par Raphaëlle Pin-Diop Spatialisation du risque de transmission de la Fièvre de la Vallée du Rift en milieu agropastoral sahélien du Sénégal septentrional Thèse de doctorat de l’Université d’Orléans Discipline: Géographie: espace, développement et santé Ne pas oublier de me présenter: véto + géographie par Raphaëlle Pin-Diop Université d’Orléans

Première partie Deuxième partie Cadrage du sujet Problématique Plan de la présentation Première partie Cadrage du sujet Problématique Présentation du protocole de recherche Deuxième partie Organisation spatiale des hôtes Caractérisation des mares et répartition des vecteurs Modélisation du risque relatif de transmission de la FVR 1ère partie: générale, sert à situer le contexte de l’étude, à présenter la problématique ainsi que l’organisation du protocole de recherche suivi 2éme partie: application à la FVR dans la zone d’étude, Barkedji.

Charge croissante de morbidité et de mortalité palustres Cadrage du sujet Contexte scientifique Maladies vectorielles Maladies émergentes Santé et environnement Charge croissante de morbidité et de mortalité palustres 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. Mies vectorielles: palu, dengue…  plusieurs millions de morts par an, dont la majorité se situe dans les pays en voie de développement Mies émergentes: WN, CCHF, SRAS  inquiète car on se sent démuni face à des agents pathogènes nouveaux ou contre lesquels on n’est plus habitué à lutter La plupart des maladies, en particulier celles à transmission vectorielle, sont étroitement dépendantes du milieu dans lequel elles sévissent. Par exemple, la glossine (ou mouche tse-tse) n’existe qu’en Afrique, limitant à ce continent l’occurrence de la trypanosomose du bétail. L’approche santé-environnement, couplée aux récents progrès techniques (images satellites, SIG, etc.) nous permet d’avoir une approche plus globale des maladies, intégrées à leur environnement, et de mieux prédire leur répartition spatio-temporelle. C’est dans ce contexte que 2 projets menés par l’ISRA, le CIRAD et l’IRD en coopération avec d’autres organismes européens et sénégalais ont été mis en place à Dakar, au Sénégal. Ces projets, complémentaires et pluridisciplinaires visent à: modéliser le risque de schisto etc… modéliser les interactions entre etc…

Charge croissante de morbidité et de mortalité palustres Cadrage du sujet Contexte scientifique Maladies vectorielles Maladies émergentes Santé et environnement Charge croissante de morbidité et de mortalité palustres 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. Intégrée à l’équipe pluridisciplinaire, je me suis intéressée spécifiquement à la FVR.

La fièvre de la vallée du Rift Cadrage du sujet La fièvre de la vallée du Rift Maladie émergente Arbovirose zoonotique majeure (OIE) Affecte principalement les ruminants domestiques ou sauvages l’homme Aedes vexans Virus de la FVR Depuis trois décennies: aggravation des épisodes extension géographique Carte des épizooties de FVR Carte des enzooties de FVR Définir le terme arbovirose  transmission par arthropodes vecteurs (insectes, arachnides) Définir le terme zoonose  transmission de l’animal à l’homme et réciproquement Affecte: les ruminants, chez qui elle provoque des avortements massifs et une mortalité des jeunes L’homme, chez qui elle se limite en général à un syndrome grippal, avec de la fièvre et des maux de tête; toutefois, elle peut également évoluer en 3 formes compliquées: pathologie oculaire avec possibilité de séquelle irréversibles, ou encore méningo-encéphalite ou fièvre hémorragique, pouvant entraîner la mort du sujet. Depuis 3 décennies, les épisodes de FVR se sont caractérisés par: une aggravation des épisodes: Egypte 1977, 200 000 pers. infectées et 598 décès; Mauritanie 1987, plus de 200 décès une extension géographique, prouvant que la maladie peut s’adapter à différents milieux et climats: au départ limitée au continent africain, elle est récemment sortie de son aire d’enzootie, provoquant une importante épizootie au moyen-orient, en 2000.

