Table des matières

Préface
Remerciements
Liste des abréviations
Glossaire
Avant-propos
Résumé
 

Chapitre 1.  Présentation de MARA / ARMA

Chapitre 2.  Activité A : Collecte de données

Chapitre 3. Activité B : Modélisation

Chapitre 4.  Projets apparentés

Chapitre 5.  Conclusions et perspectives

Références bibliographiques

Annexe 1.  Publications MARA/ARMA
Annexe 2.  Groupes de données sur l’Environnement

Personnes Ayant Contribué à MARA/ARMA
        Données MARA/ARMA et HIMAL
        Données sur le Vecteur

Préface

Au moment où la lutte contre le paludisme reprend de l'intérêt au sein de la communauté internationale et où se concrétisent des initiatives d'envergures, telles que l' "Initiative Africaine pour la lutte contre le paludisme au 21 ème siècle"  et le "Roll Back Malaria", je voudrais féliciter les auteurs et tous ceux qui sont impliqués dans ce projet, pour le travail accompli.

En effet, le résultat final que sont entre autres les cartes détaillées sur l'endémicité du paludisme et surtout la cartographie des zones à potentiel épidémique a nécessité la collecte d'une masse très importantes d'informations sur le terrain. Il n'est pas toujours facile de retrouver ces informations. Les produits du projet MARA/ARMA permettront de mieux connaître la distribution du paludisme en Afrique, dans un pays, dans une région. En cela, ils sont de formidables outils de planification et de
gestion des programmes antipaludiques.

Au delà de la cartographie, les lecteurs trouveront en ce premier rapport technique, la description d’une base de données climatologiques et épidémiologiques unique, utilisable par les planificateurs des programmes de santé, les épidémiologistes, les médecins et les chercheurs, entre autres. Mieux encore, les modèles statistiques développés sur la transmission du paludisme permettront aux utilisateurs, de pouvoir prévoir, avec un minimum d'informations, la dynamique de la transmission du paludisme dans une zone donnée et ainsi anticiper les mesures à prendre.

Il reste à espérer que le travail qui a débuté soit conduit à son terme, et surtout que tous les programmes nationaux de lutte contre le paludisme en fassent la meilleure utilisation possible.

Dr Ebrahim M. Samba
Directeur Régional de l'OMS pour l'Afrique

Remerciements

L’élaboration et la publication de ce document ont été financées par le South African Medical Research Council (SAMRC). La traduction française a été réalisée pas le Centre de documentation ADRAO, Bouaké, Côte d’Ivoire, avec l’appui du Consortium bas-fonds, sous la responsabilité de Thomas Teuscher et Christian Lengeler.

Récemment, la collaboration MARA/ARMA a reçu un don de la part de la "Multilateral Initiative on Malaria“ (MIM).

Nos sincères remerciements vont à Colleen Fraser pour sa grande contribution dans le maintien de la base de données MARA/ARMA, et à Carrin Martin pour son soutien logistique.

Beaucoup de personnes ont contribué au succès de MARA/ARMA en fournissant des données ou en localisant des informations. La liste de ces personnes est donnée dans l’annexe 3.
 

Ce rapport technique constitue le premier document publié par la collaboration MARA/ARMA. Son but est de donner à la fois un aperçu des activités en cours, et de présenter les premiers résultats. Malgré les précautions prises lors de la préparation de ce document, puis lors de sa traduction, il est possible que des erreurs se soit glissées dans le texte. Nous apprécierons vos commentaires sur ce document et sur la collaboration MARA/ARMA en général. Le plus simple est d’utiliser le questionnaire  détachable en fin de document. Les remarques et commentaires de responsables de programme de lutte et de chercheurs sont particulièrement bienvenus. Ce document existe aussi en anglais.

Tout au long de ce document, les termes "malaria" et "paludisme" sont utilisés indifféremment.

Liste des abréviations

Glossaire

Avant-propos

Les efforts en matière de SIG du Programme National de Recherche sur la Malaria du SAMRC ont commencé en 1989, avec un financement modeste qui avait pour objectif de cartographier le risque de paludisme en Afrique du Sud, afin de permettre des opérations de contrôle plus ciblées. Avec l'appui inconditionnel du chef du programme, le Dr. Brian Sharp, la division a développé une solide expertise en SIG et en gestion de bases de données. C'est cette expertise qu'a reconnue le Dr. de Savigny lors de la réunion sur l'utilisation des SIG pour la santé et l'environnement, qui s'est tenue au Sri Lanka en 1994 avec l'appui du CRDI (de Savigny et Wijeyaratne, 1995). Des discussions ultérieures entre le Dr. de Savigny et le Dr. Snow sur l'intérêt d'une initiative de type MARA/ARMA ont débouché sur deux petits ateliers financés respectivement par le Groupe d'action sur les moustiquaires imprégnées d´insecticide (MII) du programme TDR et par le CRDI. L'ébauche du protocole de la collaboration fut élaboré lors du premier atelier, regroupant Fred Binka, Bob Snow, Christian Lengeler et moi-même. Le second atelier, pendant lequel le protocole a été mieux mis au point, regroupait un plus grand nombre de participants, 15 au total, et était constitué d'entomologistes, d'épidémiologistes et de géographes.

MARA/ARMA doit son développement et ses succès ultérieurs à l'engagement des chercheurs associés et des coordonnateurs de la collecte des données au niveau des centres régionaux. Qu'il me soit permis ici de mentionner spécialement le dynamisme qu'ont donné le Dr. Snow lors de l'élaboration de la fiche de saisie des données, et Mme Colleen Fraser pour les programmes de saisie. Ce fut une première étape très importante pour le fonctionnement de la collaboration et sa standardisation. Les autres étapes importantes furent la recherche de données de base numériques, et la formation du personnel régional à Durban. Beaucoup d'autres personnes méritent des remerciements, mais j'aimerais mentionner spécialement le nom de Marlies Craig qui a fait preuve d'une capacité remarquable pour l'acquisition des compétences nécessaires à la maîtrise du SIG, et de Carrin Martin pour l'efficacité de son soutien logistique. Ce fut pour moi un privilège de travailler avec des chercheurs Africains de la qualité des coordonnateurs et chercheurs associés des différentes régions de la collaboration MARA/ARMA.

Je pense que MARA/ARMA et ce premier produit constituent un bon exemple de la façon dont les SIG peuvent être utilisés dans le domaine de la santé, de manière efficace et à faible coût. MARA/ARMA constitue aussi un exemple remarquable de collaboration en réseau. L'approche MARA/ARMA contient tous les éléments essentiels pour une compréhension des facteurs déterminants du paludisme et de leurs distributions spatiales.

L'avenir de la collaboration MARA/ARMA est maintenant garanti grâce au récent crédit octroyé par la Multilateral Initiative for Malaria (MIM) et le cofinancement du module "Highlands malaria" par le Groupe d'Action du TDR pour la Santé et l'Environnement. La récente décision du programme "Roll Back Malaria" (RBM) de financer les activités d'une personne au centre de coordination de Durban pour soutenir les activités RBM est également un signe de reconnaissance envers notre initiative. Le défi majeur qui attend maintenant la collaboration est la diffusion des produits existants et futurs, et la diffusion des SIG, afin de soutenir de manière significative les nouvelles initiatives de lutte contre le paludisme, telles que MIM et RBM. Dans le domaine de la recherche, MARA/ARMA devra dans le futur travailler de façon plus étroite avec des climatologues, afin de permettre une meilleure compréhension du paludisme instable et de son contrôle.

