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.

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


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


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


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


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


Estimation de l’abondance relative des vecteurs (Av)


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


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


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


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


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

par raphaëlle pin-diop

Documents