Cycle épidémiologique simplifié de la FVR Cadrage du sujet Mécanismes de transmission Cycle épidémiologique simplifié de la FVR Expliquer brièvement le cycle: plus de 30 espèces de moustiques vecteurs, dont la plupart se répartissent dans les genres Aedes, Culex et Anopheles. Transmission peut être horizontale (par piqûre ou contact) ou verticale (de la mère à la descendance). Homme se contamine essentiellement par contact. Prévention: problèmes de la vaccination: effets secondaires ou rappel obligatoire tous les 6 mois  impossible systématiquement en préventif à l’échelle d’un pays Recommandations: lors des épisodes Donc intérêt de modéliser pour prédire où et quand la maladie va apparaître  mise en place précoce des actions de lutte Pas de traitement spécifique Prévention Vaccinations ciblées Recommandations en cas de foyer Intérêt de la modélisation

Modèles existants Au Sénégal Cadrage du sujet Modèles existants Valables pour l’Afrique de l’Est et du Sud Épisodes corrélés à pluviométrie abondante Mais non extrapolables à l’Afrique de l’Ouest Au Sénégal Epizoo-épidémies régulières Région enzootique = zone agropastorale du Ferlo Modèles existants basés sur fait qu’en Afr de l’E et du S, les épisodes sont liés à pluvio importante, étendue dans espace et temps  inondation des gîtes des vecteurs Existe modèles basés sur des indicateurs climatiques (NDVI, LST,etc) Mais ko en Afr de l’O car écosystèmes et mécanismes différents. FVR circule dans milieux arides irrigués: sud mauritanie, vallée fleuve Sénégal et mares temporaires de la zone sahélienne Sénégal est régulièrement atteint  pb pour santé publique mais aussi pour économie locale, surtout dans zones pastorales FVR enzootique dans Ferlo  objectif de notre travail, au sein des projets ACI et CORUS: mettre en évidence des déterminants spatiaux du risque de transmission de la FVR dans une zone du Ferlo Objectif de ce travail de recherche Spatialisation du risque de transmission de la FVR en milieu agropastoral sahélien du Sénégal

Particularités de la FVR à Barkedji, Ferlo Problématique 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 Nous avons vu que les modèles valables pour l’Afr de l’Est et du Sud ne l’étaient pas pour l’Afr W car les milieux et mécanismes étaient différents. Nous allons détailler ce point en nous intéressant aux particularités de la transmission de la FVR dans notre zone d’étude, la communauté rurale de Barkedji, dans le Ferlo. Nous avons travaillé au niveau local pour étudier les différents éléments du cycle de la maladie, et la zone couvre donc seulement 1600 km². Il s’agit d’une région typiquement pastorale sahélienne, c’est à dire qu’elle est soumise à un climat de type tropical sec, avec une alternance entre saison sèche et saison des pluies; elle est principalement peuplée par des pasteurs peuls, nomades ou sédentarisés, dont le système d’exploitation est parfaitement adapté aux contraintes du milieu.  En SS et en SP….

Risque sanitaire Ressources ou santé? Mare temporaire Problématique Ressource majeure pour les éleveurs et leurs troupeaux Biotope des moustiques vecteurs Proximité dans l’espace et dans le temps entre le virus, ses hôtes et ses vecteurs L’utilisation des mares temporaires n’est toutefois pas exempte de risques pour les populations humaines et animales. En effet, la mare représente à la fois une ressource majeure pour les éleveurs en saison des pluies, et le gite des vecteurs de nombreuses maladies, dont les arboviroses. Cette proximité dans l’espace et dans le temps entre hôtes et vecteurs d’une maladie, dans une aire d’enzootie, c’est à dire où le virus est présent, constitue un risque sanitaire pour les hommes et les animaux. Risque sanitaire