En conclusion, l'utilisation des SIG pour la recherche médicale est un domaine de recherche nouveau, qui n'a probablement que peu d'intérêt pour certaines maladies, mais qui va certainement se révéler capitale dans le cas des maladies transmises par vecteurs, comme le paludisme.

David LeSueur
Chercheur Principal
Collaboration MARA/ARMA

Résumé

La distribution et l'intensité de la transmission du paludisme sont loins d'être homogènes en Afrique. L' on trouve en Afrique un large spectre de situations épidémiologiques, de la malaria pérenne de haute intensité à la malaria instable épidémique.  Cela est d'importance pour la planification, la hiérarchisation et l'implantation des activités de lutte aux niveaux continental, national et local. Malgré l'importance de ces aspects géographiques notre compréhension actuelle de la distribution (où ?), des déterminants (pourquoi?), de la quantification (combien?) et de la saisonalité (quand?) de l'endémicité palustre est très imparfaite.

L'objectif principal de la collaboration Mapping Malaria Risk in Africa / Atlas du Risque de la Malaria en Afrique (MARA/ARMA) est d'établir une base de données à l'échelon continental sur la distribution du risque de la malaria. Deux approches principales sont utilisées pour atteindre cet objectif.

A. Une collection aussi complète que possible de données paludométriques existantes pour le continent est constituée pour 44 pays. Chaque point est défini géographiquement de manière précise.

Les sources utilisées sont les publications scientifiques, les thèses universitaires, les rapports de ministères et les documents produits par des organisations de recherche ou de développement. Les données de prévalence parasitologique sont de loin les données les plus largement disponibles et la collaboration MARA/ARMA s'est concentrée sur ces dernières. Toutefois, d'autres données telles que des données de transmission entomologique, et les taux de parasitémie chez les nourrissons sont aussi collectées. Les données sur l'incidence des cas de malaria provenant des statistiques de routine des ministères de la santé n'ont été collectées que dans un petit nombre de pays où ces statistiques sont réputées fiables. Afin de conduire ce large exercice de collecte, la collaboration MARA/ARMA a établi cinq centres régionaux (et deux centres annexes) avec dans chacun de ces centres un collecteur employé à plein temps. Ces centres ont été équipés avec des Systèmes d'Information Géographiques (SIG) et le personnel formé à leur utilisation.

B. La deuxième approche repose sur une modélisation de facteurs climatiques visant surtout à supplémenter la collecte des données paludométriques dans les zones où ces données ne sont pas disponibles.

La distribution de la malaria, sa saisonalité et l'intensité de la transmission ont ainsi p? être étudié a diverses échelles géographiques.  Ceci a permis de donner  rapidement une première description de la transmission de la malaria à l'échelle du continent .

Ces deux approches sont complémentaires et les données paludométriques ont été utilisées pour valider le modèle climatique dans quelques pays.  Ces cartes ont été combinées avec d'autres  données (démographiques et administratives) pour produire de cartes intégrées utilisables dans le cadre des activités de lutte a divers échelons.

MARA/ARMA est un exemple unique de collaboration panafricaine entre des chercheurs et des personnes travaillant dans des programmes de contrôle.  Les premiers produits de cette collaboration commencent à être distribués. Les cartes malariométriques vont ainsi fournir aux programmes de contrôle gouvernementaux, aux donateurs ainsi qu'aux agences internationales une base de données utilisable pour une planification plus rationnelle des resources et activités. Deux projets additionnels sur la malaria d'altitude ("highland malaria") et sur la cartographie des anophèles vecteurs font aussi partie de la collaboration MARA/ARMA.

A travers une collaboration plus étroite entre les chercheurs et les programme de contrôle l'expérience accumulée servira à soutenir les efforts actuellement en cours pour améliorer le problème du paludisme en Afrique.

Chapitre 1 : Présentation de MARA / ARMA

Introduction

Le Problème du paludisme

Heureusement, il y a actuellement un regain d'intérêt de la part des bailleurs de fonds et des organisations sanitaires internationales. On peut en particulier citer l'appel lancé récemment par la nouvelle Directrice générale de l'Organisation mondiale de la santé, le Dr. Brundland, pour faire reculer le paludisme ("Roll Back Malaria"). La mise au point d'outils de planification utilisables du niveau local au niveau continental vient donc à point nommé.

Des espoirs pour lutter contre le paludisme

Beaucoup de facteurs jouent sur le choix des méthodes de lutte contre le paludisme dans une région donnée : l'endémicité, l'espèce du vecteur et son comportement, la saisonnalité, les types de maladies, les services de santé, etc. Puisque tous ces facteurs ne sont pas répartis de manière uniforme sur le continent, une information exacte, pertinente et à jour sur l'ensemble de ces facteurs est nécessaire pour que la lutte contre le paludisme puisse être correctement planifiée et des ressources allouées de manière adéquate.

Pour cela, les cartes offrent un moyen idéal pour représenter une information complexe de manière compréhensible et instructive. Certains facteurs, tels que la disponibilité des services de santé ou de lutte contre le paludisme ainsi que les infrastructures existantes peuvent être cartographiées facilement pour donner une représentation visuelle des informations déjà disponibles. Pour d'autres facteurs, tels que l'endémicité, les cas de maladies, la répartition du vecteur ou la saisonnalité, les méthodes spatiales pourraient être utilisées pour générer des zones de données continues (où l'information est disponible pour chaque point dans l'espace). Une telle couverture ininterrompue fournit l'information à un format pertinent à l'échelle continentale, et permet une vue d'ensemble rapide de la situation jusqu'au niveau national et régional. Ceci permet d'aborder le problème de manière systématique et bien documentée.

Cartographie du paludisme

La nécessité des cartes

Premièrement, les zones qui ne présentent pas de risque pour le paludisme doivent être identifiées, tandis que les zones de paludisme épidémique doivent être reconnues et intégrées dans un système adéquat d'alerte précoce. Il s'agit là d'une activité fondamentale pour définir l'ampleur du problème du paludisme dans chaque pays.

Deuxièmement, il a été suggéré que dans les zones endémiques, les cas de paludisme grave peuvent varier selon l'intensité de la transmission (Snow et al., 1997). Dans les zones de faible niveau d'endémicité, le paludisme cérébral serait plus fréquent chez les enfants de plus de 2 ans, tandis que dans les zones de très forte transmission la forme la plus fréquente serait l'anémie palustre grave chez les jeunes enfants et les nourrissons. Cette variabilité de la morbidité palustre selon l'intensité de la transmission a une grande importance pratique pour les services préventifs et cliniques, puisque les groupes d'âge à cibler et les soins cliniques doivent être ajustés.

Troisièmement, il se pourrait que l'effet protecteur de mesures préventives telles que les MII soit lié au niveau initial de l'intensité de la transmission, même si le nombre total de vies sauvées par l'intervention dans les quatre essais achevés récemment en Afrique était très similaires (Lengeler, 1998).

