L'étude des variations et du changement climatique en ... - Locean

Figure 3.4 : Relation entre la semaine du démarrage de l‘épidémie au Mali (ordonnées) et la semaine du
maximum de l‘hiver (abscisses). La semaine du maximum de l‘hiver a été déterminée à partir d‘une analyse en
composantes principales sur le module du vent issu des réanalyses NCEP. Tiré de Sultan et al. (2005b).
La construction de ce type d‘indices climatiques par leur cohérence avec le démarrage et la
progression de l‘épidémie au Sahel offre un potentiel important en matière de prévision et de
mise en place d‘études de risque de la maladie en Afrique. A défaut de prévoir l‘intensité de
l‘épidémie, les données de réanalyses, au pas de temps de la semaine, présentent donc un
intérêt évident pour les services de santé pour prévoir la date de démarrage de cette maladie.
Ces prévisions pourraient ainsi être utilisées pour orienter la stratégie vaccinale.
3.3 Les variations interannuelles des épidémies
Si la méningite est endémique dans de nombreux pays d‘Afrique, c‘est-à-dire qu‘elle
sévit chaque année, il existe des variations très fortes d‘une année sur l‘autre du nombre de
cas par pays. Certains auteurs (Broutin et al. 2007) décrivent une périodicité à 8-12 ans dans
la résurgence d‘épidémies massives avec un pic en 1996 qui a recensé plus de 200 000 cas.
Cependant, bien que d‘une importance capitale pour les services de santé, l‘origine de ces
fluctuations d‘une année sur l‘autre demeure encore pratiquement inconnue. Le plus
vraisemblable c‘est que l‘occurrence de très fortes épidémies résulte d‘interactions complexes
entre des phénomènes sociaux, la transmission d‘un nouveau sérogroupe plus virulent,
l‘immunité des populations, le portage asymptomatique et les conditions environnementales
(Yaka et al. 2008). Fort des résultats prometteurs reliant les conditions climatiques et le
démarrage de l‘épidémie au Mali (Sultan et al. 2005b) mais aussi de ceux de Thomson et al.
(2006) qui ont construit un modèle linéaire de prévision des épidémies en Afrique à partir de
variables environnementales (type de sol, quantité de poussière, évolution de la végétation,
nébulosité et pluie), je me suis intéressé à isoler et quantifier la part du climat dans la
résurgence de fortes épidémies en Afrique de l‘Ouest. J‘ai alors tenté de répondre à deux
questions avec Pascal Yaka dans le cadre de sa thèse de doctorat: les années fortement ou
faiblement épidémiques peuvent-elles être discriminées par des situations atmosphériques
particulières Et si oui, peut-on utiliser cette information climatique pour anticiper les années
les plus meurtrières et construire un modèle de prévision Pour répondre à ces questions,
nous avons commence par définir une hypothèse a priori sur le lien causal entre le climat et la
maladie. Mentionner cette étape peut paraître trivial puisqu‘elle est un pré-requis
indispensable pour toute étude statistique croisant deux phénomènes différents mais elle est
fondamentale pour attester de la robustesse d‘un modèle statistique, bien plus qu‘un test
statistique de significativité, en particulier dans le contexte des études sur la méningite. Je
reviendrai d‘ailleurs sur ce point dans la section suivante. Notre hypothèse de départ, tirée de
48