Menee conjointement par UGB et IRD [Ile-de-France], cette recherche modélise la méningite bactérienne au Sénégal.
L'Essentiel : Menee conjointement par UGB et IRD [Ile-de-France], cette recherche modélise la méningite bactérienne au Sénégal.
Papa Massar Niane, chercheur·e au sein de UMMISCO (Université Gaston Berger de Saint-Louis Sénégal).
Thèse soutenue en 2023 à l'école doctorale École doctorale Informatique, télécommunications et électronique de Paris (1992-....).
Cette recherche est le fruit d'une cotutelle internationale entre plusieurs institutions partenaires.
Référencée dans le réseau ABES/STAR, cette thèse répond aux critères de rigueur de l'enseignement supérieur français.
Contexte et Problématique
La méningite bactérienne constitue un défi majeur de santé publique, particulièrement dans les régions du Sahel, notamment au Sénégal. Les épidémies de méningite sont influencées par une multitude de facteurs, incluant des éléments environnementaux, climatiques et sociétaux. Cette complexité multiscalaire rend indispensable le développement de modèles prédictifs capables d'intégrer ces divers paramètres afin d'anticiper et de gérer les épidémies de manière efficace. La thèse de Papa Massar Niane se concentre sur cette problématique et propose le modèle MenAfriSIM™, une approche multi-agents qui se veut innovante dans la modélisation de la transmission de la méningite.
Méthodologie
Le modèle MenAfriSIM™ a été conçu pour analyser la propagation de la méningite au Sénégal en tenant compte des facteurs climatiques et environnementaux. Un des éléments clés de ce modèle est le COefficient of Meningitis Invasion and Development for Environmental eXposure (COMIDEX), qui intègre des données environnementales spatialisées issues de la télédétection. Ce coefficient permet d'évaluer l'impact de la température et des niveaux de poussière sur la transmission de la maladie.
MenAfriSIM™ utilise également un modèle d'interaction spatiale pour prendre en compte la mobilité interurbaine, un facteur crucial dans la dynamique de transmission de la méningite. Le modèle a été testé sur les données de la saison 2012, une période marquée par un nombre de cas record de méningite. L'évaluation du modèle a permis d'analyser la variabilité des cas en relation avec les facteurs démographiques et environnementaux.
Résultats Principaux
Les résultats obtenus à partir de MenAfriSIM™ indiquent que plus de 50 % de la variabilité totale des cas de méningite est expliquée par le modèle, avec un coefficient de détermination R² égal à 0.53. De plus, près d'un tiers de la variabilité des cas peut être attribué à la température et à la poussière, avec un R² de 0.29. Ces résultats soulignent une forte corrélation entre le nombre de cas de méningite et la densité démographique, suggérant que les communes les plus touchées par la maladie se situent généralement dans les zones les plus peuplées.
Les analyses ont également révélé que le nord du Sénégal présente les conditions climatiques et environnementales les plus défavorables, ce qui correspond à une incidence plus élevée de cas de méningite. La notion de "trizone de la méningite" illustre un gradient de risque qui diminue du nord vers le sud du pays. Ces observations sont corroborées par la littérature existante sur les conditions climatiques au Sénégal et par l'exploration des données de la saison 2013.
Discussion et Perspectives
Le modèle MenAfriSIM™ représente une avancée significative dans la compréhension de la méningite bactérienne au Sénégal. En intégrant des données environnementales et en tenant compte des interactions spatiales, il permet une analyse plus fine des facteurs contribuant à la propagation de la méningite. L'accent mis sur la surveillance des zones nord du pays est particulièrement pertinent, étant donné que ces régions constituent des points critiques pour le risque de méningite.
L'intégration des résultats du modèle dans les systèmes d'alerte précoce pourrait faciliter une réponse plus rapide aux épidémies. Toutefois, des recherches supplémentaires sur une période prolongée sont nécessaires pour affiner les conclusions et développer des recommandations politiques robustes. La prise en compte du temps de propagation de la méningite entre les zones (estimé entre 2 et 3 semaines) est également essentielle pour améliorer les interventions de santé publique.
Les résultats de cette thèse ouvrent des perspectives intéressantes pour la modélisation épidémiologique et la santé publique au Sénégal. Ils soulignent la nécessité d'une approche intégrée qui combine la recherche scientifique, la surveillance sanitaire et des politiques de santé adaptées pour répondre efficacement aux défis posés par la méningite bactérienne.
Données clés
- 53% : MenAfriSIM™ explique 53% de la variabilité des cas de méningite au Sénégal.
- 29% : Près d'un tiers de la variabilité des cas est attribuée à la température et à la poussière.
Accéder à l'étude complète
Sources et accès
Papa Massar Niane. Modélisation de la méningite bactérienne dans l'interface Environnement-Climat-Société par approche multi-agents : cas d'application au Sénégal. Modélisation et simulation. Sorbonne Université; Université Cheikh Anta Diop (Dakar, Sénégal ; 1957-..), 2023. Français. ⟨NNT : 2023SORUS535⟩. ⟨tel-04457230⟩