Thông tin tài liệu
MEMOIRE DE FIN D’ETUDES afin d’obtenir le diplôme de MASTER DE RECHERCHE EN INFORMATIQUE option : Système Intelligent et Multimédia Modélisation multi-échelles base d’agents permettant de simuler la propagation d’épidémies de dengue Rédigé par : RAJAONARIVO Hiary Landy Sous l’encadrement de : M Nicolas Marilleau, Ingénieur de Recherche IRD-UMMISCO M Christophe Cambier, Mtre de Conférence IRD/UPCM M Alexis Drogoul, Directeur de Recherche IRD-UMMISCO ——————- Novembre 2014——————– Remerciements Je tiens remercier dans un premier temps, toute l’équipe pédagogique de l’Institut de la Francophonie pour l’Informatique (IFI) de Hanoï Vietnam et les intervenants professionnels responsables de la formation en master de recherche en informatique, pour avoir assuré la partie théorique de celle-ci Je remercie Monsieur Tuong Vinh Ho, Directeur de recherche du laboratoire MSI-IFI, Hanoï, qui m’a proposé cette offre de stage Je souhaite remercier également Monsieur Jean-Daniel Zucker, Directeur de l’UMIUMMISCO, de m’avoir acceptée comme stagiaire au sein de son département Je tiens exprimer toute ma reconnaissance M Christophe Cambier, M Nicolas Marilleau, M Alexis Drogoul, et M Serge Stinckwich, chercheurs l’IRD-UMMISCO/UPMC, pour leur encadrement sans faille, le suivi qu’ils ont apporté mon stage, leurs conseils, les nombreuses discussions que nous avons pu avoir tout au long de la réalisation de ce stage, aussi pour l’inspiration, et pour le temps qu’ils ont bien voulu me consacrer Mes sincères remerciements s’adressent aussi l’ensemble de l’équipe du projet PICURS pour sa collaboration dans le cadre de ce projet, et en particulier, Mlle Julie Blot, Post-Doctorante en géographie, pour l’aide apportée par les données sur les enquêtes qu’elle m’a fournie, M Frédérick Gay, Spécialiste en statistique et M Bernard Gazelles, Spécialiste en épidémiologie, pour des nombreuses discussions propos des hypothèses considérées dans notre modèle et pour la mise en place de la base de données du projet Je tiens remercier également Mme Kathy BAUMONT, secrétaire de l’IRD-UMMISCO, et Mlle Pham Thi Hai Anh, secrétaire de l’IFI pour ses aides plusieurs reprises Je remercie l’ensemble du département "UMI-UMMISCO" du centre de recherche IRD, Bondy, France, pour son accueil très chaleureux Enfin, j’adresse mes plus sincères remerciements ma famille, qui m’a toujours soutenue et encouragée au cours de la réalisation de ce mémoire Merci tous et toutes i ii RÉSUMÉ La maladie de dengue est une maladie virale transmis par les moustiques Aedes aegypti l’homme Cette maladie se propage géographiquement très vite si certaines mesures ne sont pas prises au moment opportun La vitesse de propagation d’épidémies de dengue dépend fortement des différents facteurs tels que les facteurs climatiques, les facteurs démographiques, et les facteurs hydrologiques Mise part ces trois facteurs, la mobilité de la population est aussi un facteur non négligeable lors de la propagation d’épidémies de dengue vis vis des risques sanitaires Dans ce travail, nous essayons de comprendre les liens qui pourrait exister entre la mobilité de la population et la propagation d’épidémies de dengue Nous avons construit deux modèles base d’agents permettant de simuler la propagation d’épidémies de dengue au niveau microscopique et au niveau macroscopique Nos modèles s’appuient sur les données réelles de la population des deux grandes villes risques : Can Tho (Vietnam) et Phnom Penh (Cambodge) Ces données sont récupérées partir des enquêtes Nous avons constaté lors des expérimentations que plus il y a beaucoup de déplacements d’individus vers les points de rencontres, plus la maladie s’étend très vite Ce qui nous permet de dire que la mobilité de la population a un impact direct sur le ralentissement ou l’accélération de la vitesse de propagation d’épidémies de dengue Nous avons constaté aussi que les risques d’accéssibilité l’eau courante provoquent la reproduction rapide des moustiques, qui peuvent favoriser la propagation d’épidémies de dengue dans une courte durée Nos modèles pourraient aider les décideurs comprendre le rôle de la mobilité de la population face la propagation d’épidémies de dengue iii ABSTRACT The dengue disease is a viral disease transmitted by Aedes aegypti mosquitoes to humans This disease is spread geographically very quick if some measures are not taken at the right time The speed of propagation of epidemics of dengue is highly dependent on various factors such as climatic factors, demographic factors, and hydrology factors Aside from these three factors, the mobility of the population is also a significant factor in the spread of dengue epidemics In this work, we try to understand the relationships