Spatialisation du risque de transmission de la Fièvre de la Vallée du Rift en milieu agropastoral sahélien du Sénégal septentrional

Spatial modelling of Rift valley fever transmission risk in an sahelian agropastoral area of northern Senegal

• Auteur / Autrice : Raphaëlle Pin Diop
• Direction : Jean-Marie Fotsing
• Type : Thèse de doctorat
• Discipline(s) : Géographie : espace, développement et santé
• Date : Soutenance en 2006
• Etablissement(s) : Orléans

Mots clés

Mots clés contrôlés

Système d'information géographique

Télédétection

Vecteurs de maladies -- Lutte contre

2000-....

Sénégal

Fièvre de la vallée du Rift

Résumé

La fièvre de la vallée du Rift (FVR) est une arbovirose zoonotique émergente, touchant principalement l'homme et les ruminants. En l'absence de traitement spécifique et de moyen de prévention efficace, la prédiction des lieux à risque est un enjeu important de la lutte contre cette maladie. En milieu agropastoral sahélien du Sénégal, la période à risque est la saison des pluies, lorsque hôtes et vecteurs se rencontrent autour de mares temporairement inondées. La transmission du virus est complexe, car elle implique au moins deux espèces de vecteurs d'écologies différentes (Aedes vexans et Culex poicilipes) et des hôtes sédentaires ou nomades. Le virus est enzootique dans la communauté rurale de Barkedji. Afin d'y prédire le niveau de risque, défini comme l'intensité du contact hôtes-vecteurs en saison des pluies, nous avons mis en place un modèle prédictif de la répartition spatiale des troupeaux, à partir de données satellitales et de terrain. Puis les mares temporaires, gîtes des vecteurs, ont été détectées sur une série d'images SPOT5 et utilisées pour estimer l'abondance vectorielle relative. Ces données ont ensuite été synthétisées dans un modèle attribuant à chaque pixel de la zone d'étude un niveau de risque relatif. Les résultats obtenus sont encourageants, quoi que le modèle doive être amélioré et validé. L'intérêt majeur de notre travail est de présenter une approche méthodologique spécifique aux problématiques de santé-environnement, basée sur l'étude des interactions entre les éléments du cycle épidémiologique et le milieu. Nous espérons également qu'à moyen terme, il constituera une aide appréciable pour le réseau de surveillance sénégalais de la FVR.

Rift valley fever (RVF) is an emerging zoonotic arbovirose, mainly affecting man and ruminants. Predicting high risk areas is an important stake of this disease's control, as neither specific treatments nor efficient prevention programs exist. In the agropastoral sahelian area of Senegal, the rainy season is the high-risk period, when hosts and vectors gather around temporary flooded ponds. Virus transmission mechanisms are complex, since they imply at least two different vector species with particular ecologies (Aedes vexans and Culex poicilipes), and sedentary or transhumant hosts. The Barkedji district is an enzootic area. In order to assess the risk level, defined as host-vector contact intensity during the rainy season, we set up a model predicting livestock herds spatial distribution, from satellite and field data. Then temporary ponds, the vectors' biotope, were detected on a series of SPOT5 images and used to assess relative vector abundance. Those data were then assembled in a model, allotting to each pixel of the study zone a relative risk level, accounting to herds density, vector abundance and vegetation cover. Our results are encouraging, although the model has to be improved and validated. The main interest of our study is to present a specific methodological approach, applied to health-environnement matters and based on the study of the interactions between the epidemiological cycle elements and the environment. We also hope that, in a close future, it will become helpful to the senegalese RVF monitoring network.