Latent variation in pathogen strain-specific effects under multiple-versions-of-treatment theory

1. Problématique

L'article aborde un défi majeur en épidémiologie des maladies infectieuses : l'hétérogénéité des effets des souches pathogènes sur la santé. Pour de nombreux agents pathogènes (ex. : SARS-CoV-2, Streptococcus du groupe B, paludisme), la gravité des conséquences cliniques varie selon la souche infectante.

Le problème central identifié par l'auteur est la situation fréquente où des données sur la présence du pathogène sont disponibles, mais où les informations sur la souche spécifique (génotype, sérotype, variant) sont latentes (non observées), souvent en raison de limitations des tests de détection. Dans ce contexte, les études épidémiologiques standard rapportent des estimations d'effet global de l'infection. Cependant, sans tenir compte de la variation des souches, l'interprétation causale de ces estimations devient ambiguë, car l'hypothèse de « non-relevance de la variation du traitement » (exposure variation irrelevance) est violée. L'infection par le pathogène (variable $A$) est en réalité une version « grossière » (coarsened) d'une exposition plus fine définie par la souche (variable $K$).

2. Méthodologie

L'auteur utilise le cadre théorique de l'inférence causale et la théorie des résultats potentiels (potential outcomes), en s'appuyant spécifiquement sur les concepts développés pour les traitements à versions multiples (multiple versions of treatment).

• Notation et Cadre :

  • $A$ : Exposition binaire (1 = infection détectée, 0 = absence d'infection).
  • $K$ : Version de l'exposition (0 = absence, ou $k \in \Phi$ = souche spécifique infectante). $A$ est une version grossière de $K$.
  • $Y$ : Résultat de santé (ex. : hospitalisation).
  • $L$ : Facteur de confusion (ex. : âge) affectant à la fois la souche infectante et le résultat.
  • $Y_k$ : Résultat potentiel si la souche $K$ avait été fixée à $k$.

• Hypothèses :

  • L'hypothèse de cohérence standard ($Y = Y_A$) ne s'applique pas directement car $Y$ dépend de $K$, pas seulement de $A$.
  • L'hypothèse d'échangeabilité conditionnelle est posée : $Y_k \perp K | L$.
  • L'auteur suppose l'existence d'une seule version pour l'absence d'infection ($K=0$).

• Approche Analytique :
  L'auteur décompose la quantité empirique souvent rapportée dans les études (la différence de risque moyen entre infectés et non-infectés, ajustée pour $L$) en utilisant les probabilités de distribution des souches au sein de la population infectée. Il démontre mathématiquement comment cette quantité observée se rapporte aux effets spécifiques des souches pondérés par leurs fréquences.

3. Résultats et Dérivations Clés

L'analyse aboutit à une interprétation causale précise de l'estimateur standard $\sum_l \{E[Y|A=1, L=l] - E[Y|A=0, L=l]\} Pr(L=l)$.

• Interprétation de l'estimateur :
  Sous l'hypothèse d'échangeabilité, cette différence de moyennes n'est pas l'effet causal direct de l'infection $A$ sur $Y$ (au sens d'une intervention unique), mais plutôt une moyenne pondérée des effets spécifiques aux souches.
  La formule dérivée est :
  $$\sum_{l,k} \{E[Y_k|L=l] - E[Y_0|L=l]\} Pr(K=k|A=1, L=l) Pr(L=l)$$
  Cela signifie que l'estimation observée correspond à l'effet moyen d'une intervention où, pour chaque strate $L$, les individus infectés sont assignés aléatoirement à une souche spécifique avec une probabilité égale à la fréquence de cette souche dans la population infectée ($Pr(K=k|A=1, L=l)$).

• Impact de la composition des souches :
  L'article illustre (via la Figure 1, panneaux B et C) que même si les effets biologiques intrinsèques des souches ($E[Y_k - Y_0]$) restent constants, la valeur de l'estimateur global change si la composition des souches ($Pr(K=k|A=1)$) change dans la population.

  • Exemple : Si une souche non virulente devient dominante, l'effet moyen observé de l'infection diminuera, même si la virulence des souches individuelles n'a pas changé.

• Transportabilité :
  L'auteur souligne que la transportabilité des résultats d'une étude à une autre population est compromise. Même si les effets spécifiques aux souches sont transportables, l'effet moyen global ne l'est pas, à moins que la distribution des souches soit identique entre les deux populations.

4. Contributions Principales

1. Clarification Causale : L'article fournit une interprétation rigoureuse des études épidémiologiques sur les infections lorsque les données de sous-types sont manquantes. Il démontre que les estimations rapportées sont valides mais doivent être comprises comme des effets moyens dépendants de la distribution des versions du traitement (les souches).
2. Application de la théorie des versions multiples : Il applique avec succès le cadre théorique de VanderWeele et Hernán (sur les versions multiples de traitement) au contexte des maladies infectieuses, traitant l'infection comme une exposition composée.
3. Mise en garde sur la variabilité temporelle : L'auteur alerte sur le fait que les estimations d'effet peuvent varier dans le temps (ex. : avant et après l'émergence d'un nouveau variant) simplement en raison du changement de la composition des souches, indépendamment de toute modification de l'immunité de la population ou de la virulence intrinsèque.
4. Conditionnalité de l'hypothèse : Il note que la violation de l'hypothèse de non-relevance dépend de l'issue étudiée (ex. : la fièvre pourrait ne pas dépendre de la souche, tandis que l'hospitalisation, oui).

5. Signification et Implications

• Pour la recherche : L'article justifie l'importance cruciale de collecter des données de sous-typage (génotypage, séquençage) lors des études sur les maladies infectieuses. Sans ces données, il est impossible de distinguer les changements d'effet dus à la virulence biologique de ceux dus aux changements démographiques des souches.
• Pour la politique de santé : Les décideurs doivent être prudents lors de l'extrapolation des résultats d'études sur les infections d'une période ou d'une région à une autre. Une estimation d'effet calculée lors d'une période où dominait une souche virulente ne sera pas applicable à une période dominée par une souche atténuée.
• Interprétation des études existantes : Les études passées et présentes qui ne distinguent pas les souches ne sont pas nécessairement « fausses », mais leur interprétation doit être nuancée : elles mesurent l'effet moyen de l'infection tel qu'il se manifeste dans la distribution spécifique des souches de la population étudiée à un moment donné.

En résumé, cet article propose un cadre théorique robuste pour comprendre comment l'hétérogénéité latente des souches pathogènes biaise ou modifie l'interprétation des effets causaux en épidémiologie, soulignant que la « version » de l'exposition (la souche) est une composante critique de l'effet causal global.