that may exist between the mobility of the population and spread of dengue epidemics overlooked health risks We built two agents based models to simulate the spread of dengue epidemics at the microscopic level and the macroscopic level Our models are based on the actual data of the population of the two cities at risk : Can Tho (Vietnam) and Phnom Penh (Cambodia) These data are collected from the surveys We found in experiments that more there are many displacements of individuals towards the meeting points, more the disease spreads quickly This allows us to say that the mobility of the population has a direct impact on slowing or accelerating the rate of spread of dengue epidemics We also found that the risks to the accessibility of running water causes rapid breeding of mosquitoes, which can promote the spread of dengue outbreaks in a short time Our models can help decision makers to understand the role of population mobility upon the spread of dengue epidemics Table des matières Remerciements i Table des matières iv Liste des Figures vi Liste des Tableaux vii Présentation Générale 1.1 Présentation de l’établissement d’accueil 1.1.1 Présentation de l’IRD 1.1.2 Sa mission et son ambition 1.1.3 Données et chiffres clés de l’IRD 1.1.4 Les recherches l’IRD centre Bondy 1.1.5 Présentation de l’UMI UMMISCO 1.1.6 Quelques partenaires de l’UMI UMMISCO 1.2 Déscription du stage 3 4 5 Contexte du sujet 2.1 Contexte de la maladie de dengue 2.1.1 Dengue et la dengue hémorragique 2.1.2 Vie d’un moustique 2.1.3 Propagation de dengue 2.1.4 Lutte contre la dengue 2.2 Contexte de la modélisation et la simulation 2.2.1 Quelques définitions 2.2.2 Domaine d’application 2.2.3 Principaux outils existants 8 8 10 10 10 11 11 Existants 3.1 Modèles existants 3.1.1 Modèles base des systèmes d’équations différentielles 3.1.2 Modèles base de système multi-agents (SMA) 3.2 Données la disposition 3.2.1 Données sur la ville de Can Tho (Vietnam) 3.2.2 Données sur la ville de Phnom Penh (Cambodge) 3.3 Outils la disposition 12 12 12 15 21 21 22 22 iv Table des matières Modèles proposés 4.1 Synthèse sur les modèles existants 4.2 Intérêt des modèles proposés 4.3 Modèle microscopique 4.3.1 Hypothèses 4.3.2 Conception 4.4 Modèle macroscopique 4.4.1 Hypothèses 4.4.2 Conception v Implémentation et expérimentation 5.1 Implémentation 5.1.1 Mise en place de la base de données venant des enquêtes 5.1.2 Implémentation du modèle microscopique 5.1.3 Implémentation du modèle macroscopique 5.2 Expérimentation 24 24 26 26 28 31 32 33 34 36 36 36 39 41 42 Table des figures 3.1 3.2 3.3 3.4 Environnement de simulation du modèle Conception du modèle IBM carte SIG du district de NinhKieu Vietnam carte SIG du district de Phnom Penh Cambodge 18 19 21 22 4.1 4.2 4.3 4.4 4.5 4.6 Activités quotidiennes des individus Règle de contamination dans l’espace temporelle Règle de contamination dans l’espace spatiale Changement de compartiments au niveau d’un paquet de moustiques Diagramme de classe du modèle micro Diagramme de classe du modèle macro 28 29 30 30 32 35 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 Extrait de la base de données Effectifs de la population par village Mobilité de la population Effectifs des individus infectés par la dengue selon l’âge Effectifs des individus infectés par la dengue par année plan du village An Hoa (district Ninh Kieu, Vietnam) plan du district Phnom Penh Cambodge Contamination de l’épidémie de dengue au niveau de l’espace SEIR avec un taux de mobilité :48% SEIR avec un taux de mobilité :20% Effectifs des moustiques dans les foyers du village Tropeang Angchang Chah Effectifs des moustiques dans les foyers du village Toul Snao SEIR de la population du village Tropeang Angchang Chah SEIR de la population du village Toul Snao 37 38 38 38 38 41 42 43 43 43 45 45 46 46 vi Liste des tableaux 4.1 4.2 Liste des agents du modèle microscopique 27 Liste des agents du modèle macroscopique 33 vii Introduction INTRODUCTION La dengue a été décrite dès le 18ème siècle Cette maladie est transmise l’homme par des moustiques Aedes aegypti Elle est classée parmi les maladies émergentes du fait de son extension géographique rapide : contamination d’un village un autre, d’une ville une autre, voir même d’un pays un autre Aujourd’hui, Aedes aegypti est présent dans pratiquement toutes les zones tropicales et intertropicales du globe, 2,5 milliards de personnes, soit plus de 40% de la population mondiale sont menacés par la dengue Dans un rapport que l’Organisation mondiale de la santé (OMS) a publié, elle estime que la maladie pourrait toucher chaque année 50 100 millions personnes dans le monde La maladie est aujourd’hui endémique dans plus de 100 pays en Afrique, dans les Amériques, en