Decomposing Participatory Surveillance Symptom Time Series to Track Respiratory Infections: A Cross-Country Evaluation Using Non-Negative Matrix Factorization

Cette étude démontre que la décomposition non supervisée des séries temporelles de symptômes via la factorisation matricielle non négative permet d'identifier les tendances de circulation de pathogènes respiratoires spécifiques en utilisant des données de surveillance participative, et que les modèles dérivés des Pays-Bas peuvent être transférés avec succès pour interpréter les données italiennes.

L'essentiel

🕵️‍♂️ Le Grand Détective des Virus : Comment deviner qui circule sans voir le coupable ?

Imaginez que l'hiver en Europe est une scène de crime où plusieurs "voleurs" (les virus : grippe, rhume, coronavirus, etc.) se promènent en même temps. Le problème, c'est que tous ces voleurs laissent des traces très similaires : toux, fièvre, nez qui coule. Les systèmes de surveillance traditionnels sont comme des policiers qui doivent interroger chaque suspect un par un dans un hôpital. C'est précis, mais lent et coûteux.

Cette étude propose une nouvelle méthode, un peu comme un détective génial qui n'a pas besoin d'interroger les suspects, mais qui analyse simplement les témoignages des gens.

1. La Méthode : Le "Tri Magique" des Symptômes

Les chercheurs ont utilisé une plateforme où des volontaires (en Hollande et en Italie) racontent chaque semaine comment ils se sentent (22 symptômes différents : mal de tête, perte d'odorat, toux, etc.).

Au lieu de regarder chaque symptôme séparément, ils ont utilisé une technique mathématique intelligente appelée NMF (Factorisation de Matrice Non-Négative).

• L'analogie du smoothie : Imaginez que les symptômes sont des fruits. Quand vous mangez un smoothie, vous ne savez pas toujours exactement combien de fraises ou de bananes il y a dedans. Mais si vous goûtez des milliers de smoothies différents, un expert peut dire : "Ah, celui-ci a un goût très marqué de fraise, celui-là de banane".
• Ici, le "goût" est le virus. Le "smoothie" est le malade. La méthode mathématique a réussi à trier les milliers de rapports de symptômes pour retrouver les "goûts" spécifiques de chaque virus.

2. Les Résultats : Qui a été démasqué ?

En analysant les données des Pays-Bas (où ils avaient aussi des tests de laboratoire pour vérifier), le détective a trouvé 8 groupes de symptômes distincts :

• Le Cas "SARS-CoV-2" (Le Virus du Silence) : Un groupe de symptômes très spécifique a été repéré. Il était dominé par la perte d'odorat et de goût, la fièvre et la toux. C'était comme une signature unique qui criait "C'est le coronavirus !".
• Le Cas "Rhinovirus" (Le Grand Nez) : Un autre groupe ne montrait pas de fièvre, mais un nez qui coule abondamment, des éternuements et parfois des vomissements. C'était le signal du rhume classique.
• Le Cas "Hiver Mixte" : Un troisième groupe était un peu flou. Il mélangeait la grippe, les coronavirus saisonniers et le VRS. C'est logique : ces virus circulent souvent ensemble en hiver et donnent des symptômes très similaires (toux, crachats, essoufflement). C'est comme un "groupe de voleurs" qui agissent tous en même temps.

3. L'Expérience Transfrontalière : La Recette Hollandaise en Italie

Le vrai tour de force de l'étude, c'est d'avoir pris la "recette" (les groupes de symptômes) découverte aux Pays-Bas et de l'avoir appliquée aux données de l'Italie, sans avoir besoin de faire de tests de laboratoire en Italie.

• L'analogie du traducteur : C'est comme si les chercheurs hollandais avaient appris à reconnaître la langue des virus. Ensuite, ils ont pris ce dictionnaire et l'ont utilisé pour "traduire" les plaintes des Italiens.
• Le résultat : Ça a fonctionné ! Les pics de symptômes en Italie correspondaient bien aux pics de virus connus en Italie. Cela signifie que si un pays n'a pas les moyens de faire des tests de laboratoire pour tout le monde, il peut utiliser les données d'un pays voisin (qui, lui, a les tests) pour deviner quels virus circulent chez lui.

