Résumé
Entre 2013 et 2016, le monde a connu la plus importante et la plus complexe épidémie de maladie à virus Ebola avec près de 30 000 cas, plus de 11000 décés et plus de 17000 survivants principalement en Guinée, au Liberia et en Sierra Leone. De par son ampleur, cette épidémie a rendu possible la mise en place d’études auprès des survivants et de leurs contacts et les données collectées présentaient des challenges dans leurs analyses qui relèvent de la biostatistique à savoir l’estimation des performances d’un test diagnostique en absence de gold standard, la modélisation de l’évolution longitudinale d’un biomarqueur, l’estimation de prévalences et d’incidences d’un évènement à partir de données répétées dans le temps et censurées par intervalle, la modélisation de l’occurrence d’évènements récurrents, la modélisation du temps écoulé jusqu’à l’apparition d’un évènement d’intérêt avec des données censurées, l’estimation des durées d’évènements récurrents en présence de données censurées par intervalle. Dans ce travail de thèse, l’utilisation de ces techniques nous ont permis de déterminer auprès des personnes contacts, la prévalence des formes asymptomatiques et pauci-symptomatiques de la MVE en fonction du niveau d’exposition et auprès des survivants de la MVE, la prévalence des séquelles à long terme, le portage du virus dans les fluides biologiques ainsi que la cinétique des anticorps et leurs facteurs prédictifs. Enfin, nous avons proposé une méthode pour imputer les dates de survenue d’un évènement quelconque dans une étude longitudinale avec des données censurées par intervalle. Cette thèse a donc pu répondre à des problématiques d’intérêt en santé publique et a influencé positivement les recommandations internationales dans la lutte contre la MVE.