Télé-épidémiologie et cartographie de l aléa entomologique du paludisme An. darlingi à St Georges de l Oyapock (Guyane)

Transcription

1 Télé-épidémiologie et cartographie de l aléa entomologique du paludisme An. darlingi à St Georges de l Oyapock (Guyane) Antoine ADDE 1, Samuel B. VEZENEGHO 1, Romuald CARINCI 1, Jean ISSALY 1, Pascal GABORIT 1, Emmanuel ROUX 2, Morgan MANGEAS 2, Nadine DESSAY 2, Isabelle DUSFOUR 1, Romain GIROD 1, Sébastien BRIOLANT 1,3,4 1 Unité d entomologie médicale, Institut Pasteur de la Guyane 2 Maison de la télédétection, Institut de Recherche pour le Développement 3 Direction Interarmées du Service de Santé en Guyane 4 Institut de Recherche Biomédicale des Armées

2 Le paludisme dans le monde et en Guyane Première maladie parasitaire dans le monde transmise par la piqure de moustiques femelles Anophèles 50% de la population mondiale exposée ~200 millions de cas par an (OMS,2014) ~ décès par an (OMS,2014) La situation en Guyane Anopheles darlingi est le principal vecteur Lieux de contamination : zones orpaillées, fleuves Oyapock et Maroni Transmission max entre septembre et décembre Diminution de l endémie palustre en 10 ans Incidence annuelle de 2 (CIRE, 2014) Demeure une problématique de santé publique Autre plasmodium P. falciparum % % 32% 43% 19% 36% % 29% 35% 30%

3 Anopheles darlingi (source: FMEL) Une problématique multi-échelle complexe Spatial Global Temporel Continent Climat Année Région Environnement Saison Quartier Sociétés Journée Local Paludisme

4 Télé-santé et Télé-épidémiologie Concept: Analyse des relations «environnement climat santé» appuyée par les technologies satellitaires A Comprendre les mécanismes favorisant l EMERGENCE et la PROPAGATION de la maladie Observation : Constituer des jeux de données terrain Diagnostic : Identifier les facteurs physiques, biologiques et socio-économiques clés associés à la maladie B Développer des PRODUITS ADAPTES intégrant le spatial Observation in-situ de l environnement Utilisation de capteurs spatiaux aux performances adaptés C Elaboration de MODELES PREDICTIFS des impacts environnementaux sur les RISQUES et ALEAS sanitaires Etablir des cartes de risque et d aléa innovantes Développer des systèmes d information sur la santé Le paludisme à Dakar (Machault et al. 2012)

5 Objectifs et Approche Objectif «opérationnel» Elaborer des cartes de l aléa entomologique à partir de variables environnementales issues de l imagerie satellitaire et de paramètres météorologiques à destination des autorités de santé Objectif «scientifique» Approfondir le champs de connaissance autour des préférences bioécologiques des vecteurs Objectif «technique» Evaluer l efficacité de la télé-épidémiologie en Guyane menée à partir de l imagerie optique Collecte de moustiques anophèles adultes entre 2012 et 2014 Caractérisation de l occupation du sol à partir d images satellite SPOT 5 Recherche des associations Données météo Cartographie dynamique de l aléa entomologique An. darlingi

6 Le site d étude : Saint-Georges de l Oyapock Petite ville (4 500 hab.) fluvioforestière à la frontière Brésilienne le long du fleuve Oyapock P. vivax > P. falciparum Période transmission max = saison sèche (Oct Déc) Baisse incidence annuelle Persistence foyers endémiques

7 Un important effort de collecte entomologique Site Saisons sèches Saison humide Pièges (n) St-Georges (bi-hebdomadaire) Septembre - Novembre 2014 Avril - Juin Mosquito Magnet Octenol (9) 1845 Anopheles darlingi collectés Mode de collecte : Pièges Mosquito Magnet Aspiration Attraction Diffusion

8 Les collectes : des contrastes spatio-temporels Saison de transmission du paludisme à St Georges Impact de l environnement? Impact de la météo?

9 Les prédicteurs Environnement (imagerie SPOT5) Classification supervisée (MaxLike) de l occupation du sol - Image du 12/10/2012 (Kappa coef = 0,84) Extraction des variables à l intérieur d une zone tampon (buffer) de rayon X autour du piège o buffer 200m (zone d étude ~15 km² ) m² = rayon d attraction constructeur 3 Type d indicateurs Surface Interface Distance et métriques paysagères (Fragstats) Les indices spectraux Végétation (NDVI, GMVI ) Eau (NDWI) Produits SIG déjà disponibles (ONF, DEAL, FAG ) Météorologie 5 «familles» - Pluie, Température, Humidité, ETP, Rayonnement Une variété d indicateurs - Min, Max, Moy, nb jours < ou >, séquences Différents pas de temps - Fenêtre glissante j-0 à j-63 avant la date de capture 9