🌟 Pourquoi c'est important ?

Cette étude nous dit que nous n'avons pas besoin d'attendre un test de laboratoire pour savoir quel virus circule. En écoutant simplement ce que les gens disent (via des applications ou des questionnaires en ligne), nous pouvons déchiffrer les signatures invisibles des virus.

C'est comme avoir un radar météo pour les épidémies : au lieu d'attendre que la tempête (l'épidémie) soit là pour la mesurer, nous pouvons voir les nuages se former et savoir exactement quelle "tempête" (quel virus) arrive, et ce, très rapidement et à moindre coût.

En résumé : Les chercheurs ont appris à lire entre les lignes des symptômes pour deviner quel virus est en train de faire la fête, et ils ont prouvé que cette astuce fonctionne même dans un autre pays !

Résumé technique

Titre de l'étude

Décomposition des séries temporelles de symptômes de la surveillance participative pour suivre les infections respiratoires : Évaluation transfrontalière par factorisation matricielle non négative (NMF).

---

1. Problématique

La surveillance des infections respiratoires en Europe est confrontée à plusieurs défis majeurs :

• Co-circulation de pathogènes : La saison respiratoire annuelle voit la circulation simultanée de multiples agents (influenza, rhinovirus, coronavirus saisonniers, RSV, SARS-CoV-2), rendant difficile l'attribution des symptômes à un pathogène spécifique.
• Limites des systèmes existants :
  • La surveillance virologique traditionnelle (sentinelles) offre une haute spécificité mais est coûteuse, limitée en couverture et souffre de biais liés à la recherche de soins.
  • La surveillance syndromique (ex. taux de consultation pour syndrome grippal) offre une couverture large et rapide mais manque de spécificité pathogène et de définitions de cas standardisées.
• Opportunité manquée : Les plateformes de surveillance participative (comme Infectieradar aux Pays-Bas et Influweb en Italie) collectent des données symptomatiques massives et harmonisées, mais l'exploitation de ces données pour extraire des signaux spécifiques à des pathogènes sans tests systématiques reste un défi.

L'objectif de cette étude est de détecter des signaux spécifiques à des pathogènes dans les données de surveillance participative des Pays-Bas (en utilisant un sous-ensemble avec détection virologique) et d'évaluer la transférabilité de ces modèles vers l'Italie, où les données virologiques liées aux participants sont absentes.

2. Méthodologie

L'étude utilise une approche d'apprentissage non supervisé basée sur la Factorisation Matricielle Non Négative (NMF).

• Données :

  • Pays-Bas (Infectieradar) : Données symptomatiques hebdomadaires de 39 014 participants (nov. 2020 - mai 2025) et données virologiques de référence issues de prélèvements nasopharyngés (NTS) et d'autotests pour un sous-ensemble de participants.
  • Italie (Influweb) : Données symptomatiques hebdomadaires de 5 873 participants (période similaire).
  • Données de référence : Incidence virologique nationale (Pays-Bas et Italie) pour l'influenza, le SARS-CoV-2, le rhinovirus, le RSV et les coronavirus saisonniers.

• Prétraitement :

  • Construction de matrices d'incidence "symptôme par semaine" (22 symptômes rapportés).
  • Normalisation des données pour corriger les variations de participation et éviter que les symptômes fréquents ne biaisent les résultats.
  • Filtrage des symptômes rapportés dans les 3 à 14 jours suivant le début des symptômes.

• Modélisation (NMF) :

  • La matrice d'entrée $V$ (symptômes $\times$ semaines) est décomposée en deux matrices non négatives : $W$ (spectre syndromique des composants) et $H$ (séries temporelles des composants).
  • Sélection du nombre de composants : Utilisation du critère d'information d'Akaike corrigé (AICc) pour déterminer le nombre optimal de composants ($k$) évitant le surajustement.
  • Calibration : Les composants extraits des données néerlandaises sont corrélés avec les incidences virologiques hebdomadaires réelles (Pays-Bas) via l'analyse de corrélation de Pearson.
  • Transfert transfrontalier : Les matrices $W$ (spectres de symptômes) dérivées des Pays-Bas sont appliquées aux données italiennes pour inférer les séries temporelles $H$ (incidences des composants) en Italie, sans réentraînement du modèle.