D'autres mesures, telles que la lutte contre les larves, ne pourraient être viables que dans certaines zones hautement saisonnières, ou à la limite de la distribution de la maladie, où se trouvent des populations de moustiques suffisamment instables pour être affectées par de telles interventions. Les vaccins pourraient aussi être particulièrement efficaces dans les zones de haute endémicité, où l'immunité initiale acquise grâce au vaccin sera ensuite renforcée par la réponse immunitaire aux fréquentes inoculations. Un autre exemple est l'épandage d'insecticide à domicile, pour lequel l'insecticide doit être choisi en fonction de la longueur de la saison de transmission. Un produit chimique dont l'efficacité ne dure que six mois est inutile dans les zones à transmission pérenne.

Cartographie : Passé et future

En dépit des sérieux problèmes que cause le paludisme en Afrique, les données de base sont rares et la situation mal comprise. Des détails sur les risques de paludisme et sa sévérité, ainsi que des données fondamentales sur les sites (distribution), le pourquoi (déterminants environnementaux), l'intensité (intensité de la transmission) et la période (saisonnalité) font défaut. Jusqu'à présent, personne n'a essayé de préciser les populations qui sont exposées aux différents niveaux de risque du paludisme au niveau du continent . De plus, l'absence de méthodes de diagnostic satisfaisantes et de systèmes statistiques performants fait que les données sur le nombre de cas de maladie et de décès causés par le paludisme sont peu fiables.

Il faut donc repenser la définition de l'endémicité palustre et la cartographie du risque du paludisme, afin de mieux appuyer la planification et la programmation de la lutte contre ce fléau. Compte- tenu du regain d'intérêt pour la lutte contre le paludisme en Afrique, il faut que de telles cartes soient établies de manière systématique pour l'ensemble du continent.

Fournir des données adéquates et en temps utile est la condition sine qua non pour une bonne planification en santé publique. Cette nécessité est au centre de la collaboration MARA/ARMA (Mapping Malaria Risk in Africa / Atlas du Risque de la Malaria en Afrique). Le but de ce rapport technique est de donner un aperçu de la collaboration MARA/ARMA et de ses premiers produits, et de solliciter en retour une information réciproque de la part d'utilisateurs potentiels.

La collaboration internationale MARA/ARMA

Dès le début, la collaboration MARA/ARMA a été une entreprise internationale, pluri-disciplinaire (animée par des biologistes, des médecins, des statisticiens, des géographes), initiée par un groupe de chercheurs actifs en Afrique, et ayant des liens étroits avec les programmes nationaux de lutte contre le paludisme. Il y a aujourd'hui une chance réelle de mettre au point un atlas dynamique du risque et de la sévérité de la maladie par le biais de cette collaboration internationale. Ceci a été rendu possible grâce à l'accessibilité des logiciels SIG, à la connexion à Internet en Afrique, à un esprit de collaboration internationale, à l'accent de plus en plus fort porté sur la planification basée sur les constats de terrain, et grâce à une disponibilité accrue des données au niveau du continent (population, climat, images satellites, etc.)

Un double effort de recherche

A Collecte de données

Pour la collecte des données, l'Afrique a été divisée en cinq régions, avec des centres régionaux chargés chacun de 7à 10 pays, et deux centre secondaires d'appui (figure 1). Les centres régionaux sont basés dans des institutions existantes (voir verso de la page de couverture). Chacun de ces centres est animé par un Coordonnateur de la collecte des données, employé à plein temps et supervisé par un chercheur associé. Du fait de la nécessité de géoréférencer l'ensemble des données collectées, les coordonnateurs de la collecte de donnée ont été formés à l'utilisation des SIG, et ont été équipés d'ordinateurs, de logiciels et des données numériques nécessaires. Bien que les activités MARA/ARMA soient basées dans des institutions, l'initiative en elle-même est non-institutionnelle et fonctionne dans un esprit de collaboration très ouvert, impliquant tous les pays et les individus prêts à collaborer.

En plus des données sur le paludisme, des données sur les vecteurs et le paludisme épidémique ont aussi été collectées dans le cadre d'initiatives étroitement liées à MARA/ARMA.

B Modélisation

Les motivations principales sous-tendant la modélisation étaient que  : (1) les données relatives au paludisme sont réparties de manière inégale à la fois à l'intérieur des pays et entre pays (2) les données disponibles ne sont pas suffisantes pour donner une image complète de l'endémicité du paludisme, pour des raisons discutées au chapitre 3.

Les facteurs qui déterminent la répartition et la sévérité du paludisme sont divers et complexes, mais on peut considérer le climat comme étant le facteur le plus important. La température et la pluviométrie limitent le paludisme aux régions chaudes et humides d'Afrique, où les moustiques et les parasites peuvent se reproduire et se développer suffisamment et donc assurer la transmission. Ces données climatologiques sont de plus en plus disponibles sous forme de zones de données qui peuvent être manipulées dans un SIG, et qui peuvent être utilisées pour faire des prévisions dans les zones où les données de terrain manquent. Les deux approches choisies par la collaboration MARA/ARMA - la collecte des données et la modélisation - sont utilisées en parallèle et les données de terrain ont déjà été utilisées pour mettre au point des modèles environnementaux dans plusieurs pays.

Produits

Les produits seront présentés plus en détail dans les chapitres suivants. Ils incluent un atlas sur le risque de paludisme en Afrique, des cartes en format poster, des livres et des brochures, des cartes numériques et des bases de données relatives au paludisme disponibles sur CD-ROM et sur Internet, ainsi que des publications scientifiques. La formation à l'utilisation des SIG et des données sur le paludisme est une composante importante de la collaboration depuis le début, et cet aspect sera renforcé davantage au cours de la phase suivante, avec le support de la Multilateral Initiative on Malaria (MIM).

Objectifs

1. Faire une collecte aussi complète que possible des données disponibles sur le paludisme pour le continent africain.

2. Mettre en évidence les zones qui ne disposent pas de données ou seulement de données disparates.

3. Définir de manière spatiale les facteurs qui excluent le paludisme (ex. absence de population, haute altitude, déserts) en vue de définir les zones où la transmission est improbable.

4. Définir les classes de risque du paludisme en terme de données climatiques et environnementales, et développer des modèles capables de prédire les risques de paludisme sur tout le continent.

5. Cartographier les zones à risque pour des épidémies.

6. Elaborer une carte de base sur le risque de paludisme en Afrique, au niveau de la seconde unité administrative (le district), qui intègre les facteurs relatifs à la géographie, à la population et à l'environnement.

7. Mettre les cartes de risque à la disposition des organisations nationales, régionales et internationales.

8. Contribuer à la formation du personnel engagé dans la lutte contre le paludisme en matière de SIG avec pour objectif une utilisation pour la planification sanitaire.

Chapitre 2 : Activité A - Collecte de données

Quelles données ?

Incidence de la maladie

Cependant les données statistiques de pays comme la Namibie, le Botswana, le Zimbabwe et l'Afrique du Sud ont pu être utilisées. Des données relatives à l'incidence du paludisme collectées dans le cadre d'enquêtes particulières, par exemple dans le cadre d'un essai clinique, ont aussi été incorporées dans la base de données MARA/ARMA.

Taux d'inoculation entomologique

Prévalence parasitaire

Le paludisme est considéré comme endémique lorsqu'il y a incidence enregistrable de cas et de transmission naturelle plusieurs années de suite. La méthode la plus fréquente pour représenter le niveau d'endémicité est basée sur l'indice splénique (pourcentage d'individus présentant un grossissement de la rate). Elle avait été proposée à la conférence sur le paludisme de Kampala en 1950 (OMS, 1951).