10 Le modèle : régression ordinale mixte Analyse univariée P-value < 0,25 Minimisation de la p-value + Analyse effectuée avec le package R ordinal (Christensen, 2010) Adapté pour les mesures répétées Effets aléatoires croisés - Autocorrélation spatiale (effet piège) - Autocorrélation temporelle (effet semaine) Echelle ordinale 3-points Faible, Modéré, Fort (aléa entomologique) Pertinence bioécologique Analyse multivariée Minimisation de l AIC + P-value < 0,05 Modèle final 10

11 Résultats : Modèle spatial L aléa Anopheles darlingi en saison sèche Coefficient Erreur Std P-value Seuils Premier -1,79 0,69 Second -0,02 0,65 Pentes Surface de forêt très dense Par augmentation d un ha 0,36 0,12 0,002 Distance aux cours d eau Par augmentation d un Km -2,04 0,62 0,001 Effets aléatoires Position du piège 0,03 Semaine de capture 2,47 Le modèle spatial inclut deux prédicteurs : la surface de forêt très dense dans un rayon de 200m et la distance aux cours d eau La probabilité d aléa entomologique augmente dans les zones forestières denses. L éloignement aux cours d eau réduit l aléa entomologique 11

12 Résultats : Modèle temporel Modèle Observations L aléa Anopheles darlingi en saison sèche Seuils Coefficient Erreur Std P-value Premier 14,42 3,17 Second 16,23 3,23 Pentes N max. J consecutifs P = 0 (9 semaines préc.) Par augmentation d un jour -0,58 0,14 < 0,001 Humidité minimale (7 semaines préc.) Par augmentation d un point 0,45 0,08 < 0,001 Effets aléatoires Position du piège 1,98 Semaine de capture 0,00 MODEL Année Semaine P1 P2 P3 P4 P5 P6 P7 P8 P9 High Low Medium High Medium Low High Medium High High Medium High Medium Medium Low Medium Medium Low Medium Medium Medium Low High Low Low Medium Medium High Low High Low Low Medium Low Low Medium Medium High Medium Medium Medium Medium High Low High Low Low Medium High High Low Low Low Medium Medium High Low Low Medium Medium Medium Low Medium Medium Low Low Low Medium Medium Low Low High Low Low Low Low Low Low Low Low Low Low High High High High High High High Medium High High Low High Low High Low High High High Low High High Medium Low High High Low Medium High High Low Low High High Low Low Medium High Low Medium Low High Low Medium Medium Low Low Medium Medium High Low Medium Medium Medium Low Low Low High Low Low Low Low Low Low Low Low Low Low Low Low Low Low Low Low Low Medium Low Low Low Low Low Low Low Medium Low Low Low Medium Medium Medium Medium Medium Medium Medium Low High Medium Medium Medium High Low High Medium High High Low High High Medium High High Medium High High High High High Low High High High High High Medium High High Medium High High Low High Low Low High Le modèle temporel inclut deux prédicteurs : le nombre maximal de jours consécutifs sans pluie dans les 9 semaines précédant la semaine de collecte et l humidité minimale dans les 7 semaines précédant la semaine de collecte Les longues séquences sèches réduisent l aléa entomologique Un air sec est défavorables à un aléa entomologique élevé

13 Résultats : Modèle dynamique spatio-temporel L aléa Anopheles darlingi saison sèche = saison de transmission début septembre (S1) à fin novembre (S12) Coefficient Erreur std. P-value Seuils Premier 12,84 3,08 Second 14,64 3,14 Pentes Distance aux cours d eau -2,24 0,62 < 0,001 Surface de forêt très dense 0,36 0,12 0,003 N max. J consecutifs P = 0 (9 semaines préc.) -0,57 0,14 < 0,001 Humidité minimale (7 semaines préc.) 0,45 0,08 < 0,001 Effets aléatoires Position du piège 0,09 Semaine de capture 0, Martin Martin Martin Savane 2 Savane 2 Savane 2 Savane 1 Savane 1 Savane 1 Adimo Adimo Adimo Aérodrome Onozo Aérodrome Onozo Aérodrome Onozo Gabin Esperance Bambou Gabin Esperance Bambou Gabin Esperance Bambou Maripa Bourg Maripa Bourg Maripa Bourg Légion Légion Légion Blondin Blondin Blondin

14 Conclusion Travail scientifique multidisciplinaire, comprenant la collecte et l organisation des campagnes de mesures in-situ, la construction d une base de données et d un SIG, l analyse d images satellites, et la modélisation bio-statistique d un aléa entomologique Sur la base de données satellitaires et in situ, construction d un modèle de prédiction des densités d An. darlingi adultes et potentielle mise à disposition opérationnelle de cartes dynamiques pour une lutte anti-vectorielle adaptée Validation de ces cartes sur la base de données entomologiques externes Détection des zones humides sous couvert végétal par imagerie optique complexe : développement de l outil radar en cours Etude larvaire impossible : pas d accès aux gites (terrain et imagerie) Corrélation significative de l aléa entomologique modélisé et du nombre de cas de paludisme observés par quartiers à l échelle de St Georges : l environnement télédétecté pourrait être utilisé comme proxy pour le risque épidémiologique (travaux de validation en cours à Camopi) La télé-épidémiologie : un outil d aide à la décision