3. Résultats Clés

• Décomposition des données néerlandaises :

  • Le modèle optimal a identifié 8 composants distincts.
  • Composant SARS-CoV-2 : Fortement corrélé ($r = 0,76$) avec l'incidence du SARS-CoV-2. Le spectre symptomatique est dominé par la perte d'odorat et de goût, la fièvre, la toux, l'anorexie et les yeux larmoyants.
  • Composant Rhinovirus : Très forte corrélation ($r = 0,88$) avec le rhinovirus. Caractérisé par un écoulement nasal, des éternuements, un mal de gorge, une toux et des vomissements, mais sans fièvre.
  • Composant "Respiratoire Saisonnier" : Un troisième composant montre des corrélations élevées avec l'influenza, les coronavirus saisonniers et le RSV ($r \approx 0,68 - 0,73$). Il est dominé par l'expectoration, la dyspnée et la toux, suggérant un signal composite pour les virus respiratoires hivernaux co-circulants.

• Validation par transfert (Pays-Bas vers Italie) :

  • L'application des composants néerlandais aux données italiennes a permis de reconstruire des séries temporelles cohérentes pour le SARS-CoV-2 et le rhinovirus.
  • Les pics temporels des composants transférés correspondent bien aux tendances de la surveillance sentinelle nationale italienne, bien que les magnitudes absolues diffèrent (probablement dû à des différences dans les populations sources et la taille de l'échantillon).
  • Une comparaison des modèles NMF indépendants (réentraînés sur les données italiennes) a confirmé la stabilité de certains composants, notamment celui lié au SARS-CoV-2 (perte d'odorat/goût) et un composant gastro-intestinal.

4. Contributions Principales

1. Démonstration de la décomposition non supervisée : L'étude prouve que la NMF peut extraire des signaux pathogènes spécifiques à partir de données symptomatiques brutes, même en présence d'une forte superposition des symptômes entre différentes infections.
2. Transférabilité transfrontalière : C'est la première preuve que des "signatures symptomatiques" apprises dans un pays (avec données virologiques de référence) peuvent être transférées avec succès à un autre pays pour estimer les tendances de circulation virale, même sans données virologiques locales.
3. Intégration de la surveillance participative : L'étude valide l'utilisation de plateformes comme Infectieradar et Influweb non seulement pour le suivi syndromique global, mais comme source de données pour la surveillance virologique indirecte à grande échelle.
4. Identification de signatures spécifiques : Mise en évidence de profils symptomatiques distincts pour le SARS-CoV-2 (perte sensorielle) et le rhinovirus (absence de fièvre, prédominance nasale), qui sont souvent masqués dans les agrégats syndromiques traditionnels.

5. Signification et Implications

• Surveillance de la santé publique : Cette approche offre une solution évolutive et peu coûteuse pour améliorer la surveillance des infections respiratoires, en particulier dans les régions où les tests virologiques systématiques sont limités ou absents.
• Réponse aux épidémies : La capacité à détecter rapidement les signaux de pathogènes émergents ou co-circulants à partir de données symptomatiques permet une meilleure préparation et une réponse plus rapide aux épidémies futures.
• Limites et perspectives : Bien que prometteuse, la méthode ne fournit pas d'estimations d'incidence absolue (seulement des tendances relatives) et dépend de la qualité des données de calibration initiales. L'étude suggère que d'autres méthodes de décomposition (comme l'Analyse en Composantes Indépendantes - ICA) pourraient être explorées pour capturer des structures non linéaires.

En conclusion, cette recherche établit un cadre robuste pour transformer les données de surveillance participative en outils de surveillance virologique indirecte, facilitant une surveillance respiratoire harmonisée à l'échelle européenne.