Par la suite, la définition a été revue en se fondant sur la PP (Metselaar et Van Theil, 1959) :
Hypo-endémique : PP des 2-9 ans 10%
Méso-endémique : PP des 2-9 ans 11 à 50%
Hyper-endémique : PP des 2-9 ans toujours >50%
Holo-endémique : PP chez les nourrissons toujours >75%

Bien qu'elle soit très répandue, cette classification revient à créer artificiellement des groupes à partir de données continues, et masque d'importantes disparités entre localités. Plusieurs autres tentatives ont été faites pour re-définir la classification de l'endémicité (Gill, 1938  ; Lysenko et Semashko, 1968). On a ainsi défini différents faciès épidémiologiques du paludisme à partir des espèces de parasites et de vecteurs, du niveau de transmission, des caractéristiques socio-économiques et du niveau de vie des populations, des infrastructures sanitaires, de l'utilisation de médicaments, de l'influence des projets de développement, du climat et de la géographie. Les classes ont été bâties pour correspondre aux outils de contrôle disponibles. Malheureusement, la plupart des informations nécessaires ne sont pas largement disponibles en Afrique.

Dans le cadre de la collaboration MARA/ARMA, nous avons décidé d'utiliser la PP comme le principal indicateur du paludisme, du fait de sa large disponibilité et de sa fiabilité. Sa validation par rapport à d'autres indicateurs (tels que le TIE et les données disponibles sur l'incidence) pourrait conduire à une redéfinir les groupes classiques de l'endémicité.

Les classes d'âge utilisés par Metselaar & Van Theil (1959), 2-9 ans pour toutes les situations sauf les zones holo-endémiques, sont intéressantes mais n'en sont pas moins arbitraires. Omumbo et al. (1997) ont mené une étude sur l'importance des classes d'âge utilisées pour calculer l'endémicité. Bien que les PP varient selon les classes d'âge, (les différences entre les classes 1-5 ans et 6-9 ans étant les plus importantes), cela n'entraîne un classement d'endémicité différent que dans de rares cas (8% des cas). Sur la base de ces résultats, il a été décidé de se concentrer sur les PP des enfants de moins de 10 ans, nourrissons exclus, sans tenir compte des classes d'âge utilisées par chaque enquête.

D'autres éléments ayant un impact sur les PP doivent aussi être pris en compte  : par exemple les variations saisonnières, avec des différences souvent importantes entre la PP de la saison des pluies et celle de la saison sèche. En plus de la variabilité saisonnière, il existe aussi souvent en Afrique une variabilité inter-annuelle et à long-terme. Pour en tenir compte, il faut enregistrer des informations comme la date et la saison, ainsi que les conditions recentrées au moment de l'enquête.

Les différences de PP sur de petites distances ont été bien décrites (Cattani et al., 1986  ; Jambulingham et al., 1991  ; Sharp et LeSueur, 1996  ; Smith et al, 1995). Ces différences ne reflètent pas seulement une variabilité aléatoire, mais aussi une variabilité systématique, liée, par exemple à la distance des gîtes larvaires, au comportement humain, au type d'habitat, etc. Ce genre d'informations n'est malheureusement que rarement enregistré  ; de plus, et MARA/ARMA opère à un niveau où ces variations locales ne peuvent être prises en compte, et constituent un "bruit de fond", qui peut brouiller partiellement la perception des relations à grande échelle avec l'environnement. Néanmoins, les informations relatives à la présence de marécages, d'irrigation ou de riziculture ont été enregistrées lorsqu'elles étaient disponibles.

Les types d'enquêtes et les méthodes d'échantillonnage ont aussi été prises en compte puisque les études cliniques (sur des sujets fiévreux par exemple) ont tendance à surestimer la prévalence de l'infection dans la communauté. Les enquêtes au niveau des établissements scolaires, qui ne concernent que les enfants assez bien portants pour aller à l'école et incluent souvent des enfants plus âgés (chez lesquels l'immunité peut réduire les infections) ont par contre tendance à sous-estimer la PP. Le dispositif de recherche idéal serait donc basé sur un échantillon aléatoire d'enfants, reflétant la répartition géographique et par classe d'âge d'une communauté bien définie.

A l'origine, on ignorait le volume de données qui pourrait être obtenu, et aucun critère d'exclusion n'a donc été défini pour le recueil initial. Néanmoins, tous les détails ont été enregistrés, afin de pouvoir effectuer ultérieurement un codage de la qualité des données. La structure schématique de la base de données MARA/ARMA montre toutes les informations collectées (figure 2).

Cartes historiques du paludisme

Collecte des données

Comment les données sont-elles collectées ?

Un formulaire de collecte de données a été utilisé pour transcrire l'information issue des rapports originaux. Il comporte différentes sections qui peuvent être assemblées de diverses manières, en vue de permettre l'incorporation de différents types de données de qualité variable. Cette approche a permis d'utiliser un seul formulaire pour transcrire différentes types d'enquêtes entreprises dans différentes localités, à différentes périodes. Des procédures standards guident les agents chargés de la collecte des données des sources bibliographiques.

Une base de données relationnelle (figure 2) a ensuite été conçue avec le logiciel Microsoft Access™ pour gérer les relations complexes entre ces données. La structure choisie permet une évolution, l'incorporation de nouvelles données, donne beaucoup de souplesse pour sélectionner les données à utiliser pour différentes analyses. Pour cela, une application spéciale, compatible avec le formulaire a été élaboré avec le logiciel MS Access/Visual Basic™. Une première validation des données est faite automatiquement à l'entrée des données dans le système. D'autres vérifications et validations sont ensuite effectuées au centre de coordination de Durban, et en cas de problème, des demandes d'informations sont renvoyées aux coordonnateurs de la collecte des données.

Géoréférencement des données

Stratégie de recherche et sources de données

Deuxièmement, des visites ont été effectuées dans les différents pays par les coordonnateurs de la collecte des données, afin d'avoir accès aux sources d'informations difficiles d'accès. Les coordonnateurs régionaux ont ainsi visité toutes les institutions susceptibles de posséder des documents non publiés. Ces visites ont concerné les ministères de la santé, les universités et les institutions de recherche. Ce travail de longue haleine, coûteux et fastidieux, est toujours en cours d'exécution.

Enfin, les archives internationales existant en Afrique et en Europe (l'OMS à Genève, l'ORSTOM à Paris, les Instituts de Médecine Tropicale de Bâle, d'Anvers et de Lisbonne) ont été explorées.

Mi-1998, ces recherches intensives avaient permis d'identifier 1014 rapports ou sources de données, dont 29% étaient des revues scientifiques, 45,5% des rapports des ministères de la santé, 19,5% des rapports provenant d'agences internationales, bilatérales ou multilatérales, d'ONG et leurs hôpitaux ou de communications personnelles, et 5,9% des thèses universitaires (figure 3).

L'énorme quantité de données non publiées a confirmé la nécessité de visites de terrain pour localiser ces données.

