Modélisation et prévision du risque de maladie à l'aide de la télédétection et du SIG : Application aux cas de paludisme au Nigeria

Diseases risk modelling and prediction using Remote Sensing and GIS : Application of malaria cases in Nigeria

• Auteur / Autrice : Nanlok Henry Nimlang
• Direction : Gilles Dusserre, Sandrine Bayle
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l’information et de la communication
• Date : Soutenance le 27/06/2024
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : École doctorale Risques et Société (Nîmes ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences des Risques - Laboratoire des Sciences des Risques / LSR
• Jury : Président / Présidente : Robert Bestak
• Jury : Examinateurs / Examinatrices : Gilles Dusserre, Sandrine Bayle, Tomasz Zweglinski, Jean-Michel Courandier, Saman Ghaffarian
• Jury : Rapporteur / Rapporteuse : Robert Bestak, Tomasz Zweglinski

Mots clés

Mots clés libres

Modélisation de la prévision

Gestion des risques

Télédétection et SIG

Remote Sensing and GIS

Disaster management

Disease Prediction and Monitoring Modelling

Résumé

Tout au long de la thèse, les objectifs de recherche, les buts et les questions de recherche énoncés sont suivis d'analyses détaillées, de processus et de méthodes utilisés pour les atteindre. Ceci se matérialise par des contributions visant à répondre aux questions de recherche en fonction de leurs méthodes et résultats respectifs. Dans ce mémoire, les contributions présentées sont principalement classées en deux domaines principaux : l'identification des paramètres des facteurs de risque spatiaux (écologiques, météorologiques, socio-économiques et épidémiologiques) et l'analyse. L'analyse géostatistique et géospatiale, la modélisation, la justification et la validation. La première contribution, sous forme de modélisation géospatiale des facteurs de risque du paludisme, utilise l'intuition des experts pour déterminer l'importance relative des facteurs de risque tels que les données écologiques, météorologiques, socio-économiques et épidémiologiques. Ce modèle permet d'évaluer la distribution spatiale du paludisme dans la zone d'étude et de comprendre de manière exhaustive les interactions complexes entre les vecteurs, les hôtes et l'environnement, dans le but de développer un outil efficace spécifiquement adapté à une prise de décision de gestion efficace dans le contexte de l'introduction de mesures et stratégies de lutte antivectorielle. Cette contribution vise à développer un modèle pouvant être utilisé pour examiner la relation entre les variables environnementales et leurs incidences causales de la maladie. Cela sera utilisé pour comprendre la propagation spatiale du risque, développer des systèmes d'alerte précoce, construire un mécanisme d'intervention approprié et évaluer la dynamique de transmission de la maladie. L'implémentation globale du modèle de risque du paludisme vise à mieux comprendre la complexité du risque de transmission du paludisme dans la zone d'étude et au Nigeria dans son ensemble. De plus, en identifiant les régions endémiques à risque de paludisme et en utilisant divers paramètres de facteurs de risque couvrant les différents domaines de la composition sociale, de l'environnement, du climat et des activités socio-économiques, cette thèse fournit aux décideurs les outils nécessaires pour cibler les mesures d'intervention contre le paludisme afin de planifier et de mettre en œuvre, aux côtés d'une surveillance vectorielle appropriée et d'une utilisation optimale des ressources rares. Enfin, compte tenu du manque de données entomologiques sur la distribution des vecteurs, le modèle de risque peut également aider les autorités à identifier les régions géographiques sur lesquelles les programmes de lutte antivectorielle et de surveillance doivent se concentrer.

Throughout the thesis, the research aims, objectives and research questions presented are followed by detailed analyses, processes and methods used to achieve these tasks. This takes the form of contributions that aim to answer research questions based on their respective methods and results. In this thesis, the presented contributions are mainly categorized in to two main areas: the spatial risk factors parameters identification (Ecological, Meteorological, Socio-economic, and epidemiological) and analysis. Geostatistical and geospatial analysis, modelling, justification, and validation. The first contribution in the form of geospatial modelling of malaria risk factors using expert’s intuition to determine the relative importance of risk factors such as ecological, meteorological, socioeconomic, and epidemiological data. This model allows the assessment of the spatial distribution of malaria within the study area and a comprehensive understanding of the complex interactions between vectors, host and environment, with the aim of developing an effective tool specifically tailored to an effective management decision in the context of the introduction of Vector control measures and strategies. This contribution aims to develop a model that can be used to examine the relationship between environmental variables and their causative incidences of the disease. This will be used to understand the spatial spread of the risk, develop early warning systems, build an appropriate intervention mechanism and assess the transmission dynamics of the disease. The overall implementation of the Malaria Risk Model is aimed at better understanding the complexity of malaria transmission risk in the study area and in Nigeria as a whole. Furthermore, by identifying endemic malaria-prone regions and using various risk factor parameters covering the different domains of social composition, environment, climate and socio-economic activities, this thesis provides policymakers with the necessary tools to target malaria intervention measures to plan and implement alongside appropriate vector surveillance and optimal use of scarce resources. Lastly, given the lack of entomological data on vector distribution, the risk model can also help authorities identify the geographical regions where vector control programs and surveillance should focus.