Download - par Raphaëlle Pin-Diop
Spatialisation du risque de transmission
de la Fièvre de la Vallée du Rift
en milieu agropastoral sahélien
du Sénégal septentrional
par Raphaëlle Pin-Diop
Université d’Orléans
Thèse de doctorat de l’Université d’Orléans
Discipline: Géographie: espace, développement et santé
Organisation spatiale des hôtes Caractérisation des mares et répartition des vecteurs Modélisation du risque relatif de transmission de la FVR
Cadrage du sujet Problématique Présentation du protocole de recherche
Première partie
Deuxième partie
Plan de la présentation
Charge croissante de morbidité et de mortalité palustres
Contexte scientifique Maladies vectorielles Maladies émergentes Santé et environnement
Cadrage du sujet
Contexte institutionnel 2 projets pluridisciplinaires ACI: Analyse et modélisation du risque de schistosomose et de
Fièvre de la Vallée du Rift (FVR) dans la région pastorale du Ferlo, Sénégal
CORUS: Analyse et modélisation des interactions entre l’environnement, la dynamique des populations de vecteurs d’arboviroses et le contact entre hôtes et vecteurs.
Charge croissante de morbidité et de mortalité palustres
Contexte scientifique Maladies vectorielles Maladies émergentes Santé et environnement
Cadrage du sujet
Contexte institutionnel 2 projets pluridisciplinaires ACI: Analyse et modélisation du risque de schistosomose et de
Fièvre de la Vallée du Rift (FVR) dans la région pastorale du Ferlo, Sénégal
CORUS: Analyse et modélisation des interactions entre l’environnement, la dynamique des populations de vecteurs d’arboviroses et le contact entre hôtes et vecteurs.
Carte des enzooties de FVR
La fièvre de la vallée du RiftMaladie émergenteArbovirose zoonotique majeure (OIE)Affecte principalement
les ruminants domestiques ou sauvages l’homme
Cadrage du sujet
Depuis trois décennies: aggravation des épisodes extension géographique
Carte des épizooties de FVR
Aedes vexans
Virus de la FVR
Mécanismes de transmission
Cadrage du sujet
Cycle épidémiologique simplifié de la FVR
Pas de traitement spécifique Prévention
Vaccinations ciblées Recommandations en cas de foyer
Intérêt de la modélisation
Cadrage du sujet
Modèles existants Valables pour l’Afrique de l’Est et du Sud Épisodes corrélés à pluviométrie abondanteMais non extrapolables à l’Afrique de l’Ouest
Au SénégalEpizoo-épidémies régulièresRégion enzootique = zone agropastorale du Ferlo
Objectif de ce travail de recherche
Spatialisation du risque de transmission de la FVRen milieu agropastoral sahélien du Sénégal
Particularités de la FVR à Barkedji, Ferlo La zone d’étude
1600 km² autour de Barkedji Région pastorale sahélienne En saison sèche: transhumance ou points d’eau permanents En saison des pluies: mares temporaires et pâturages environnants
Problématique
Ressources ou santé?
Ressource majeure pour les éleveurs et
leurs troupeaux
Proximité dans l’espace et dans le temps entre le virus, ses hôtes et ses vecteurs
Biotope des moustiques vecteurs
Risque sanitaire
Problématique
Mare temporaire
Complexité du système de la FVR à Barkedji Plusieurs hôtes possibles et réservoirs éventuels Plusieurs modes d’introduction du virus 2 espèces principales de vecteurs
Problématique
Homme
Virus de laFVR
Aedes sp.
Ruminantdomestique
Culex sp.
Rongeurs?
Milieu
Risque = Intensité du contact entre hôtes et vecteurs en saison des pluies
Protocole spatialisation du risque dans la zone d’étudePrésentation du protocole de recherche
HOTES VECTEURSRelevés de terrain
Prédiction de la densité de troupeaux
SIG – Télédétection
Statistiques
Données satellitales (Landsat7, NDVI)
Recensement des campements et des troupeaux dans des échantillons
Relevés de terrain
Répartition spatiale de l’abondance relative des vecteurs
SIG – Télédétection
Géostatistiques
Données satellitales (Spot5)
Spatialisation du risque de transmission de la FVR à Barkedji
Organisation spatiale des hôtes Caractérisation des mares et répartition des vecteurs Modélisation du risque relatif de transmission de la FVR
Cadrage du sujet Problématique Présentation du protocole de recherche
Première partie
Deuxième partie
Plan de la présentation
Répartition spatiale de la densité des hôtes en saison des pluies 2001
Recensement des campements en 2001 et 2002
Image Landsat de nov. 1999
Description du comportement spatial
des éleveurs
Division de la zone en clusters
écologiques
Typologie des comportements
spatiaux des éleveurs
Occupation du sol 1999
SIG / CAH
Traitement d’image
SIG / Analyse multivariée
SIG / Analyses univariées
SIG / Analyse discriminante
HOTES
NDVI mensuels juin-déc. 2001
Hypothèses La répartition des troupeaux dépend principalement des pâturages Le comportement spatial peut varier entre sédentaires et
transhumants
Méthodes Traitement d’images SIG Analyses statistiques
Organisation spatiale des hôtes
Résultats Le milieu
Organisation spatiale des hôtes
Occupation du sol d’après une image
LandSat de nov. 1999 (source: CSE)
Dynamique de la végétation en SP 2001
(source: Spot Vegetation)
Cartographie des clusters écologiques