A partir de ces sources de données, on a pu recueillir 2529 taux de prévalence parasitaire (PP), calculés pour des enfants de moins de 10 ans entre 1926 et 1997. De plus, 147 enregistrements portant sur l'incidence du paludisme et 52 taux d'inoculation entomologique ont été trouvés. Une carte de tous les sites concernés est donnée à la figure 4. Un rapport peut contenir plusieurs jeux de données, car un jeu est unique par sa source, le lieu et la date de l'enquête. Il peut néanmoins être subdivisé en fonction de différentes classes d'âge. Le nombre d'enquêtes identifiées est remarquable compte- tenu des contraintes logistiques de la collecte. Certains pays ont déjà été bien inventoriés, alors que dans d'autres, les données sont très dispersées ou sont difficilement accessibles. Une fois le processus de collecte achevé, il faudra combler les vides existants, en modélisant le risque de paludisme à partir des données d'autres régions où les conditions sont similaires.

Chapitre 3: Activité B - Modélisation

Pourquoi modéliser ?

Que faut-il modéliser  ?

Comment modéliser ?

(1) Le premier niveau, continental, définit la macro-répartition de la transmission et de la maladie, à partir des conditions climatiques moyennes.

(2) Le second niveau, sous-continental, permet d'affiner la répartition de la transmission en tenant compte des changements climatiques entre les années et des différences entre les principales zones écologiques.

(3) Le troisième niveau, régional ou national, utilise une combinaison de données empiriques et environnementales pour définir l'intensité de la transmission dans un pays ou une zone écologique donnée (transmission pérenne, saisonnière ou bi-saisonnière).

(4) Le quatrième niveau, local, concerne une superficie inférieure ou égale à 30 km² ; il opère en-dessous de la seconde unité administrative (le district) et s'intéresse à la variation de la transmission à une échelle très locale.

Que savons-nous ?

Un facteur primordial dans la transmission du paludisme est la température. Elle affecte le cycle de la transmission de diverses manières. Elle joue sur la durée du cycle sporogonique du parasite (n) et sur la survie du vecteur (p). Ces relations sont illustrées par les figures 6a et 6b. La limite inférieure de la température de transmission est celle à laquelle une proportion trop faible de moustiques survivent la période d'incubation du parasite (pⁿ, figure 6c). Les températures trop basses limitent également le vecteur  : par exemple, l'espèce A. gambiae n'existe que dans les zones sans gel (de Meillon, 1934), ou dans des zones où les températures mensuelles en période froide restent au dessus de 5C (Leeson, 1931) .

Second facteur fondamental, la pluviométrie, qui favorise les sites de reproduction des moustiques et augmente l'humidité ambiante, ce qui améliore la survie des moustiques. La relation entre l'abondance des moustiques et la pluviométrie a été illustrée à maintes reprises. Malheureusement, cette relation n'est pas linéaire  : une quantité donnée de pluie n'entraîne pas nécessairement une densité déterminée de moustiques.

En comparant les pluviométries de zones impaludées et de zones non-impaludées, il apparaît qu'une moyenne de 80 mm par mois pendant au moins trois à cinq mois est nécessaire pour garantir la transmission annuelle du paludisme (Craig et al., 1998).

Modèle de répartition du paludisme
(Niveau continental)

Où le paludisme sévit-il régulièrement  ?

Depuis peu, la température et les données pluviométriques pour l'Afrique (à une résolution d'environ 25 km²) sont disponibles (Hutchinson et al., 1995).

Ces données sont basées sur des extrapolations à partir de données de nombreuses stations météorologiques sur une période de 60 ans en tenant compte du relief. Par conséquent, elles conviennent pour une modélisation de la présence ou de l'absence du paludisme à long-terme.

Définir la répartition du paludisme

En partant de ce que nous connaissons sur les relations entre les facteurs climatiques et la transmission (figure 6) nous pouvons fixer des limites, au-delà desquelles nous sommes sûrs que la transmission peut avoir lieu, et d'autres en-deçà desquelles la transmission est presque impossible. Cette approche permet d'exprimer l'adéquation climatique d'une zone donnée pour la transmission du paludisme, et donc de définir les zones où la transmission est probable.

Le développement du parasite s'arrête à 16C, mais la transmission au dessous de 18C est peu probable non seulement parce qu'à cette température très peu de moustiques adultes survivent les 56 jours nécessaires à la sporogonie, mais aussi parce que l'abondance des moustiques est limitée par une longue période larvaire. A 22C, la sporogonie est achevée en moins de trois semaines et la proportion de moustiques survivant à cette période (15%) est assez importante pour que le cycle de transmission ait lieu. Ainsi une température inférieure à 18C a été considérée comme défavorable, et une température supérieure à 22 comme entièrement favorable à la transmission. La limite supérieure de température est essentiellement déterminée par la survie du vecteur, puisque des températures supérieures à 32C sont liées à un grand renouvellement des générations, des individus faibles et une mortalité élevée (LeSueur, Thèse de Doctorat, Université du Natal, 1991 ; Maharaj, Thèse de Doctorat, Université du Natal, 1995). La mort thermique se produit à 40C. En termes de pluviométrie, un seuil d'au moins 80 mm par mois a été retenu comme favorable, et 0  mm comme défavorable.

Les cartes climatiques ont donc été basées sur de nouvelles valeurs, obtenues par calcul, et exprimant le caractère favorable ou non au développement sporogonique du Plasmodium et au développement des moustiques vecteurs. Une échelle de 0 à 1 a été créée, qui indique dans quelle mesure le climat est propice à la transmission. Puisque la température et la pluviométrie doivent être favorables au même moment de l'année pour permettre la transmission, ces cartes ont été combinées pour identifier lequel des deux facteurs était limitant à une période donnée. De plus, les conditions favorables doivent s'établir pendant une durée suffisamment longue pour que le cycle de transmission puisse s'accomplir. Dans les régions du Sahel, il suffit d'une saison pluvieuse de trois mois pour que les populations de moustiques se développent suffisamment pour permettre la transmission. Par contre, dans le reste de l'Afrique, la période minimale a été fixée à cinq mois. Enfin, toutes les zones qui connaissent le gel en période froide ont été exclues, puisque le gel élimine les populations de moustiques. Plus de détails sont donnés dans Craig et al. (1998).

Puisque les données climatiques utilisées sont des moyennes sur de longues périodes, l'adéquation climatique représente la probabilité d'une transmission stable pour une année moyenne. Plus cette adéquation moyenne est faible, plus la fluctuation inter-annuelle de l'adéquation climatique sera importante. Ce fait est particulièrement important pour déterminer les zones à risque d'épidémies.

Que nous indique le modèle ?

En comparant le modèle climatique avec des cartes historiques et des données sur les cas de paludisme en Afrique australe (figure 8), au Kenya et en Tanzanie (figure 9) on constate une bonne modélisation. Les différences observées, pour certaines vallées et les principaux fleuves, proviennent du fait que le modèle n'utilise que la pluviométrie pour prédire la disponibilité en eau, alors que les moustiques peuvent aussi survivre le long des cours d'eau et dans les plaines inondées. D'autres différences (régions X et Y dans la figure 9) sont plus difficiles à expliquer. La région X est plate, de basse altitude, avec une végétation abondante qui indique une abondance d'eau. Cependant, les données historiques de cette région indiquent que la transmission du paludisme y est faible et variable. Au vu de ces faits, nous devons nous poser des questions sur l'exactitude de la carte historique. La région Y était probablement considérée comme une région à faible risque car personne n'y vivait. Ces exemples illustrent la nécessité de valider et d'analyser de manière critique les modèles.

Estimation des populations à risque

Une estimation a été faite du nombre de personnes vivant dans les zones à transmission considérées comme stables (où la valeur était supérieure à 0,5).

