En 2024, j'ai fait partie d'une équipe qui a publié un examen épidémiologique rétrospectif des données de surveillance de la Mpox de l'État d'Imo, au Nigéria, couvrant la période de 2017 à 2023. Nous avons analysé 231 cas suspects répartis sur 27 zones de gouvernement local. Parmi ceux-ci, 49 ont été confirmés positifs, soit un taux de confirmation de 21,2 %, avec un taux de létalité de 8 %.
Les chiffres ne racontent qu'une partie de l'histoire. Ce qu'ils ne révèlent pas, c'est ce que l'investigation a mis en lumière quant à l'état de la surveillance des maladies au Nigéria, et ce que cela implique pour la conception de systèmes plus performants.
La constatation la plus frappante a été le regroupement géographique. Huit districts concentraient 71 % des cas suspects, alors qu'ils ne représentaient que 32 % de la population. Ce phénomène n'est pas inhabituel en épidémiologie des épidémies. Les schémas de regroupement révèlent des facteurs de risque sous-jacents : proximité de réservoirs fauniques, expositions professionnelles spécifiques, comportements communautaires, ou lacunes dans l'accès aux soins de santé. Mais l'investigation a également révélé quelque chose sur notre système de surveillance : notre capacité à détecter et à signaler les cas variait considérablement d'un district à l'autre.
Les districts disposant d'une meilleure infrastructure sanitaire ont signalé davantage de cas. Cela peut sembler évident, mais cela a une implication essentielle. Un nombre élevé de cas dans les zones bien dotées en ressources peut refléter une meilleure détection, et non une transmission plus élevée. Un faible nombre de cas dans les zones sous-dotées peut refléter des lacunes dans la capacité de surveillance, et non une absence de maladie. Tout système de surveillance qui assimile les cas signalés à la prévalence réelle, sans tenir compte de la capacité de détection, produira des conclusions trompeuses.
C'est là que les outils de santé numérique peuvent apporter une différence transformative. Un système de surveillance qui numérise la notification des cas, standardise la collecte de données dans les 27 zones de gouvernement local, et suit simultanément le nombre de cas et les taux de notification, offre une image fondamentalement différente. On peut voir non seulement où la maladie est détectée, mais aussi où elle pourrait se dissimuler.
L'autre enseignement tiré de l'État d'Imo concerne la valeur des données historiques. Notre ensemble de données couvrait six années. Cette profondeur temporelle nous a permis d'identifier des tendances, des schémas saisonniers et des évolutions dans la répartition par âge qu'un instantané sur une seule année n'aurait pas permis de déceler. Maintenir des systèmes de surveillance à travers les cycles politiques et les changements budgétaires est l'un des défis les plus difficiles en santé publique. C'est aussi l'un des plus importants.
Pour tout système de santé investissant aujourd'hui dans une infrastructure de surveillance, les priorités que je recommanderais sont les suivantes : une notification numérique des cas fonctionnant sur des smartphones de base, des définitions de cas standardisées appliquées au moment de la saisie des données, et une boucle de rétroaction qui renvoie les données au niveau du district aux agents de santé qui les ont collectées. Ce dernier point est sous-estimé. Les agents de santé qui voient leurs données utilisées, puis restituées, deviennent de meilleurs agents de surveillance. Ceux qui transmettent leurs signalements dans le vide finissent par cesser de le faire avec rigueur.
L'investigation sur la Mpox a renforcé ma conviction que la surveillance n'est pas seulement une fonction technique. C'est un système de confiance entre les communautés, les agents de santé et les institutions. Les outils numériques peuvent renforcer ce système, mais seulement s'ils sont conçus avec les personnes concernées, et non autour d'elles.