Know more

Our use of cookies

Cookies are a set of data stored on a user’s device when the user browses a web site. The data is in a file containing an ID number, the name of the server which deposited it and, in some cases, an expiry date. We use cookies to record information about your visit, language of preference, and other parameters on the site in order to optimise your next visit and make the site even more useful to you.

To improve your experience, we use cookies to store certain browsing information and provide secure navigation, and to collect statistics with a view to improve the site’s features. For a complete list of the cookies we use, download “Ghostery”, a free plug-in for browsers which can detect, and, in some cases, block cookies.

Ghostery is available here for free: https://www.ghostery.com/fr/products/

You can also visit the CNIL web site for instructions on how to configure your browser to manage cookie storage on your device.

In the case of third-party advertising cookies, you can also visit the following site: http://www.youronlinechoices.com/fr/controler-ses-cookies/, offered by digital advertising professionals within the European Digital Advertising Alliance (EDAA). From the site, you can deny or accept the cookies used by advertising professionals who are members.

It is also possible to block certain third-party cookies directly via publishers:

Cookie type

Means of blocking

Analytical and performance cookies

Realytics
Google Analytics
Spoteffects
Optimizely

Targeted advertising cookies

DoubleClick
Mediarithmics

The following types of cookies may be used on our websites:

Mandatory cookies

Functional cookies

Social media and advertising cookies

These cookies are needed to ensure the proper functioning of the site and cannot be disabled. They help ensure a secure connection and the basic availability of our website.

These cookies allow us to analyse site use in order to measure and optimise performance. They allow us to store your sign-in information and display the different components of our website in a more coherent way.

These cookies are used by advertising agencies such as Google and by social media sites such as LinkedIn and Facebook. Among other things, they allow pages to be shared on social media, the posting of comments, and the publication (on our site or elsewhere) of ads that reflect your centres of interest.

Our EZPublish content management system (CMS) uses CAS and PHP session cookies and the New Relic cookie for monitoring purposes (IP, response times).

These cookies are deleted at the end of the browsing session (when you log off or close your browser window)

Our EZPublish content management system (CMS) uses the XiTi cookie to measure traffic. Our service provider is AT Internet. This company stores data (IPs, date and time of access, length of the visit and pages viewed) for six months.

Our EZPublish content management system (CMS) does not use this type of cookie.

For more information about the cookies we use, contact INRA’s Data Protection Officer by email at cil-dpo@inra.fr or by post at:

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan CEDEX - France

Dernière mise à jour : Mai 2018

Menu Logo Principal logo Oniris

Home page

Modéliser pour comprendre et prédire la dynamique des populations de vecteurs et des maladies vectorielles animales et évaluer les stratégies de leur maîtrise

modeliser_pour_comprendre_et_predire_la_dynamique_des_populations_de_vecteurs_et_des_maladies_vectorielles_animales
Le contrôle des maladies vectorielles et de leurs vecteurs constitue un enjeu majeur de santé animale et de santé publique. Une approche par modélisation a permis d’intégrer des connaissances éparses et hétérogènes entre espèces vectrices ou maladies vectorielles pour proposer des modèles épidémiologiques et de dynamique de populations de vecteurs, utilisables pour évaluer des stratégies de contrôle ciblées.

Contexte / enjeux

De nombreuses maladies vectorielles ont récemment émergé, notamment dans le pourtour méditerranéen, en lien avec les changements globaux : changements climatiques, mais aussi changements d’occupation du sol et intensification des transports humains et animaux. La récente apparition au nord de l’Europe du BTV sérotype 8 (virus de la fièvre catarrhale ovine) et sa diffusion large et rapide a, de plus, montré la difficulté à anticiper de telles émergences. Pourtant, le contrôle des maladies vectorielles constitue un enjeu majeur en termes de santé animale, de santé publique et aussi dans la limitation des nuisances que les vecteurs occasionnent. Dans ce contexte, disposer d’outils prédictifs qualitatifs permettant d’évaluer ex-ante des scénarios de propagation et de contrôle des maladies vectorielles ou de leurs vecteurs serait un atout majeur pour les gestionnaires en santé animale et humaine.
Pour mieux comprendre l’influence des facteurs biotiques (densités d’hôtes, densité de vecteurs, …), abiotiques (conditions météorologiques, climat, …) et anthropiques (occupation du sol …) dans la propagation des maladies vectorielles et la dynamique de population de leurs vecteurs, la modélisation constitue une approche de choix. Elle permet d’intégrer des connaissances éparses et hétérogènes entre maladies vectorielles, de tester des hypothèses biologiques, et d’évaluer ex ante un large panel de stratégies de contrôle. Le système biologique à étudier et prédire est complexe, reposant sur des interactions entre des populations de vecteurs montrant d’importantes variations saisonnières et des populations d’hôtes gérées par l’homme. Ces interactions induisent la propagation d’agents pathogènes et sont pour partie pilotées par des décisions humaines, notamment en termes de gestion de l’occupation du sol et de mise en place de lutte anti-vectorielle. Elles évoluent avec les changements globaux et la capacité à prédire les changements de comportement du système est critique.