Enfin, en utilisant des estimations moyennes de la morbidité et de la mortalité dues au paludisme (tableau 1), l'importance des populations à risque ainsi que le nombre de décès dûs au paludisme ont été calculés (Snow et al., 1998a).
 

Tableaux 1. Estimation de la population totale et de la population infantile (0-4 ans) vivant dans des zones où l'adéquation climatique pour la transmission stable du paludisme est respectivement d'au moins 50% et d'au moins 90%, et estimations de la mortalité annuelle due au paludisme chez les enfants africains de ces zones en 1990 (Snow et al., 1998a).

Adéquation du climat pour une transmission stable	Population exposée au risque d'infection (1990)	Population infantile exposée au risque de paludisme (1990)	Hypothèse basse de mortalité : 4,6 décès pour 1000 enfants par an	Hypothèse médiane de mortalité : 8,0 décès pour 1000 enfants par an	Hypothèse haute de mortalité : 10,3 décès pour 1000 enfants par an
50%	360243292	66338541	305367	530708	683286
90%	293955320	54331548	249925	434652	559615

En ce qui concerne le modèle climatique de répartition, bien qu'imparfait, c'est une approche nouvelle et intéressante de l'estimation de l'impact de la maladie au niveau continental. Comme le processus est basé sur une approche numérique bien définie, les estimations s'amélioreront à mesure que le modèle sera affiné et validé, et que d'autres d'informations seront disponibles, aussi bien pour les décès dûs au paludisme, que pour les effets indirects du paludisme sur le taux total de morbidité et de mortalité.

Caractère saisonnier
(Niveau continental)

Quand le paludisme sévit-il  ?

Dans les zones avec une forte saisonnalité, là où les écarts annuels de précipitation et/ou de température sont importants, les populations de moustiques tombent chaque année à des niveaux où la transmission ne peut plus être soutenue. Lorsque les pluies commencent et/ou la température s'élève, les populations de vecteurs doivent se reconstituer pour que la transmission puisse reprendre. Cela nécessite une période climatique très favorable, surtout si la saison ne dure que quelques mois. Par contre, là où le climat est stable pendant toute l'année, les populations de moustiques subissent beaucoup moins ces cycles annuels, et peuvent donc persister toute l'année. On comprend alors aisément, que, dans les zones très saisonnières, les étés doivent être plus chauds que dans les régions stables, afin de produire des populations de moustiques capables de transmettre le paludisme.

Durées de transmission

Dans les zones à climat saisonnier, la moyenne de la température mensuelle doit être égale ou supérieure à 22C et celle de la pluviométrie égale ou supérieure à 60 mm pour que le mois puisse être considéré comme faisant partie de la période de transmission. Il doit aussi y avoir au moins un mois de conditions très favorables (> 22C et > 80 mm) dans la période considérée. Dans les zones de transmission stable, les moyennes mensuelles doivent être d'au moins 19,5C pour la température, et 80 mm pour la pluviométrie, sans qu'il soit nécessaire d'avoir de mois avec des conditions très favorables. Tous les mois répondant aux conditions décrites ci-dessus sont pris en compte pour établir une carte faisant ressortir le nombre total de mois favorables, et donc la durée de la période de transmission (figure 11).

Ce procédé a aussi permis de calculer le début (figure 12a) et la fin (figure 12b) de la saison de transmission . La figure 12 ne représente que la première saison favorable de l'année. Une autre carte (non présentée ici) a été réalisée pour la seconde saison de transmission, lorsqu'elle existe.

Une étude préliminaire a été faite sur la relation entre les données de PP dans la base de données MARA/ARMA, et le nombre de mois à risque. Toutes les enquêtes où la taille de l'échantillon est supérieure ou égale à 50 ont été sélectionnées, et les PP calculées par rapport au nombre de mois à risque. Une relation nette apparaît entre la moyenne des PP et le nombre de mois à risque (figure 13a).Toutefois la variabilité des valeurs dans chaque catégorie est forte, et la corrélation statistique est donc faible. Cependant, en utilisant les trois classes de risque de la figure 11, les différences entre les PP moyennes dans ces classes sont significatives : p < 0,001 (figure 13b). Pour cette analyse, le processus de sélection des PP n'a pas tenu compte de la période de l'enquête, qui est importante dans les zones limites pour la transmission, où les PP sont moins stables. Ainsi, l'utilisation des mois à risque pour déterminer l'intensité de la transmission pourrait être améliorée en traitant séparément les zones stables et les zones instables, et en tenant compte de la saison de l'enquête.

Paludisme aux limites de la transmission
(Niveau sous-continental)

Où les épidémies de paludisme se produisent-elles ?

Pour explorer l'impact des fluctuations climatiques inter-annuelles sur la présence d'épidémies, des données climatiques annuelles ont été demandées à l'unité de recherche sur le climat de l'université de Norwich (CRU/SAMRC, 1998).

Ces données peuvent être utilisées pour rechercher l'influence du climat dans le temps. Les recherches sur les épidémies doivent se faire au niveau sous-continental à cause des différences importantes qui existent entre les types de climats rencontrés au Nord, à l'équateur et au Sud de l'Afrique. Pour débuter ce processus, un modèle de répartition du paludisme au niveau continental, basé sur une période de transmission de cinq mois, a été créé pour chaque année de 1951 à 1995 (années pour lesquelles les données étaient disponibles). Le nombre d'années (sur un total de 45) pendant lesquelles l'adéquation climatique dépassait 10% a été calculé avec ce modèle (figure 14).

La carte résultant de ce modèle est similaire au modèle de répartition original (figure 7). Ceci n'est pas surprenant, puisque si les conditions sont favorables pour une année moyenne (modèle original), la transmission se fera aussi plus fréquemment que si les conditions sont défavorables dans une année moyenne. Cependant, beaucoup reste à faire avant d'obtenir un modèle qui reflète les différences fondamentales à travers le continent, et qui soit validé en le comparant aux statistiques disponibles sur les épidémies.

Modèles statistiques
(Niveau régional)

Extrapolation à partir des données empiriques

Kenya

Les données d'enquêtes empiriques (limitées aux 124 études conduites après 1960, avec des échantillons sélectionnés au hasard de plus de 100 enfants âgés de 1 à 9 ans) ont été utilisées pour développer un modèle statistique de l'intensité de la transmission, basé sur le climat et d'autres variables (notamment NDVI).

Des analyses discriminantes ont déterminé de quelle manière ces variables pouvaient être utilisées pour distinguer trois classes d'endémicité du paludisme (forte > 70%, moyenne 20-70% et faible <20%). Le modèle a permis de classifier 75% des zones dans ces trois classes (intervalles de confiance 70 - 80%). Le modèle a ensuite été utilisé pour prédire les classes d'endémicité pour le reste du pays, où il n'y a pas de données empiriques (figure 15). Le modèle global de répartition du paludisme (figure 7) a été utilisé pour masquer toutes les zones à transmission instable.(adéquation climatique < 0,5)

Dans une deuxième étape, ce modèle a été utilisé pour estimer la mortalité et la morbidité palustres chez les enfants kenyans. Pour cela, les informations publiées et non-publiées sur la mortalité et la morbidité à différents niveaux d'endémicité ont été utilisées. Les données de population nationales pour les 1080 unités du 4ème niveau administratif (disponibles dans les statistiques du recensement de 1989) ont été extrapolées à l'année 1997. Ces données ont ensuite été combinées aux informations relatives à la mortalité et à la morbidité et au modèle de l'endémicité, pour estimer le nombre d'enfants affectés dans les zones à endémicité palustre forte, moyenne, faible ou instable. De cette manière, on a pu estimer que le paludisme tuait chaque jour 72 enfants âgés de moins de cinq ans, et que 400 autres développaient un paludisme clinique sévère (Snow et al., 1998).