Description du comportement spatial des hôtes Déterminants de l’emplacement du campement Pas de différence majeure entre le comportement spatial moyen des
sédentaires et des transhumants
Organisation spatiale des hôtes
Prédiction de la densité de troupeaux D Modèle comprend 7 variables liées à l’occupation du sol Précision de 67%
Cartographie de la densité de troupeaux
DiscussionCritiques du modèle
Analyse discriminante (AD) Résultat qualitatif Adaptée au type de variables testées et à la variable prédite
Précision de 67% Habituel pour AD Biais possible: zone à forte densité au nord-est
Organisation spatiale des hôtes
Améliorations du modèle Tester d’autres variables Question de l’unité Prendre en compte les variations inter-annuelles de la densité animale
Hypothèses Plus une mare est…
couverte par la végétation, étendue et découpée pérenne
… plus elle est favorable aux vecteurs Plus on s’éloigne d’une mare, plus la densité de
moustiques diminue
Caractérisation des mares et répartition des vecteurs
2 profils de mares
Méthodes Détection de l’eau et de la
végétation Calcul d’un indice de capacité C
pour chaque mare selon Surface et périmètre max Couvert végétal Pérennité
Répartition spatiale de l’abondance relative des
vecteurs
Image SPOT 26/08/03
Image SPOT 27/10/03
Localisation de la végétation en août
2003
Localisation de l’eau en oct. et nov. 2003
Image SPOT 18/11/03
SIG / Modèle de décision
Localisation de la végétation terrestre
dense en août 2003
Localisation de l’eau en août 2003
Traitement d’image
VECTEURS
Caractérisation des mares et répartition des vecteurs
Généralisation de l’indice
à l’ensemble de la zone Lissage de C Calculs pour une dispersion maximale faible (2.5 km), moyenne (4 km) et élevée (6 km) Estimation de l’abondance relative des vecteurs dans ces 3 cas
Résultats Cartographie des mares temporaires de la zone d’étude
Cartographie de la densité de végétation au 26/08/03 Cartographie de la capacité C des mares
Caractérisation des mares et répartition des vecteurs
Estimation de l’abondance relative des vecteurs (Av)
Caractérisation des mares et répartition des vecteurs
Dans les 3 cas
Existence de zones fortement infestées
Dispersion faible
Îlots d’abondance relative élevée
Contraste avec zones d’abondance relative très faible
Dispersion élevée
Homogénéisation de Av dans des valeurs moyennes
Disparition des zones d’abondance relative très faible
Discussion Détection des mares
Difficile car couverture végétale modifie le signal Perspectives d’améliorations
Analyse orientée-objet Série d’images RADAR MNT à 1 m de résolution
Détection de la végétation Limitée par connaissances sur l’écologie des vecteurs Potentialités de la TD pourraient être mieux exploitées
Caractérisation des mares et répartition des vecteurs
Estimation de l’abondance vectorielle Distance de dispersion inconnue pour l’instant Protocoles de capture-marquage-recapture ou biologie moléculaire?
Hypothèses si D , le risque avec une limite imposée par le pool de vecteurs
si Av , le risque plus la végétation terrestre Vt est dense, plus les vecteurs se
déplacent facilement vers les hôtes
Modélisation du risque relatif de transmission de la FVR
Méthodes Cartographie de la
végétation terrestre (SIG) Modèle: arbre hiérarchique
à 3 niveaux Comparaison avec les
données sérologiques
disponibles
Zones de niveau 4
Proximité point d’eau permanent et réseau
de grandes mares
Zones de niveau 2-3
Proximité réseau de petites mares
Zones de niveau 1
Grandes plaines de seeno ou sangre, peu de
mares
Modélisation du risque relatif de transmission de la FVR
Résultats
Enquêtes d’incidence Modèle prédit 7+ sur 9 et 2- sur 6 Pas de différence significative de la surface à haut risque
(niveau 3 ou 4) selon les valeurs de dispersion
15% de la zone d’étude
Modélisation du risque relatif de transmission de la FVR
Applications pratiques Aide à la décision dans le cadre du réseau de
surveillance sénégalais Sélection des troupeaux sentinelles dans zones à haut risque En cas de foyer avéré, cibler les actions de prévention et de lutte
dans les zones les plus à risque
Éventuellement: traitement ciblé des mares temporaires
Modélisation du risque relatif de transmission de la FVR
Discussion Arbre hiérarchique: basé sur réflexion épidémiologique,
aisément modifiable Sorties du modèle facile à interpréter (cartes de 1 km² de
résolution)
Mise en classes, peu de pondération des variables
Utiliser un modèle plus robuste Rôle des transhumants dans l’introduction du virus?
Enquêtes sérologiques à leur arrivée à Barkedji Validation du modèle
Suivi sérologique en stratifiant l’échantillonnage
Apport thématique et méthodologique Modélisation des maladies vectorielles émergentes au niveau local
Applications à d’autres maladies
Importance d’une réflexion approfondie sur la maladie dans son milieu
Intérêt d’un travail pluridisciplinaire
Perspectives Études complémentaires dans le cadre du programme EDEN
Améliorations et validation des modèles
Approfondissement des concepts et outils de la géographie appliqués
à l’étude des pathologies animales ou humaines
Conclusion
Bilan
Merci de votre attention