Complexité du système de la FVR à Barkedji Problématique 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 Risque = Intensité du contact entre hôtes et vecteurs en saison des pluies Rongeurs? Homme Milieu Ruminant domestique Virus de la FVR Autour des mares temporaires de Barkedji, les différents éléments du cycle épidémiologique de la FVR sont en interaction. La modélisation de la FVR dans cette zone est complexe, pour plusieurs raisons: Il y a plusieurs espèces d’hôtes, voire même de réservoirs, comme le montre le schéma. tous les éléments du cycle ont des écologies et des dynamiques particulières Le virus peut être présent dans la zone, dans les œufs infectés d’Aedes ou éventuellement être introduit pas des animaux transhumants Il est transmis par 2 espèces principales de vecteurs (Aedes vexans et Culex poicilipes) qui, bien qu’étant toutes 2 des espèces nocturnes, ont des écologies et des dynamiques très différentes. Notre objectif étant de spatialiser le risque de transmission, nous avons choisi de cibler les éléments les plus importants du système et de nous intéresser aux déterminants spatiaux de leur répartition.  Nous avons donc choisi de définir le risque comme l’intensité du contact entre hôtes (rum) et vecteurs (Aedes ou Culex)  Et nous avons limité la temporalité à une saison des pluies Pour prédire la répartition spatiale des hôtes et des vecteurs, nous nous sommes basés sur des indicateurs de leur présence: Le campement pour les ruminants, puisque c’est le lieu où ils sont rassemblés la nuit, et où a lieu le contact avec les vecteurs. L’eau et la végétation, qui sont des facteurs déterminants pour la reproduction et le développement des 2 espèces vectorielles. Culex sp. Aedes sp.

Protocole spatialisation du risque dans la zone d’étude Présentation du protocole de recherche Protocole spatialisation du risque dans la zone d’étude HOTES VECTEURS Relevés 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 Notre protocole de recherche se décompose en 2 parties, les hôtes et les vecteurs, qui se rejoignent pour aboutir à la spatialisation du risque. Pour prédire la densité de troupeaux au niveau de la zone d’étude, nous nous sommes basés sur des données satellitales, enrichies par des relevés de terrain, et sur une série de recensements des campements et des troupeaux dans des échantillons spatiaux. Le traitement d’images et les statistiques ont permis de traiter les données brutes et de les intégrer dans un SIG, pour mener au résultat attendu, c’est à dire un modèle prédictif de la répartition des hôtes. Pour les vecteurs, la base de travail a été une série de 3 images Spot5 prises en SP qui, traitées et intégrées dans le SIG, ont mené à une estimation de l’abondance relative des vecteurs sur l’ensemble de la zone d’étude. Enfin les résultats obtenus ont été assemblés pour prédire le risque.

Première partie Deuxième partie Cadrage du sujet Problématique Plan de la présentation Première partie Cadrage du sujet Problématique Présentation du protocole de recherche Deuxième partie Organisation spatiale des hôtes Caractérisation des mares et répartition des vecteurs Modélisation du risque relatif de transmission de la FVR La deuxième partie de cette présentation détaille les étapes de ce protocole et présente quelques uns des résultats obtenus, successivement pour les hôtes, les vecteurs et l’estimation du risque.

Hypothèses Méthodes Organisation spatiale des hôtes La répartition des troupeaux dépend principalement des pâturages Le comportement spatial peut varier entre sédentaires et transhumants Méthodes Traitement d’images SIG Analyses statistiques Les hypothèses qui ont servi de base à la réflexion sont les suivantes: ….. Sur le schéma, on voit les étapes de la recherche. Les images satellites ont servi à décrire le milieu. Ces résultats, couplés dans le SIG aux données spatialisées relevées sur le terrain, ont été utilisés pour décrire et typer les comportements spatiaux des éleveurs. C’est à partir de ces analyses statistiques exploratoires que nous avons mis en place le modèle prédictif de la répartition spatiale des hôtes, par analyse discriminante.

Résultats Le milieu Organisation spatiale des hôtes Cartographie des clusters écologiques Occupation du sol d’après une image LandSat de nov. 1999 (source: CSE) Dynamique de la végétation en SP 2001 (source: Spot Vegetation) Les premiers résultats concernent le milieu: nous avons réalisé une carte d’occupation du sol, estimé la dynamique de la végétation et finalement synthétisé ces données en découpant la zone d’étude en régions écologiquement homogènes.