En dépit de certaines faiblesses méthodologiques, une telle approche est bien meilleure que les estimations actuelles pour produire de l'information sur la couverture géographique du paludisme et ses graves conséquences pour le Kenya.

Mali

Il est intéressant de noter une relation en forme de U inversé entre la prévalence palustre et la distance au point d'eau le plus proche. La prévalence la plus élevée a été trouvée chez les populations vivant à une distance intermédiaire du point d'eau, et non pas chez les populations les plus proches. Ceci s'explique par le fait que les moustiques représentant une très grande nuisance près de l'eau, les populations s'en protègent avec des moustiquaires.

Le modèle a été ensuite appliqué aux zones climatiques pour prédire le risque du paludisme pour l'ensemble du Mali. Finalement, ce risque a été converti en 4 classes (risque élevé >70%, moyen 30-70%, faible 10-30% et très faible <10%), voir figure 16.

Pour 70 des 101 études considérées dans l'analyse, la PP a été estimée correctement. Des analyses spatiales supplémentaires sont en cours pour identifier des facteurs additionnels jouant sur le risque palustre.

Acquis des modèles régionaux

Pourquoi différentes techniques ont-elles été utilisées ? Premièrement, cela illustre la nature exploratoire de ces études. Les tailles des échantillons et la répartition des données disponibles affectent aussi le choix des approches. En outre, le fait qu'il existe de grandes différences écologiques entre les différentes parties du continent signifie qu'il faut sélectionner la meilleure approche statistique pour chaque région. Le Mali et le Kenya sont deux pays très différents l'un de l'autre  : les conditions naturelles changent énormément à l'intérieur du Kenya, où il y a deux saisons des pluies distinctes dans certaines régions, une saison des pluies ou même des pluies continues dans d'autres régions, des désert et des forêts tropicales, un littoral et des montagnes très hautes. Quant au Mali, il est assez uniformément chaud, sans hautes montagnes, et avec une seule saison des pluies. Ces différences affectent certaines variables dans leur effet sur la PP. Une variable telle que "les précipitations de juin" peut avoir un effet positif dans une région et un effet négatif dans une autre. L'interaction avec d'autres variables telles que "la température en juin" ou "les précipitations de mai" peut aussi varier.

Dans la phase finale de la collecte des données, des modèles de prédiction de l'endémicité seront mis au point pour tous les pays où sévit le paludisme. Différentes techniques seront utilisées selon les pays et les écologies, en fonction de la quantité, du type et de la qualité des données empiriques disponibles, et aussi en fonction des conditions climatiques et écologiques. La prochaine étape du projet verra davantage d'efforts consentis à l'utilisation et au développement de nouvelles techniques statistiques et spatiales, pour traiter des problèmes spécifiques que représentent les données MARA/ARMA. L'exactitude des modèles dépendra cependant de l'importance et de la précision des données disponibles sur le paludisme et l'environnement.

Chapitre 4 : Projets apparentés

Paludisme des régions d'altitude

Pourquoi le paludisme des régions d'altitude est-il important ?

Le paludisme épidémique représente un important problème de santé publique dans les régions montagneuses. Historiquement, le faible risque d'infection dans ces zones a mené à une situation de faible immunité fonctionnelle chez les populations locales, et à une mortalité élevée parmi les adultes et les enfants pendant les périodes d'épidémies. Parallèlement, les programmes de lutte contre le paludisme ne sont pas bien équipés pour identifier les épidémies à temps et pour y faire face. Il y a donc besoin d'une meilleure compréhension de l'épidémiologie du paludisme des régions montagneuses, ainsi que d'une meilleure capacité de la surveillance et de réponse épidémique. Le Projet HIMAL, né d'un atelier du TDR à Addis Abéba en 1996, va dans ce sens.

Qu'est-ce que HIMAL ?

Ce travail a impliqué une série de visites dans les pays à paludisme d'altitude et une bonne coordination avec les institutions locales de recherches et les programmes de lutte afin d'obtenir la plus grande quantité possible de données. A ce jour, plus de 300 rapports ont été dépouillés pour neuf pays (Ethiopie, Kenya, Tanzanie, Ouganda, Burundi, Rwanda, Cameroun, Zimbabwe et Madagascar) avec des données sur les PP dans plus de 900 localités.

En Afrique de l'Est, les premiers résultats ont montré que le modèle climatique de répartition du paludisme peut fournir une bonne indication des zones de transmission instable du paludisme. De plus, nous avons utilisé les informations sur la répartition historique des épidémies pour produire des cartes de risque pour les épidémies dans chaque pays en nous basant sur l'altitude (figure 17).

Il s'agit là de produits exploratoires, mais les indications initiales montrent que cette carte correspond bien à l'opinion des experts nationaux (chercheurs et responsables des programmes de lutte).

Le projet HIMAL va ensuite concentrer ses efforts sur la collecte de données prospectives sur le paludisme, par une surveillance améliorée dans les régions d'altitude. En particulier, un atelier a été organisé en 1999 avec des chercheurs et des responsables de programmes de lutte au niveau local. Cet atelier devrait permettre d'élaborer des systèmes de surveillance durables, incluant des compétences en matière de SIG et un système d'alerte précoce.

Collecte des données sur le vecteur

Les données relatives à la répartition de ces espèces sont importantes parce qu'elles n'ont pas les mêmes comportements, et qu'elles diffèrent aussi quant à leur capacité à transmettre le paludisme. Les espèces An. funestus et An. gambiae s.s. sont largement associées à l'être humain et à son habitat, et préfèrent se nourrir sur des humains et se reposer à l'intérieur des maisons. An. arabiensis, par contre, se nourrit sur les êtres humains ou sur le bétail, se repose à l'intérieur ou à l'extérieur des maisons, et est un peu moins efficace dans la transmission. Différentes stratégies de lutte sont donc nécessaires pour combattre ces diverses espèces. Par exemple, la pulvérisation des domiciles avec des insecticides à effet prolongé sera efficace contre An. funestus et An. gambiae, mais le sera moins contre An. arabiensis.

Des cartes de répartition d'An. funestus et du complexe An. gambiae ont été produites par Gillies et de Meillon il y a trente ans (Gillies et de Meillon, 1968). Cette source importante a été mise à jour pour le complexe An. gambiae, et les figures 18a-d montrent la répartition connue des membres de ce groupe. Les données sont tirées principalement de publications parues depuis 1962. Des données antérieures à cette date, pour lesquelles l'identification des espèces est basée uniquement sur la tolérance à la salinité sont aussi incluses, tout comme les identifications faites à partir d'expériences de cross-mating. Les zones sans point ne correspondent pas nécessairement à une absence de moustiques, mais plutôt à l'absence de publication sur l'identification de ces espèces dans ces zones.

