• Aucun résultat trouvé

2.Modèlestatistiquederégressionlogistique

desrésultatsencourageantavecunechuteimportantedel’incidencejournalièredelaPPR, celleͲci n’est pas beaucoup augmentée lorsque les forts taux de couverture vaccinale préconisés habituellement sur le terrain sont testés. Par ailleurs la situation change radicalement lorsque seule la strate des petits ruminants est considérée, la chute d’incidenceapparaissantplusrapidement(unmoispostͲvaccinationaulieudedeux)etétant d’autantplusimportantequelacouverturevaccinaleaugmente.

Cependant, si ce modèle permet de donner un cadre d’étude pour une meilleure compréhensiondelatransmissiondelaPPR,ilsousͲtenddenombreuseshypothèsesdont celle que tous les animaux dans un sous groupe d’espèce ont la même probabilité d’être infectésetcedemanièreindépendantedeleurâge,sexe,race,delanatureduvirusoudes conditionsenvironnementaleslocales.

Aussi, ces hypothèses nécessitent d’être investiguées à partir de données de terrain afin d’affinerlemodèleenintroduisantune,voiredeux,stratificationssupplémentairesàcelle de l’espèce par exemple d’où l’utilisation d’un modèle statistique de régression logistique pourdéterminerlesfacteursderisquedelamaladie.

II.2.Modèlestatistiquederégressionlogistique



On appelle risque, la probabilité d'apparition d'un événement défavorable et facteur de risque ce qui modifie le niveau de ce risque. La présence chez l'individu ou dans son environnement de certaines caractéristiques augmente la possibilité de développer une maladiedonnée.Lamodélisationstatistiquepermetdetrouverlesfacteursquicaractérisent ungroupedesujetsmaladesparrapportàdessujetssains.Cesontlesvariablesexplicatives dumodèle.

La régression logistique modélise les effets de variables explicatives xi indépendantes sur une variable y résultante binaire  qui sera souvent le statut visͲàͲvis  d’une maladie en épidémiologie (y=1 pour des individus/troupeaux etc. qui ont la maladie; y=0 pour des individus/troupeauxetc.quin’ontpaslamaladie).Siʋestlerisqueoulaprobabilitédey alorsondéfinit:logodds=logభషഏ etonaunmodèlegénéraldutype:

27  logodds=ɲ+ɴ1x1+ɴ2x2+…+ɴixietcommeobjectifdel’analysederégressionl’estimationdes coefficientsɲ,ɴ12,…,ɴi  Unexempledemodèlederégressionlogistiqueestdonnédansl’articleintitulé‘Pestedes PetitsRuminants(PPR)inEthiopia:Analysisofanationalserologicalsurvey’(cfIII.2,Article 2)aveccommevariablesexplicativeslesexe,l’âgeetl’espèceetcommevariablerésultante lestatutsérologiquepositifvisͲàͲvisdelapestedespetitsruminants.Lavariable‘wereda’ que l’on pourrait comparer à une variable ‘département’ si l’on considérait le territoire français est introduite comme effet aléatoire afin de tenir compte du fait que tous les weredan’ontpasétésélectionnéslorsdel’échantillonnage. L’âgeapparaitcommeleseulfacteurassociéstatistiquementetcedemanièresignificative austatutséropositifpourlapestedespetitsruminantsavecuneffetlinéairequisuggèreque surleterrainlevirusesttrèsimmunogène,lesanimauxinfectésledemeurantlongtemps. D’autrepartlescalculsdeséroprévalence(nombred’échantillonssanguinspositifsrapporté aunombred’individuséchantillonnésdanslewereda)montrentquelevirusdelapestedes petits ruminants a circulé quasiment partout en Ethiopie avant que des campagnes de vaccinationsoientmisesenplace,l’étudeétantantérieureàcellesͲcietdoncreflétantbien l’infection virale. Cette circulation fut hétérogène, les endroits de faible altitude semblant avoirplussouffertdel’infectionquelesautrescequipourraits’expliquerpardessystèmes de production différents, les échanges et mouvements d’animaux en Ethiopie étant plus fréquentsdansleszonesdebassealtitudeetimpliquantunplusgrandnombred’animaux.

Enfin la détermination des coefficients de corrélation intraͲkebelle (ʌ) (le kebelle étant l’échelleadministrativejusteendessousdecelleduwereda)pourchaqueweredapermetde formulerdeshypothèsesquantàlacirculationancienneourécenteduvirusreflétéeparune valeurfaibleouélevéedeʌaccompagnéed’unevaleurfaibleouélevéedeséroprévalence.

28  Ontrouveunecorrélationforteentreʌetlepourcentaged’inhibition1quivadanslesens d’unʌélevéquiseraitlerefletd’uneprésenceépidémiqueactuelleduvirusdansquelques kebelleduweredaobservé. L’intraͲkebellecorrélationdiminueensuiteavecletemps,sediluantdansleweredasuiteau remplacement rapide des petits ruminants (3 ans) mais aussi parce que  le virus est très immunogèneetquelesobservationssontbaséessurdesrésultatssérologiquesquireflètent lepassageduvirusavecunlégertempsderetard.

ConsidérantquelaPPRestunemaladietrèscontagieuseetqueladiffusiondanslekebelle maisaussientrekebelledétermineʌ,lafaiblevaleurdeʌdanscertainsweredapourraitêtre attribuéeàdesweredaoùlesanimauxdedifférentskebellesemélangentbeaucoupsurles marchés ou au niveau des points d’eau. L’absence d’un schéma spatial évident pour la distributiondeʌàtraversl’Ethiopiereflèteaussipeutêtrequeladiffusiondelamaladieest principalement intervenue à l’intérieur de wereda et non pas sous forme de larges épidémiesimpliquantplusieursweredacontigus.

