Modélisation statistique des associations et des interactions entre des parasites transmis par des vecteurs, à partir de données issues d'études transversales - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2014

Statistical modelling of associations and interactions between vector borne parasites, using data from cross-sectional studies

Modélisation statistique des associations et des interactions entre des parasites transmis par des vecteurs, à partir de données issues d'études transversales

Résumé

Multiparasitism and specifically statistical associations among parasites, have a strong influence on the ecology of parasites. This influence reinforced when parasites interact and thus modify their effect on hosts. However, the identification of associations and interactions between parasites is complex at the population level. Our aim was to model multi-parasite associations and interactions, in particular for parasites of medical, veterinary or agricultural importance. We first present a review of the literature on the different causes and consequences of multiparasitism and the methods and tools available to better understand the phenomena that generate them. In a second step we worked on the detection of multi-parasite associations. We developed a new approach « association screening » to statistically test the presence of multi-parasite associations on a global scale. We used this method to identify associations and to reveal precisely associated parasites in different host populations. Then, we focused on the study of interactions between parasites. We developed a model to identify the interactions between two vector-borne and persistent parasites in a host, using data from cross-sectional studies. One way to increase our capacity to detect parasite interactions in populations is the taking into account common risk factors. Taking into account interactions increases diagnosis, treatments and prevention of infectious diseases.
Le multiparasitisme et surtout les associations qui en découlent, ont une grande influence sur l’écologie des parasites concernés. Elle est d’autant plus grande que les parasites peuvent interagir et ainsi modifier leurs effets sur les hôtes. Cependant, l’identification des associations et interactions de parasites est complexe au niveau populationnel. Notre objectif était de modéliser les associations et les interactions multiparasitaires, notamment dans le cadre des parasites d’importance médicale, vétérinaire ou agronomique. Nous avons tout d’abord réalisé une revue bibliographique sur les différentes causes et conséquences du multiparasitisme ainsi que sur les méthodes et outils disponibles pour comprendre les phénomènes qui le génèrent. Dans un second temps, nous nous sommes intéressés tout particulièrement à la détection des associations multiparasitaires. Nous avons développé une nouvelle méthode « de screening des associations » pour tester statistiquement la présence d’associations de parasites à une échelle globale. Nous avons utilisé cette méthode pour identifier les associations et pour révéler précisément les parasites associés au sein de diverses populations d’hôtes. Puis, nous avons étudié les interactions entre les parasites. Nous avons développé un modèle pour identifier les interactions entre deux parasites vectorisés et persistants chez un hôte, à partir de données issues d’études transversales. L’une des voies de progression de la connaissance sur les interactions est la prise en compte des facteurs de risque communs. La prise en compte des interactions contribue à améliorer le diagnostic, les traitements et la prévention des maladies infectieuses.
Fichier principal
Vignette du fichier
VAUMOURIN_2014CLF22489.pdf (20.62 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-01153501 , version 1 (19-05-2015)

Identifiants

  • HAL Id : tel-01153501 , version 1
  • PRODINRA : 280475

Citer

Elise Vaumourin. Modélisation statistique des associations et des interactions entre des parasites transmis par des vecteurs, à partir de données issues d'études transversales. Sciences agricoles. Université Blaise Pascal - Clermont-Ferrand II, 2014. Français. ⟨NNT : 2014CLF22489⟩. ⟨tel-01153501⟩
283 Consultations
596 Téléchargements

Partager

Gmail Facebook X LinkedIn More