensés par les systèmes nationaux de surveillance.

Les défis liés à la combinaison de données provenant de différentes sources

Malgré la disponibilité de multiples ensembles de données, leur intégration dans une estimation cohérente de la charge de morbidité présente plusieurs défis :

Couverture incomplète

Les données de laboratoire fournissent des informations spécifiques à l'agent pathogène, mais ne concernent que les personnes testées et dont le résultat est positif. Les données des médecins généralistes enregistrent les comportements de recours aux soins, mais ne prennent pas en compte les personnes qui gèrent leur maladie à domicile. Les données hospitalières ne reflètent que les cas les plus graves. Les études prospectives en population générale visent à mesurer directement et en temps réel la morbidité au sein d'un échantillon représentatif de la population. Chacune de ces études décrit une population différente et une étape différente du processus, de l'infection à la déclaration des symptômes ; bien que complémentaires, elles ne sont pas directement comparables.

Définitions de cas incohérents

Différentes sources de données visent à mesurer des résultats distincts et à recueillir des niveaux d'information variables à des fins diverses. Les études communautaires définissent les maladies infectieuses intestinales (MII) en fonction des symptômes, tandis que les systèmes de surveillance s'appuient sur des infections confirmées en laboratoire. Ces définitions ne concordent pas parfaitement, ce qui complique les comparaisons directes.

Biais de gravité

La surveillance de routine surreprésente les cas les plus graves. Les hospitalisations et les cas confirmés en laboratoire ne sont pas représentatifs d'un épisode typique d'infection invasive à pneumocoque, souvent bénin et de courte durée. Dans certains cas, les infections par les mêmes agents pathogènes peuvent être asymptomatiques. Ceci crée un biais systématique dont il faut tenir compte lors de l'analyse.

Variations entre les nations du Royaume-Uni

L'un des défis les moins visibles de MII3 réside dans l'absence d'un système de surveillance unique et uniforme à l'échelle du Royaume-Uni. En effet, l'Angleterre, l'Écosse, le Pays de Galles et l'Irlande du Nord disposent chacune de structures de santé, de systèmes de notification et de réseaux de laboratoires distincts. Les variations dans les pratiques de dépistage, l'accès aux soins et les procédures de notification peuvent influencer la manière dont les cas sont recensés dans chaque nation, ce qui ajoute une complexité supplémentaire. Comprendre ces variations au Royaume-Uni est essentiel pour identifier les différences réelles dans les profils épidémiologiques et garantir la pertinence des comparaisons.

Évolution au fil du temps

La relation entre les ensembles de données n'est pas statique. MII3 reflète une période marquée par l'évolution du recours aux soins, de la sensibilisation du public et des pratiques diagnostiques. Il est donc difficile d'appliquer ou de comparer ces données avec les estimations issues d'études antérieures sans une réévaluation.

Construire une image complète

Chaque source de données ne capturant qu'une partie du tableau d'ensemble, diverses méthodes sont utilisées pour combiner les informations.

Seule une faible proportion des personnes malades est enregistrée dans les systèmes nationaux de surveillance. Pour pallier ce manque, on utilise des méthodes de multiplication afin d'estimer le nombre probable de cas dans la population pour chaque cas recensé.

Les modèles statistiques permettent de rassembler des informations provenant de différentes sources tout en tenant compte des atouts et des limites de chaque ensemble de données. Ils permettent de quantifier l'incertitude, ce qui rend possible l'évaluation du degré de confiance que l'on peut accorder aux estimations de la charge de morbidité.

Dans certains contextes, les données issues de différents systèmes peuvent être croisées afin de comprendre le parcours des individus au sein de la pyramide de surveillance, depuis l'apparition de la maladie dans la communauté jusqu'au recours aux soins, aux tests et à la déclaration des cas. Toutefois, en pratique, la mise en relation des données est souvent limitée par des considérations juridiques et éthiques relatives à la protection et au respect de la vie privée.

Aucune de ces approches ne permet de mesurer parfaitement la charge de morbidité. Elles contribuent plutôt à combler les lacunes entre les sources de données, à réduire l'incertitude et à dresser un tableau plus complet que ne le permettrait un seul ensemble de données.

Comprendre la maladie au-delà des rapports

Les infections nosocomiales sont à la fois très répandues et largement sous-estimées dans les données de routine. Quantifier les infections nosocomiales ne se limite pas au simple dénombrement des cas. Cela nécessite de rassembler différents types de données issues de divers parcours de soins et contextes nationaux, chacun présentant ses propres biais et limites et ne couvrant qu'un sous-ensemble différent de cas. Des estimations précises de la charge des infections nosocomiales sont essentielles à la prise de décision en matière de santé publique. L'étude MII3 offre l'opportunité d'actualiser et d'affiner notre compréhension de cette charge invisible, mais elle souligne également la complexité de la combinaison de multiples sources de données imparfaites. L'objectif est de dresser un tableau plus cohérent des infections nosocomiales au Royaume-Uni à partir d'informations incomplètes et imparfaites afin d'éclairer les politiques de sécurité alimentaire, d'orienter l'allocation des ressources et de définir les priorités d'intervention. Sans tenir compte de la sous-déclaration, l'importance des infections nosocomiales et de certains agents pathogènes peut être gravement sous-estimée. La prise en compte de ce décalage est cruciale pour l'efficacité des stratégies de prévention.