Cartographie de la densité de troupeaux Organisation spatiale des hôtes 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 Puis les analyses exploratoires des données relatives aux campements ont montré que leur emplacement était déterminé principalement par: l’occupation du sol La distance par rapport aux points d’eau permanents, aux pistes et à la vallée du Ferlo. Par ailleurs, aucune différence significative n’est apparue entre le comportement moyen des sédentaires et des transhumants, ce qui nous a permis de les intégrer dans un même modèle. La sortie de ce modèle est une cartographie de la densité de troupeaux (de très faible à élevée), au niveau de la zone d’étude et d’une résolution spatiale de 1km².

Discussion Critiques du modèle Améliorations du modèle Organisation spatiale des hôtes Discussion Critiques 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 Pour améliorer le modèle, on pourrait: Tester d’autres variables: pente, altitude, autres indices de végétation que le NDVI, présence de certaines espèces herbacées (cf qualité du pâturage) Utiliser une autre unité que le troupeau, qui peut être composé d’un nombre de têtes de bétail variable. L’unité « animal » est très difficile à utiliser car les éleveurs refusent de compter leur bétail. On pourrait par contre utiliser l’unité « parc de nuit », dans lequel le bétail est parqué pour la nuit, car ces parcs sont de taille relativement homogènes et leur position peut être relevée par GPS (cela a été fait lors des enquêtes de terrain). Le seul problème de cette unité est d’ordre méthodologique, car les parcs sont agrégés autour des campements, eux-mêmes agrégés entre eux. Enfin, on devrait prendre en compte les variations inter-annuelles de la charge animale sur l’ensemble de la zone d’étude; on a pu remarquer que cette charge augmentait lorsque l’année était globalement plus sèche. Cependant, il faudrait pour estimer ces variations travailler sur plusieurs années, ce qu’il n’a pas été possible de faire dans le cadre de cette thèse.

Hypothèses Plus une mare est… Caractérisation des mares et répartition des vecteurs 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 Notre réflexion s’est basée sur les hypothèses suivantes: plus une mare est couverte par la végétation, étendue et découpée et pérenne dans le temps, plus elle est favorable aux vecteurs. Les photos en bas de la dipaositive montrent 2 mares ayant des couverts végétaux très différents. Par ailleurs, plus on s’éloigne d’une mare, plus la densité de moustiques diminue. 2 profils de mares

Méthodes Caractérisation des mares et répartition des vecteurs 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 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 Compte tenu de ces hypothèses, nous nous sommes attachés à détecter sur une série de 3 images SPOT5 (de 5m de résolution spatiale) les surfaces en eau et la végétation, en début, milieu et fin de saison des pluies. Une fois ces données obtenues et intégrées dans le SIG, nous les avons utilisées pour attribuer à chaque mare de la zone d’étude un indice C, quantifiant sa capacité à permettre le développement des vecteurs. C a été calculé selon la S et P maximaux, l’importance du couvert végétal et la pérennité de la mare. Puis cet indice a été généralisé à l’ensemble de la zone d’étude par lissage, le filtre utilisé ayant une pondération inverse à la distance à la mare. Normalement, les dimensions de ce filtre de lissage doivent être déterminées en fonction de la distance maximale de dispersion du vecteur. Cette donnée n’étant pas disponible pour l’instant pour Aedes vexans et Culex poicilipes sur la zone de Barkedji, nous avons fait 3 essais, avec des distances croissantes, allant de 2.5km à 6km. Le résultat correspond à une estimation de l’abondance vectorielle relative en tout point de la zone d’étude.