Chapitre 5 : Conclusions et perspectives

Produits MARA/ARMA à l'intention des responsables de programmes de lutte contre la paludisme

Au niveau régional, de telles cartes de répartition pourraient aider des pays voisins à discuter et à planifier la lutte contre leurs problèmes de paludisme de manière coordonnée, afin d'optimiser l'utilisation des ressources. Dans les zones frontalières (comme par exemple entre l'Afrique du Sud et le Mozambique), la lutte contre le paludisme peut poser des problèmes spécifiques, notamment si les moyens mis en oeuvre pour la lutte contre le paludisme ne sont pas au même niveau de part et d'autre de la frontière. L'augmentation de la résistance aux insecticides, ainsi que beaucoup d'autres problèmes pratiques, pourraient aussi figurer sur les cartes régionales.

Enfin, au niveau continental, la base de données, les cartes et les données sur les populations à risque produites par la collaboration MARA/ARMA devraient fournir un outil de planification utile aux agences internationales, et ceci spécialement dans le contexte actuel de l'intérêt relancé pour la lutte contre le paludisme (initiative "Roll Back Malaria" ou "faire reculer le paludisme").

Ce rapport technique souhaite donner une vue d'ensemble des activités actuelles MARA/ARMA. Nous espérons que ce rapport aidera aussi bien les responsables des programmes de lutte que les agences internationales à avoir une idée plus claire des possibilités offertes par la cartographie sanitaire en général et par la collaboration MARA/ARMA en particulier. Nous réserverons le meilleur accueil à toutes les remarques et suggestions sur notre travail et les considérerons comme d'utiles contributions pour l'avenir de cette entreprise. Nous vous invitons donc à remplir et à nous faire parvenir le questionnaire ci-joint. Notre souhait est que MARA/ARMA soit un instrument utile à tous ceux qui luttent contre le paludisme en Afrique.

Produits MARA/ARMA à l'intention des chercheurs sur le paludisme

Le chemin restant à parcourir

Quelle direction la collaboration MARA/ARMA va-t-elle prendre  ? Premièrement, la collecte des données va se poursuivre pendant au moins deux années supplémentaires, jusqu'à ce que toutes les sources possibles aient été utilisées. Plusieurs pays n'ont pas encore été visités et certaines des données n'ont pas été récupérées. Jusqu'à présent, aucun coordonnateur de la collecte des données n'a pas été nommé en Afrique australe, pour des raisons financières, et la collecte des données s'en est donc trouvée affectée. La base de données est la principale ressource de la collaboration, et il est donc prioritaire de la compléter.

En second lieu, les modèles environnementaux du paludisme seront encore affinés pour le continent. Ce processus devrait aboutir à l'amélioration de l'ensemble des cartes sur le paludisme. Les modèles pourraient aussi servir de point de départ pour la prévision des effets sur le paludisme des changements climatiques . Au niveau national, le processus de modélisation statistique commencé au Kenya et au Mali sera étendu à d'autres pays et à d'autres régions. Les méthodes statistiques seront encore affinées, et intégreront à l'avenir les statistiques spatiales. Ceci permettra d'accroître aussi bien le nombre de cartes détaillées sur l'endémicité, que les cartes des populations avec différents niveaux de risque.

Le produit final de la collaboration MARA/ARMA sera un atlas des risques de paludisme pour l'ensemble du continent, à la fois sous forme d'ouvrage et en format numérique. Il comprendra les cartes nationales de l'endémicité, du caractère saisonnier, ainsi que de la répartition des principaux vecteurs. Il est prévu que d'autres données, telles que la résistance aux médicaments ou l'utilisation de moustiquaires, soient aussi incluses lorsqu'elles seront disponibles. Une version électronique sera enfin mise sur Internet pour permettre un large accès. L'objectif final est de produire un atlas numérisé permettant (1) une mise à jour continuelle, (2) des possibilités d'extraction sélective des données, et (3) d'affiner les cartes de répartition du risque du paludisme en Afrique.

Finalement, notre souhait est que cette collaboration puisse servir de modèle pour élaborer d'autres systèmes d'information à grande échelle sur les maladies, en Afrique et dans d'autres régions en voie de développement.

Références Bibliographiques

Clyde, D. F. 1967 Malaria in Tanzania, London, Oxford University Press.

Craig, M. H., R. W. Snow and D. le Sueur.1998. A climate-based distribution model of malaria transmission in Africa. Parasitology Today, in press.

CRU/SAMRC. 1998. African Monthly climate data 1951-1995, Edition 1, CD-ROM. Climatic Research Unit, University of East Anglia, Norwich, NR4 7TJ, United Kingdom.

de Meillon, B. 1934. Observations on Anopheles funestus and Anopheles gambiae in the Transvaal. Publications of the South African Institute for Medical Research 6: 195.

Deichmann, U. 1996. Africa population database, Internet. National Center for Geographic Information and Analysis, United Nations Environment Programme, World Resources Institute, www.grid2.cr.usgs.

DeSavigny, D and P. Wijeyaratne (eds). 1995. GIS for Health and the Environment. Proceedings of an International Workshop, Colombo, Sri Lanka, 5-10 September 1994.

Detinova, T. S. 1962. Determination of the epidemiological importance of populations of Anopheles maculipennis by their age composition. In: Age Grouping Methods in Diptera of Medical Importance, with Special Reference to Some Vectors of Malaria, World Health Organization, Geneva.

FAO. 1991. FAO - Artemis NOAA AVHRR NDVI Image Bank Africa 1981-1991, CD-ROM. Food and Agriculture Organisation (FAO) of the United Nations Remote Sensing Centre, NASA Goddard Space Flight Centre (GSFS), Africa Real Time Environmental Monitoring Information System (ARTEMIS).

GDE Systems Inc. 1995. Geoname Digital Gazetteer Version 1, CD-ROM.

Gill, C. A. 1938 The seasonal periodicity of malaria and the mechanism of the epidemic wave, London, Churchill.

Gillies, M. T. and B. de Meillon. 1968 The Anophelinae of Africa South of the Sahara, Johannesburg, The South African Institute for Medical Research.

Hutchinson, M. F., H. A. Nix, J. P. McMahan and K. D. Ord. 1995. Africa - A topographic and climatic database, Edition 1,CD-ROM. Center for Resource and Environmental Studies, Australian National University, Canberra, ACT 0200, Australia.

Jambulingham, P., S. S. S. Mohapatra, P. Govardhini, L. K. Das, A. Manoharan, S. P. Pani and P. K. Das. 1991. Microlevel epidemiological variations in malaria and its implications on control strategy. Indian Journal of Medical Research [A] 93: 371-378.

Leeson, H. S. 1931 Anopheline Mosquitos in Southern Rhodesia, London, The London School of Hygiene and Tropical Medicine.

Lengeler, C. 1998. Insecticide-treated bednets and curtains for malaria control (Cochrane review). The Cochrane Library, Issue 3, 1998. Oxford: Update Software.

Lysenko, A. Y. and I. N. Semashko. 1968. Geography of malaria. In: Lebedew, A. W. (ed.) . Medical Geography, Academy of Sciences USSR, Moscow.

Macdonald, G. 1957 The Epidemiology and Control of Malaria, London, Oxford University Press.

Martens, W. J. M. 1997. Health Impacts of Climate Change and Ozone Depletion: An Eco-Epidemiological Modelling Approach. Doctoral thesis, Maastricht University.

Metselaar, D. and P. M. Van Theil. 195