Resultats

Un modèle générique de dynamique pluriannuelle de population de moustiques (vecteurs ailés majeurs en santé animale et santé humaine) piloté par le climat a été développé et appliqué à des espèces d’Anopheles en zone humide (Cailly et al., 2011b). Les prédictions du modèle en conditions actuelles sont cohérentes avec les données entomologiques et sont sensibles aux variations de mortalité et développement, sex-ratio et nombre d’œufs pondus, facteurs constituant donc de potentiels points de contrôle du système biologique. Ce modèle permet d’évaluer des stratégies de lutte ciblant un stade précis du cycle de vie et une période de l’année. La mise en œuvre des stratégies peut être calendaire ou dépendre de l’abondance en moustiques dans un stade donné.
Un modèle épidémiologique de propagation d’une maladie vectorielle dans une population d’hôtes a été développé tenant compte de manière originale de la forte saisonnalité de l’abondance en vecteurs et des différents modes de transmission possibles de l’agent pathogène (Charron et al., 2011). Il a été appliqué à la propagation de la fièvre catarrhale ovine en population bovine. Un équivalent du nombre reproductif de base (R0) en contexte saisonnier a été proposé (RS), mettant à disposition un critère d’évaluation du risque épidémique sous différents scénarios de contrôle, tel que la vaccination.

Perspectives

Développer des modèles épidémiologiques ou de dynamique de population des vecteurs intégrant également une composante spatiale permettrait des prédictions plus précises et ce à différentes échelles (locale à continentale). Ainsi, la distribution des sites de ponte des moustiques, spatialement hétérogène et parfois contrôlable par l’homme, explique pour partie la structuration spatiale des populations de moustiques adultes pour plusieurs espèces majeures (Cailly et al., 2011a). Ce facteur devrait donc être intégré dans un modèle de dynamique de population de moustiques.
De tels modèles permettraient alors d’évaluer des stratégies de contrôle ciblant non seulement hôtes ou vecteurs dans le temps, mais aussi dans l’espace, constituant de véritables outils d’aide à la surveillance et au contrôle des vecteurs et des maladies vectorielles associées. Enfin, ils permettraient d’évaluer des scénarios de changement globaux, impactant non seulement le climat, mais aussi l’occupation du sol et les mouvements d’animaux et de personnes.

Partenaires

  • CIRAD UMR CMAEE & UPR AGIRs, Montpellier
  • EID-Méditerranée, Montpellier
  • IRD, Montpellier
  • Univ. Bordeaux 2, IMB, Bordeaux

Publications

  • Cailly P.*, Balenghien T. *, Ezanno P. *, Fontenille D., Toty C., Tran A.* 2011a. Role of the wetland breeding site repartition in the spatial distribution of Anopheles and Culex vectors of human diseases in Southern France. Parasites and Vectors, 4:65, doi:10.1186/1756-3305-4-65. [*contribution égale]
  • Cailly P., Tran A., Balenghien T., L’Ambert G., Toty C., Ezanno P. 2011b. A climate-driven abundance model to assess mosquito control strategies. Ecological Modelling (accepté).
  • Charron M., Langlais M., Seegers H., Ezanno P. 2011. Seasonal spread and control of Bluetongue in cattle. Journal of Theoretical Biology, 291, 1-9, doi:10.1016/j.jtbi.2011.08.041.