Détection d'agrégats spatiaux dans le cas d'une variable continue : application à un indicateur de l'infection mammaire chez les bovins

• Auteur / Autrice : Emilie Gay
• Direction : Jacques Barnouin, Rachid Senoussi
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la santé. Epidémiologie
• Date : Soutenance en 2006
• Etablissement(s) : Clermont-Ferrand 1

Mots clés

Mots clés contrôlés

Maladies infectieuses -- Chez les animaux

Maladies animales -- Épidémiologie

Clusters (chimie)

Résumé

La détection des agrégats est une problématique d'importance en épidémiologie. Les méthodes de détection d'agrégats ont essentiellement été développées pour des maladies mesurées par des variables dichotomiques (cas/témoins). Or, dans le cas des infections mammaires des bovins, la maladie est évaluée par le score cellulaire, variable continue qui est une expression de la numération leucocytaire du lait. En conséquence, l'objectif de la thèse a consisté à développer des méthodes de détection d'agrégats spatiaux adaptées aux variables continues, afin d'analyser la répartition spatiale du score cellulaire dans les élevages bovins laitiers français. La 1ère approche qui a été développée, non paramétrique, est basée sur la distance d'Hellinger entre distributions spatiales. La mesure de la distance entre la distribution des élevages à différents niveaux de score cellulaire et la densité globale d'élevages a permis de mettre en évidence une concentration progressive dans certaines zones, et donc de détecter des agrégats. Une 2nde approche, paramétrique, utilise un modèle quantifiant la survie spatialisée, pour des niveaux de score croissants, en intégrant les facteurs de risque connus du score cellulaire et un " effet-foyers " de forme gaussienne. Les agrégats détectés par cette méthode ont été identiques à ceux obtenus avec la méthode basée sur la distance d'Hellinger. Les 2 méthodes constituent de nouveaux outils flexibles et génériques pour la détection d'agrégats spatiaux. Elles offrent en effet plusieurs avantages : 1) elles sont applicables à des maladies mesurées par une variable continue ou discrète, 2) elles prennent en compte les facteurs de risque connus de la maladie pour ne s'intéresser qu'aux agrégats inexpliqués, 3) elles tiennent compte de l'hétérogénéité spatiale de la population sous-jacente.

Cluster detection is an important field of investigation in epidemiology. Methods of cluster detection had mainly been developed for diseases described through dichotomic variables (case/control). But cattle intramammary infections are evaluated by the somatic cell score, a continuous variable expressing milk leukocyte count. Consequently, the thesis objective was to develop methods of spatial cluster detection, dealing with continuous variables, to analyse the spatial distribution of somatic cell score in French bovine dairy herds. The first approach developed, which is non parametric, is based on the Hellinger distance between spatial distributions. The measure of the distance between farm distribution, at different levels of somatic cell score, and the global farm density allowed to highlight a progressive concentration in some specific areas, and thus to detect clusters. The second approach, which is parametric, uses a model quantifying spatialised survival risk for increasing score levels. It integrates known risk factors for the cellular score, aswell as a "foci-effect" with a Gaussian form. The clusters detected with this method were the same as the ones highlighted by the method based on the Hellinger distance. The two methods are new flexible and generic tools for spatial cluster detection. They show several advantages : 1) they deal with diseases measured by continuous or discrete variables, 2) they account for known risk factors of the disease, and focus on unexplained clusters, and 3) they take into account the spatial heterogeneity of background population.