Méditerranée orientale, en Asie du Sud-Est et dans le Pacifique occidental, indique l’OMS La progression de la propagation d’épidémies de dengue est fortement dépendante des facteurs environnementaux, aussi bien naturels (température, précipitation et humidité) qu’aux activités produites par l’Homme (les modes de stockage des réserves d’eau, les eaux stagnantes produites par les vases, les gouttières) Au cours de ces 20 dernières années, la dengue a émergé ou ré-émergé dans les pays asiatiques, et provoquant des épidémies importantes et de nombreux décès humains Plus, il y a beaucoup de voyages, plus, le nombre de cas de dengue importée augmente Jusqu’à maintenant, il n’existe aucun traitement spécifique ni vaccin contre la dengue "Actuellement, la seule méthode pour prévenir ou combattre la transmission du virus consiste lutter contre les vecteurs", souligne l’OMS L’émergence de la dengue dans des différents pays est un phénomène complexe qui conduit les chercheurs s’intéresser la fois aux maladies elles-mêmes et aux conditions de leur émergence et de leur propagation Le grand défi est de comprendre les liens pouvant exister entre la propagation d’épidémies de dengue et les différents facteurs dynamiques comme les facteurs climatiques, les facteurs hydrologique, et les facteurs démographiques Cette étude est une analyse du système complexe du fait que les dynamiques de chaque facteur prendre en comptes sont déjà des systèmes complexes Mise part les facteurs climatiques et les facteurs hydrologiques, la progression et l’émergence rapide d’épidémies de dengue dépendent aussi d’autres facteurs tels que : l’amplification des voyages et l’urbanisation L’amplification des voyages facilitent la dissémination des différents sérotypes du virus de la dengue Et l’urbanisation telle que l’accessibilité l’eau courante joue un rôle important sur l’évolution de la propagation d’épidémies de dengue du fait que l’existence des eaux stagnantes dans des maisons entrne la production rapide des œufs des moustiques de dengue qui amène la gravité de la propagation d’épidémies Notre travail se focalise sur la compréhension de l’évolution de la propagation d’épidémies de dengue face la mobilité au niveau de la population et aux risques Introduction d’accéssibilité l’eau courrante Ce travail consiste concevoir un modèle multi-échelles base d’agents pour pouvoir comprendre cette évolution de propagation d’épidémies au niveau d’une petite échelle tel qu’un quartier et au niveau d’une grande échelle tel qu’un district Nos modèles proposés pourraient aider les décideurs comprendre les impacts de la mobilité de la population sur la progression rapide de l’épidémie de dengue et prendre des mesures convenables en cas de l’épidémie Ce présent rapport se divise en cinq grandes parties La première partie présente l’Institut de Recherche pour le Développement (IRD) et le sujet du stage La deuxième partie définie le contexte du sujet La troisième partie consiste présenter les existants La quatrième partie montre la conception des modèles proposés Et la cinquième partie concerne l’implémentation et l’expérimentation Chapitre Implémentation et expérimentation 5.1 Implémentation Dans cette section, nous allons présenter les différents étapes pour la mise en place du modèle microscopique et du modèle macroscopique Avant de présenter les étapes de l’implémentation des modèles, nous allons présenter la mise en place de la base de données 5.1.1 Mise en place de la base de données venant des enquêtes Il est noter que cette étape est très importante pour l’élaboration de notre modèle Elle permet pour notre modèle de prendre en compte les données réelles sur le terrain Cette étape occupe une grande partie du temps de travail pour sa réalisation du fait que sa mise en place demande beaucoup de réflexions et du travaux manuels comme les vérification des valeurs des données Nous définissons ci-après les détails les différentes étapes que nous avons fait lors de la mise en place de cette base de données Les données des enquêtes fournies par une collègue, géographe, sont présentées dans un tableur Le traitement que nous avons fait est le nettoyage de donnée Pour cela, quelques points sont mentionner : – Extraction des informations des données initiales : cela nécessite de déterminer des nouvelles variables et d’attribuer des valeurs qui les correspondent selon les donnée initiales : cette étape nous permet de modifier le mode d’enregistrement des données et le rend plus présentatif 36 Chapitre Implémentation et expérimentation 37 – Uniformisation des données : lors de cette étape, nous modifions les valeurs de certains variables pour uniformiser les données de chaque variable tout en conservant les informations