Modélisation et épidémiologie des facteurs à l'origine de la dissémination des résistances.

Modeling and epidemiology of the factors behind the spread of resistance.

• Auteur / Autrice : Maria Alexa
• Direction : Lulla Opatowski, Bich-Tram Huynh
• Type : Projet de thèse
• Discipline(s) : Biostatistiques et data sciences
• Date : Inscription en doctorat le 01/01/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Santé Publique
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en épidémiologie et Santé des populations
• Partenaire(s) de recherche : Equipe de recherche : Echappement aux anti-infectieux et pharmaco-épidémiologie
• Partenaire(s) de recherche : Référent : Université de Versailles-Saint-Quentin-en-Yvelines

Mots clés

Mots clés libres

Pays à faible revenu

One health

Resistance aux antibiotiques

Epidemiologie

Modelisation mathématique

Foyers

Antibiotic resistance

Households

Mathematical modelling

Epidemiology

Low income countries

One health

Résumé

La résistance aux antibiotiques est un enjeu de santé publique majeur. En 2019, environ 5 millions de morts dans le monde seraient associées à des infections causées par des bactéries résistantes, l'incidence la plus élevée étant estimée en Afrique sub-saharienne. Malgré l'urgence de la situation, une grande partie des recherches sur les bactéries résistantes, en particulier les entérobactéries productrices de bêta-lactamases à spectre étendu (BLSE-PE), s'est concentrée sur le milieu hospitalier, tandis que les dynamiques de transmission dans les milieux communautaires et environnementales restent moins bien comprises. Dans les milieux communautaires, malgré la prévalence croissante des BLSE-PE notamment au sein des les foyers, les facteurs qui influencent leur transmission entre individus demeurent mal caractérisés, ce qui limite notre capacité à concevoir des interventions de contrôle efficaces. Par ailleurs, le rôle des écosystèmes aquatiques comme réservoirs et vecteurs de dissémination de ces bactéries résistantes est encore insuffisamment exploré, bien que ces milieux puissent favoriser leur persistance et propagation. Face à ce double constat, les modèles mathématiques sont des outils essentiels pour améliorer notre compréhension des mécanismes de transmission et fournir des scénarios contrefactuels permettant de soutenir les décisions en santé publique. Dans ce contexte, ce projet de thèse s'organise en deux volets complémentaires et vise à (i) la compréhension de la dissémination/ la persistance de la résistance aux antibiotiques dans différents milieux aquatiques en analysant des données multidimensionnelles (génomiques, microbiologiques etc…) (ii. a) proposer un modèle mathématique de la transmission des bactéries résistances en communauté, en particulier les foyers et le combiner à un cadre d'inférence permettant l'analyse des données d'études longitudinales menées dans la communauté (ii. b) appliquer ce modèle à des études épidémiologiques réalisées dans les foyers dans deux contextes différents : Madagascar et la France, afin d'identifier et quantifier les différentes voies de transmission de l'BLSE-PE dans ces populations. Les résultats attendus sont à la fois méthodologiques et épidémiologiques avec un impact en santé publique. En développant de nouveaux outils d'analyse et en les appliquant à des données réelles dans des contextes différents, ce travail devrait renforcer notre compréhension des mécanismes de la transmission des bactéries résistantes aux antibiotiques dans les milieux aquatiques et les foyers, ainsi que les facteurs de risque à l'acquisition de ces bactéries. Ces avancées permettront de mieux cibler les stratégies de prévention et de contrôle de la résistance aux antibiotiques dans ces milieux.

Antibiotic resistance is a major public health issue. By 2019, around 5 million deaths worldwide would be associated with infections caused by resistant bacteria, with the highest estimated incidence in sub-Saharan Africa. Despite the urgency of the situation, much of the research and data on resistant bacteria, particularly Enterobacteriaceae producing Extended Spectrum Beta-Lactamases (ESBL-PE), has focused on hospital settings, while transmission dynamics in community and environmental settings remain less understood. In community settings, despite the growing prevalence of ESBL-PE, particularly in households, the factors influencing transmission between individuals remain poorly characterized, impeding the development of effective control policies. Furthermore, the role of aquatic ecosystems as reservoirs and vectors for the dissemination of these resistant bacteria is still insufficiently explored, despite the fact that these environments can favor their persistence and spread. In view of this double observation, mathematical models have been essential tools to improve our understanding of transmission mechanisms and provide counterfactual scenarios supporting public health decisions. In this context, this PhD project is organized in two complementary parts and aims at (i) understanding the dissemination/persistence of antibiotic resistance in different aquatic environments by analyzing multidimensional data (genomic, microbiological etc...) (ii. a) proposing a mathematical model of the transmission of resistant bacteria in communities, in particular outbreaks, and combining it with an inference framework to make possible the analysis of data from prospective studies carried out in the community (ii. b) applying the framework epidemiological studies in households in two different settings: Madagascar and France to identify and quantify the different routes of transmission of ESBL-PE in these populations. Expected results are both methodological and epidemiological, with an impact on public health. By providing new analysis tools and applying them to real data in different contexts, this work should strengthen our understanding of the mechanisms of transmission of antibiotic-resistant bacteria in aquatic environments and households, as well as the risk factors for acquiring these bacteria. These advances will enable us to better target strategies for preventing and controlling antibiotic resistance in these environments.