Natural direct effects of vaccines and post-vaccination behaviour

1. Le Problème : Compensation du risque et biais comportementaux

L'article aborde un problème fondamental en épidémiologie vaccinale : la compensation du risque (ou risk compensation). Il est établi que la connaissance de la protection conférée par un vaccin peut modifier le comportement des individus vaccinés, les incitant à adopter des comportements plus à risque (par exemple, augmenter le nombre de contacts sociaux ou réduire le port du masque).

• Conséquence : Cette modification comportementale peut entraîner une exposition accrue aux pathogènes, réduisant ainsi l'efficacité réelle du vaccin dans le monde réel par rapport à ce qui est observé dans les essais cliniques en aveugle.
• Limitation des études actuelles : Les études d'efficacité vaccinale standard visent généralement l'effet total ($\tau_{rw}$), qui inclut à la fois l'effet immunologique et l'effet comportemental. Elles ne parviennent pas à isoler l'effet biologique pur du vaccin, ni à quantifier l'impact spécifique de la modification comportementale induite par la vaccination.
• Objectif : L'article propose d'introduire et de formaliser l'estimation de l'Effet Direct Naturel (NDE) du vaccin. Cet estimand vise à quantifier l'effet du vaccin sur la maladie en « bloquant » son influence sur le comportement, tout en permettant au comportement de varier naturellement selon d'autres facteurs (et non selon le statut vaccinal).

2. Méthodologie : Inférence Causale et Modélisation

Les auteurs utilisent le cadre des résultats potentiels (potential outcomes) et de l'inférence causale pour définir et identifier l'effet recherché.

• Variables définies :
  • $A$ : Vaccination (1 = vacciné, 0 = non vacciné).
  • $Y$ : Résultat clinique (maladie).
  • $B$ : Comportement lié à l'infection (médiateur, ex: nombre de contacts).
  • $L$ (incluant $H$) : Facteurs de confusion, notamment le comportement de recours aux soins (healthcare seeking behaviour), qui influence à la fois la vaccination, le comportement et la détection de la maladie.
• Estimand proposé (NDE) :
  L'effet direct naturel est défini comme :
  $$NDE = E[Y_{a=1, B_{a=0}} - Y_{a=0, B_{a=0}}]$$
  Cela représente l'effet de la vaccination ($A=1$) sur la maladie ($Y$) si le comportement ($B$) restait à la valeur qu'il aurait eue en l'absence de vaccination ($B_{a=0}$). Cela correspond à un scénario où l'on « coupe » le chemin causal $A \to B$.
• Hypothèses d'identification :
  Pour identifier le NDE dans des études observationnelles, les auteurs listent quatre hypothèses clés (conditionnelles sur les facteurs de confusion $L$) :
  1. Indépendance de l'assignation au traitement ($A$) et des résultats potentiels ($Y_{a,b}$).
  2. Indépendance du médiateur ($B$) et des résultats potentiels ($Y_{a,b}$) conditionnellement à $A$ et $L$.
  3. Indépendance du médiateur potentiel ($B_a$) et de l'assignation ($A$).
  4. Hypothèse d'indépendance inter-mondes (cross-world independence) : $Y_{a,b}$ est indépendant de $B_{a^*}$ conditionnellement à $L$. C'est l'hypothèse la plus forte et la plus difficile à vérifier.
• Gestion des biais complexes :
  • Le papier discute du rôle du comportement de recours aux soins ($H$) comme facteur de confusion pour la relation médiateur-résultat.
  • Une structure causale alternative est proposée où $H$ varie dans le temps ($H_1$ avant, $H_2$ après vaccination), ce qui rend l'identification non-paramétrique impossible sans hypothèses supplémentaires ou analyses de sensibilité.
  • L'article explore l'utilisation de résultats alternatifs (ex: infections par d'autres pathogènes, $R$) comme proxies pour détecter des changements comportementaux lorsque les données directes sur le comportement ($B$) sont manquantes.

3. Contributions Clés

1. Définition conceptuelle : L'article formalise l'utilisation de l'effet direct naturel (NDE) comme estimand pertinent pour les politiques de santé, permettant de distinguer l'efficacité immunologique intrinsèque de l'efficacité réelle altérée par le comportement.
2. Distinction NDE vs EDC : Il clarifie la différence entre l'effet direct naturel (où le comportement varie naturellement sauf sous l'influence du vaccin) et l'effet direct contrôlé (où le comportement est fixé à une valeur spécifique pour toute la population), arguant que le NDE est souvent plus réaliste pour les interventions comportementales.
3. Analyse des biais de recours aux soins : L'article met en lumière comment le comportement de recours aux soins ($H$) agit comme un facteur de confusion complexe (affectant $A$, $B$ et $Y$) et propose des diagrammes causaux (Figures 1 et 2) pour visualiser ces relations.
4. Stratégies de données : Il propose des sources de données concrètes (Tableau 2) pour mesurer les comportements (journaux de contacts) et les biais de recours aux soins (dossiers médicaux, tests diagnostiques antérieurs).
5. Extension aux interférences : L'article aborde brièvement la complexité supplémentaire introduite par l'interférence (l'effet du vaccin d'un individu sur l'issue d'un autre), définissant un NDE adapté aux contextes d'interférence.

4. Résultats et Illustrations

• Exemple numérique (Tableau 1) : Les auteurs montrent qu'en présence de compensation du risque (le vaccin augmente la probabilité de comportements à risque), l'effet total observé ($\tau_{rw}$) sous-estime l'efficacité immunologique pure.
  • Dans l'exemple, l'efficacité totale ($VE$) est de 32,5 %, tandis que l'efficacité via l'effet direct naturel ($NDE_{VE}$) est de 42,5 %.
  • Cela démontre que la compensation du risque a réduit l'efficacité globale de 10 points de pourcentage dans ce scénario.
• Comparaison avec les essais cliniques : L'article explique que les essais en aveugle mesurent un effet différent ($\tau_{vt}$) car les participants ne connaissent pas leur statut vaccinal, empêchant ainsi la compensation du risque. L'effet observé en aveugle correspond donc plus à un effet immunologique pur, mais manque de validité externe pour les déploiements réels où le comportement change.
• Utilisation de résultats de substitution : L'article démontre théoriquement comment l'observation d'une association entre la vaccination et des infections par d'autres pathogènes ($R$) peut servir d'indicateur indirect de changements comportementaux, même sans données directes sur le comportement.

5. Signification et Implications

• Pour la politique de santé : La capacité à estimer le NDE permet aux décideurs de comprendre si une baisse d'efficacité observée est due à une défaillance immunologique ou à des changements comportementaux. Cela justifie des interventions complémentaires (messages de santé publique) visant à « désactiver » l'influence du vaccin sur le comportement à risque.
• Pour la recherche épidémiologique : L'article plaide pour la collecte systématique de données comportementales dans les études de vaccination. Sans ces données, il est impossible de décomposer l'effet total et de comprendre les mécanismes réels de transmission.
• Limites et défis : L'estimation du NDE repose sur des hypothèses fortes (notamment l'indépendance inter-mondes) et nécessite des données riches sur les facteurs de confusion temporels (comme le recours aux soins). L'article souligne que si ces hypothèses ne tiennent pas, des bornes ou des analyses de sensibilité sont nécessaires.
• Conclusion : Bien que la compensation du risque ne soit pas universelle, ignorer ce phénomène conduit à une compréhension incomplète de l'impact des vaccins. L'approche proposée offre un cadre rigoureux pour quantifier l'efficacité vaccinale « pure » et évaluer le potentiel d'interventions comportementales.