Mathematical modeling and statistical inference to better understand arbovirus dynamics

Résumé : L’importance et l’expansion des arboviroses comme la dengue ou le virus Zika nécessite des modèles pour mieux comprendre et prédire leurs dynamiques. La propagation vectorielle de ces maladies est influencée par de multiples facteurs humains et environnementaux qui rendent complexe la construction de modèles épidémiologiques parcimonieux. Parallèlement, de nombreux outils théoriques et computationnels existent désormais pour confronter ces modèles aux données observées. L’objectif de ce travail de thèse est donc d’apporter l’éclairage des données sur les modèles de propagation des arboviroses. Dans un premier temps, il s’agit d’identifier les éléments les plus importants à incorporer pour modéliser les dynamiques de la dengue en milieu rural, dans la région de Kampong Cham (Cambodge). Différents modèles sont comparés, complexifiant à la fois le détail de l’histoire de la maladie et la prise en compte des formes de stochasticité. Dans le cadre déterministe, on a pu souligner l’importance des interactions entre sérotypes, et le faible intérêt pour la représentation explicite des moustiques vecteurs et des individus asymptomatiques. Par ailleurs, la prise en compte des incertitudes indique qu’une large part de la dynamique est capturée seulement par la stochasticité et non par les éléments du squelette déterministe du modèle. Aussi étudie-t-on dans un second temps d’autres aspects de la transmission de la dengue, comme la saisonnalité et la structure spatiale, grâce à des données d’épidémies à Rio de Janeiro (Brésil). Dans un dernier temps, ces méthodes et modèles sont appliqués à l’étude d’un arbovirus émergent, le virus Zika. A partir de données d’épidémies survenues dans le Pacifique, les paramètres-clé de la propagation du virus sont estimés dans le cadre stochastique, et leur variabilité est envisagée à la fois en termes de contexte géographique et de modèle épidémiologique, par la comparaison de quatre îles et de deux modèles à transmission vectorielle. Par ailleurs, la question des interactions potentielles du virus Zika avec celui de la dengue est explorée.
Liste complète des métadonnées

https://pastel.archives-ouvertes.fr/tel-02014087
Contributeur : Abes Star <>
Soumis le : lundi 11 février 2019 - 14:04:09
Dernière modification le : mercredi 13 février 2019 - 01:17:25

Fichier

70411_CHAMPAGNE_2018_archivage...
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-02014087, version 1

Citation

Clara Champagne. Mathematical modeling and statistical inference to better understand arbovirus dynamics. Applications [stat.AP]. Université Paris-Saclay, 2018. English. 〈NNT : 2018SACLG006〉. 〈tel-02014087〉

Partager

Métriques

Consultations de la notice

58

Téléchargements de fichiers

9