La surveillance des eaux usées pour les tests Covid-19 dans les établissements de soins de longue durée s’est avéré efficace

La pandémie Covid-19 a exercé une pression énorme sur les systèmes de soins de santé et les économies du monde entier, avec des impacts particulièrement graves sur des groupes vulnérables comme les résidents des établissements de soins de longue durée (LTCF). Une leçon clé de la pandémie est que la détection et le traitement précoces peuvent réduire l’hospitalisation et les taux de mortalité tout en réduisant les coûts médicaux. La surveillance des eaux usées dans les usines de traitement (WSTP) est devenue une méthode à faible coût et innovante pour détecter les épidémies tôt. De nombreux pays développés ont adopté cette approche, mais le Japon a été lent à le faire.

Pour promouvoir l’adoption du système WSTP au Japon, un groupe de chercheurs dirigés par le professeur Byung-Kwang Yoo, Faculté des sciences humaines, Université de Waseda, Japon, et le professeur Masaaki Kitajima, Centre de recherche pour l’environnement de l’eau, l’Université de Tokyo, a mené une évaluation économique d’un système d’alerte à niveau urbain basé sur les données d’empilement. Leurs résultats ont été publiés dans la revue Science de l’environnement total.

« Notre système d’avertissement proposé semble raisonnablement réalisable par rapport à un système de surveillance des eaux usées réussi similaire pour la polio au Royaume-Uni. Ce système britannique a en fait détecté le poliovirus à une époque plus tôt, permettant une réponse rapide pour la santé publique telle que des tests cliniques améliorés et des campagnes vaccinales parmi une subpopulation à haut risque », explique Yoo.

Selon leur système proposé, lorsque le nombre de cas Covid-19 récemment signalés dépasse un seuil de 90 cas cliniquement positifs, nouvellement signalés, par million de résidents par jour dans une ville où un LTCF est localisé, un avertissement sera émis par le gouvernement de la ville recommandant des tests de dépistage clinique hebdomadaires aux LTC. Yoo note: « La détection précoce et le traitement des individus infectés contribuent à des taux d’hospitalisation plus faibles, à des taux de mortalité plus faibles et à une réduction des dépenses médicales. »

Les chercheurs ont utilisé des simulations pour estimer les avantages financiers que ce système pourrait offrir. « La surveillance des eaux usées menée dans les usines de traitement a été simulée pour générer des avantages nets d’environ 5 000 $ à 49 000 $ à un seul LTCF, qui comprend 100 résidents et 60 membres du personnel, et environ 3,5 à 41 millions de dollars au niveau national au Japon pendant 4 semaines avec une forte incidence d’infection Covid-19 », explique Yoo.

« Nous espérons que ces résultats augmenteront le soutien aux WSTP ainsi que le système d’avertissement proposé au Japon. En effet, une autre étude de la nôtre a indiqué que la population adulte générale au Japon est disposée à payer 497 millions de dollars par an pour des WSTP hypothétiques ciblant Covid-19 et d’autres maladies. »

Comparé à la surveillance clinique – qui nécessite la collecte d’échantillons de patients individuels – la surveillance de Waswater offre une couverture plus large, une détection plus antérieure d’épidémie et des coûts inférieurs. YOO ajoute: « Étant donné qu’un échantillon d’eaux usées nous permet facilement de tester plusieurs agents pathogènes ensemble, une implication supplémentaire consiste à étendre la portée des agents pathogènes cibles, ce qui diminuera le coût du test par agent pathogène ainsi que d’augmenter le bénéfice par échantillon. Ces candidats cibles comprennent la polio et la grippe, qui ont déjà été mises en œuvre au Japon à une petite échelle. »

Alors que le monde se prépare aux futurs défis de santé publique, des solutions rentables et évolutives comme la surveillance des eaux usées sont essentielles. La présente recherche est une étape cruciale vers les décisions politiques fondées sur des preuves et encourage une adoption plus large de cette approche au Japon et au-delà.