Résultats Cartographie des mares temporaires de la zone d’étude Caractérisation des mares et répartition des vecteurs Résultats Cartographie des mares temporaires de la zone d’étude Les résultats obtenus sont les suivants: une cartographie des mares en début, milieu et fin de SP Une carto de la densité de végétation en début de SP Une carto de la capacité C des mares 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) Caractérisation des mares et répartition des vecteurs 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 Le résultat final de ces travaux sur les vecteurs est l’estimation de l’ abondance relative des vecteurs, dans 3 cas: dispersion maximale faible, moyenne et élevée. Dans les 3 cas, on observe des zones fortement infestées, au nord de la zone et sur les 2/3 de la vallée du Ferlo. Lorsque la dispersion est faible, des îlots d’abondance élevée, à proximité des mares, contrastent avec des zones d’abondance très faible. Lorsque la distance maximale de dispersion augmente, il y a une homogénéisation de l’abondance vectorielle dans des valeurs moyennes, tandis que les zones de trsè faible abondance tendent à disparaître.

Discussion Détection des mares Détection de la végétation Caractérisation des mares et répartition des vecteurs 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? La détection des mares a été une étape difficile à cause du couvert végétal, qui modifie le signal de l’eau. Il est donc possible que le nbre de mares ait été légèrement surestimé, à cause de confusions entre certaines classes lors de la classification des images. Nous espérons pouvoir améliorer ces résultats, soit en travaillant en approche orientée-objet (ce que nous avons tenté, mais sans grand succès, faute de temps), soit à partir d’une série d’images RADAR, éventuellement couplée à un MNT à 1m de résolution spatiale, pour déterminer le profil des mares. En ce qui concerne la détection de la végétation, nous nous sommes limités à la discrimination de classes de densité, car nous ignorions les préférences des espèces vectorielles. Toutefois, si l’on disposait de données plus précises sur l’écologie des vecteurs, on pourrait utiliser les potentialités de la TD pour discriminer les types de végétation (arborée, arbustive, herbacée), la hauteur de la strate, voire même les espèces. Enfin, nos cartes d’abondance vectorielle pourraient être précisées, si l’on connaissait la distance de dispersion maximale des vecteurs. Dans ce cas, on pourrait fixer les paramètres de lissage, de façon à n’avoir qu’une seule carte d’abondance. Il semble qu’un protocole de capture-marquage-recapture, ou le recours à la biologie moléculaire, permettraient d’obtenir cette valeur.

Modélisation du risque relatif de transmission de la FVR 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 Méthodes Cartographie de la végétation terrestre (SIG) Modèle: arbre hiérarchique à 3 niveaux Comparaison avec les données sérologiques disponibles Hypothèses: D = densité de troupeaux; Av = abondance vectorielle relative Notre modèle est un arbre hiérarchique, avec autant de niveaux que de variables (3 dans notre cas). Chaque combinaison de modalités des 3 variables correspond à un niveau de risque, échelonné de 1 à 4; le niveau de risque est déterminé d’après les hypothèses épidémiologiques. Les résultats ont été comparés avec les données sérologiques disponibles, c’est à dire des valeurs d’incidence mesurées sur 15 campements de la zone d’étude. Cette comparaison n’est faite qu’à titre purement qualitatif, comme une première évaluation de nos résultats, car les enquêtes séros ne concernaient qu’un nombre restreint de sites, non échantillonnés par rapport à notre modèle.

Résultats Zones de niveau 4 Zones de niveau 2-3 Zones de niveau 1 Modélisation du risque relatif de transmission de la FVR Résultats 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 4: prox d’un forage ou d’un puits ET d’un réseau de grandes mares. Zones très favorables aux moustiques (réseau grandes mares) et très fréquentées en SP: par les sédentaires (installés à côté du point d’eau permanent) et par les transhumants qui s’y installent également en SP. Zones de niveau 2 ou 3: réseau de petites mares: vecteurs moins abondants, surtout si on s’éloigne des mares; fréquenté essentiellement par des transhumants. Zones de niveau 1: peu propices aux vecteurs car peu de mares; quelques campements épars, préférant s’isoler et parcourir de grandes distances pour parvenir aux mares. Zones de niveau 1 Grandes plaines de seeno ou sangre, peu de mares