Ladistinctionmouton/chèvreauseindugroupedespetitsruminantsdanslemodèleSEIR n’apparaitdoncpasnécessaire.L’ajoutd’unestratificationselonl’âgedesanimauxseraitpar contre à envisager pour prendre en compte la sensibilité plus importante des jeunes animaux.

Ilapparaitaussinécessairedemieuxcomprendrelastructuredescontactsentrelespetits ruminants au niveau des marchés mais aussi des points d’eau ou encore des points de pâturages. D’où le choix suivant de la modélisation par la méthode des réseaux sociaux (SNA)quiseprêteparticulièrementbienàladescriptiondelatopologiedelastructuredes contactsdepopulationd’animauxd’élevage.   1Facteurdéterminantlestatutséropositifdel’animalsiilestsupérieurà50etapriorid’autantplusélevéque l’infectionestrécente.

29 

II.3.Lamodélisationdesréseauxsociaux:‘SocialNetworkAnalysis’

(SNA)



Laméthodedesréseauxsociauxbaséesurlathéoriedesgraphesenmathématiquesaété empruntéeàlasociologie(PerisseandNery,2007).Elleestfondéesuruncertainnombre d’éléments et les relations entre ceuxͲci. La définition des éléments ou ‘nœuds’ et des relationsquilesrelientou‘liens’dépendentièrementdelaquestionderechercheàlaquelle on veut répondre (OrtizͲPelaez et al., 2006). Les éléments peuvent être des fermes, des animaux, des marchés, des personnes etc. qui établissent des relations avec d’autres éléments.Lesdéfinitionsdelarelationentrelesélémentspeuventêtremultiples:animaux transportés d’une ferme/un lieu/ un marché à un autre, personne/éleveur visitant des fermes, distance entre fermes, partage de lieux communs etc. Ainsi, elle permet la descriptiondelatopologiedelastructuredescontactsdepopulationsanimales.L’impactde lastructuredesréseauxsurlesroutespotentiellesdetransmissiondesmaladiesinfectieuses peutêtreinvestiguésilesliensentrelesnœudsduréseausontassociésàdesfacteursde risque connus de transmission de maladie. L’impact de telles structures sur l’efficacité de programmesdesurveillanceetdecontrôleàétémontréparplusieursauteurs(Woolhouse etal.,2005;Kissetal.,2006;Kaoetal.,2006;Kaoetal.,2007;OrtizͲPelaezetal.,2006) utilisant les mouvements d’animaux dans des systèmes de production intensive mais peu d’études ont été réalisées dans un contexte où les mouvements d’animaux ne sont pas répertoriés(VanKerkhoveetal.,2009).

Une enquête de terrain fut menée dans un wereda des hauts plateaux éthiopiens afin de décrire, d’analyser et de comparer les réseaux de contact générés par le partage par les petits ruminants de points d’eau et de pâturage (cf III.3 Article 3).  Les résultats des questionnaires montrent que les modes d’élevage et la composition des cheptels sont similairesàceuxdécritsilya15ans.Ilsontpermisdereprésenterlesstructuresdecontact auxpointsd’eauetdepaturâgeselonlasaison(saisondespluiesousaisonsèche)etaux échellesrespectivesduweredaetdeskebelle.

Ilapparaitquelespointsdepâturageoffrentplusd’opportunitésdecontactentreanimaux appartenant à des kebelle ou des villages différents. Ainsi contrairement à l’hypothèse

30 

communémentadmisequeleregroupementdesanimauxauniveaudespointsd’eauestun aspect critique de la transmission potentielle d’agents infectieux, il semblerait que des interventions focalisées plutôt sur le partage des points de pâturage seraient plus appropriéesdansleshautsplateauxéthiopiens.Ceciestrenforcéparlefaitquel’onpuisse s’attendre à ce que la transmission de maladies soit facilitée aux points de pâturage, les petitsruminantspassantplusdetempsaupâturagequ’auxpointsd’eau,cequiaugmente parlamêmelenombredetroupeauxprésentsaumêmeendroitaumêmemoment.D’autre partcertainsvillagesapparaissentcommeàplusfaiblerisqued’introductiondemaladies,ne partageantnipointd’eaunipointdepâturageaveclesvillagesvoisinspeutêtreàcausede barrièresgéographiquestelsquedesmontagnesoudesrivièresempêchantnaturellement lescontacts. 

Ǥ  

III.1:Article1:WaretǦSzkutaA.,CollinsL.M.,MartinezM.,LibeauG.,

PfeifferD.U.,RogerF.Pestedespetitsruminantsmodellingfordisease

controldecisionsupport.TransboundaryandEmergingDiseases,

soumis.

III.2.Article2:WaretǦSzkutaA.,RogerF.,ChavernacD.,YigezuL.,

LibeauG.,PfeifferD.U.,GuitianJ.PestedesPetitsRuminants(PPR)in

Ethiopia:Analysisofanationalserologicalsurvey.BMCVeterinary

Research2008,4:34

III.3.Article3:A.WaretǦSzkuta,A.OrtizǦPelaez,D.U.Pfeiffer,F.Roger

andF.J.GuitianHerdcontactstructurebasedonshareduseofwater

andgrazingpointsintheHighlandsofEthiopia.Epidemiologyand

Infection2010,20:1Ǧ11. 

Peste des petits ruminants modelling for disease control decision

Documents relatifs