Applications pratiques Modélisation du risque relatif de transmission de la FVR 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 Si on compare les résultats sérologiques sur les 15 campements suivis avec nos prédictions: 7 campements + sur 9 se trouvent dans la zone à risque; par contre, 4 campements négatifs étaient également situés dans notre zone à risque.  meilleure sensibilité du modèle, a priori. Un résultat intéressant est que quel que soit le niveau de dispersion des vecteurs, seuls 15% de la surface totale de la zone d’étude sont considérés comme étant à haut risque. Ce type de résultats pourrait constituer une aide à la décision au niveau du réseau de surveillance de la FVR au Sénégal, en permettant aux agents de sélectionner les troupeaux sentinelles dans les zones considérées comme les plus à risque. On aurait ainsi une probabilité maximale de détecter le virus. Par ailleurs, en cas de confirmation de foyer, on pourrait cibler les actions de prévention et de lutte dans ces mêmes zones à risque. Enfin, on pourrait cibler le traitement des mares temporaires, en choisissant celles qui sont à la fois les plus favorables aux vecteurs ET les plus attractives pour les éleveurs.

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 Cependant, ces applications pratiques ne peuvent être mises en œuvre qu’après amélioration et validation de notre protocole et du modèle final. Ce dernier a l’avantage d’être basé sur une réflexion épidémiologique, ce qui permet de ne pas perdre de vue la réalité du terrain. Par ailleurs, les sorties du modèle (cartes à 1km² de résolution) sont faciles à comprendre et à exploiter, pour les scientifiques et pour les bénéficiaires du projet. Les inconvénients de ce type de modèle, entièrement qualitatif, sont: de nécessiter une mise en classes des variables Et de limiter la pondération des variables  Il serait donc préférable d’utiliser un modèle plus robuste. Dans notre protocole, nous n’avons pas fait de différence entre les troupeaux sédentaires et transhumants. Or il est possible que des animaux transhumants, en provenance de régions épizootiques ou enzootiques, introduisent le virus de la FVR dans la zone de Barkedji. Cette hypothèse n’a pas été confirmée, ce qui nous empêche de la prendre en compte. Il faudrait donc prélever des animaux à leur arrivée à Barkedji, afin d’évaluer l’importance de ce mode d’introduction, et le cas échéant, de l’intégrer dans le modèle. Enfin, nous n’avons pas pu valider notre modèle final, nous contentant de comparer nos prédictions avec le statut positif ou négatif des 15 campements. Pour avoir une vraie validation, il faudrait échantillonner les prochains suivis sérologiques en fonction du niveau de risque prédit et rechercher des corrélations entre l’incidence et le niveau de risque prédit.

Bilan Apport thématique et méthodologique Perspectives Conclusion 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 Bilan de ce travail de recherche: nous avons pu cartographier la densité de troupeaux, l’abondance vectorielle et le risque relatif de transmission de la FVR à Barkedji. Notre travail montre qu’on peut modéliser des maladies émergentes, pour lesquelles on manque de données, à un niveau local. L’objectif de ce travail n’était pas de faire un modèle extrapolable à l’ensemble du continent africain, mais de proposer une approche globale de la FVR dans un milieu particulier, le système des mares temporaires du Ferlo. Cette méthode peut être reprise dans des milieux différents, sur d’autres maladies, telles que la WN ou le Chik, à condition d’adapter les données aux particularités de chacune (par ex, pour le Chik, il faudrait sans doute utiliser des images à très haute résolution pour détecter les gîtes naturels). L’intérêt d’un travail d’équipe pluridisciplinaire apparaît à nouveau; la mise en commun des expertises permet d’avoir cette approche holistique de la maladie et de résoudre des problèmes complexes en mettant en œuvre des protocoles intégrant géomatique, épidémiologie et statistiques. Perspectives: Nous espérons que dans le cadre d’EDEN, nous pourrons avancer sur plusieurs points: l’écologie des vecteurs, le rôle réel des transhumants dans le transport du virus, la dynamique de transmission de la maladie. Et également nous souhaiterions pouvoir valider notre modèle, après y avoir apporté les améliorations que nous avons proposées tout au long de ce travail.

Merci de votre attention