initiales de cette dernière Si nous prenons le cas du paramètre «fréquence de déplacement des individus», les valeurs de ce paramètre sont enregistrés sous différentes unités de mesures : (i) nombre des fois par semaine, (ii) nombre des fois par mois, (iii) nombre des fois par trois mois, (iv) nombre des fois par années) Pendant de cette étape, nous avons défini une unité de mesure pour la fréquence de déplacement telle que le nombre des fois par mois Toutes les valeurs des données de ce paramètre seraient alors convertis cette unité de mesure – Catégorisation des données : nous classifions certaines données telles que : les âges des individus, les professions, et les points de destination, pour ne pas avoir une grande diversité de valeur de données manipuler et aussi pour avoir une vue générale sur notre base de données Après ces traitements, notre base de données a été mise en place Nous avons 1138 individus et 16 variables telles que : le quartier, la catégorie de profession, présence des écoliers dans la famille, nombre des personnes dans la famille, âge, genre, accessibilité l’eau courante, présence du toilette dans la maison, capacité de stockage d’eau dans la famille, mobilité de l’individu, point de destination, distance de la point de destination par rapport au village, fréquence de déplacement, acquisition de la dengue, âge dont l’individu a eu la dengue, l’année d’apparition de la dengue chez l’individu La figure 5.1 montre un extrait de notre base de données Figure 5.1: Extrait de la base de données Chapitre Implémentation et expérimentation 38 Pour la collection de ces données, notre collègue a enquêté villages de Phnom Penh telles que : Tropeang angchang (TA), Tropeang angchang chah (TC), Kraing angkrang (KA), Toul snao (TS) Pour TA, 118 familles sont enquêtées sur 700 familles estimées ; pour TC, 11 familles son enquêtés sur 20 familles estimées ; pour KA, 35 familles sont enquêtées sur 70 familles estimées ; et pour TS, 43 familles sont enquêtées sur 80 familles estimées Il est noter que les enquêtes des familles au niveau des villages sont faites de faỗon alộatoire Nous allons voir ci-aprốs quelques donnộes statistiques sur notre échantillon Figure 5.2: Effectifs de la population par village Figure 5.3: Mobilité de la population Figure 5.4: Effectifs des individus infectés par la dengue selon l’âge Figure 5.5: Effectifs des individus infectés par la dengue par année A partir de la figure 5.2, nous pouvons constater que les tailles des populations de chaque village enquêtés sont très diversifiées Le village TA est beaucoup plus peuplé par rapport aux trois autres et le quartier TC est faiblement peuplé Cela implique que les quartiers Chapitre Implémentation et expérimentation 39 enquêtés sont très différents du point de vu démographique La figure 5.3 nous montre la mobilité des individus Nous pouvons constater que la proportion des individus qui se déplacent l’extérieur du quartier et la proportion des individus qui se déplacent l’intérieur du quartier se ressemble en terme de valeur Ceci est très important déterminer afin de comprendre la mobilité de la population face l’épidémie La figure 5.4 nous montre la répartition des individus qui ont eu la dengue selon leurs catégories d’âges Nous pouvons bien voir partir de cette figure que les individus inférieur 10 ans sont les plus touchés par la dengue Ceci s’explique par le fait que les personnes âgés ont déjà eu la dengue depuis sa naissance La figure 5.5 nous montre les effectifs de individus qui ont eu la dengue dans les 30 dernières années, et nous pouvons bien constater que la dengue attaque gravement partir des 15 dernières années et elle a eu son pique dans ces dernières années 5.1.2 Implémentation du modèle microscopique Les étapes pour la mise en place du modèle microscopique se présentent comme suit : – Calcul statistique des données des échantillons : Lors de cette étape, nous avons crée un programme, en java, qui prend en entrées les données des échantillons (fichiers sous format csv) et qui donne en sortie les données statistiques sur la population enquêtée (fichiers sous format csv) par exemple : les effectifs des personnes par sexe, et les effectifs des personnes par catégorie d’âge, les effectifs des personnes par sexe et par catégorie d’âge, les effectifs des foyers par type (foyer composé d’une personne, foyer composé de personnes, ), les effectifs des foyers par catégorie de stockage d’eau, les effectifs des personnes par type de déplacement (quartier de départ, quartier de destination, catégorie de fréquence de déplacement) Cette étape est indispensable pour la génération de la population synthétique – Génération de la population synthétique : comme son nom l’indique, cette étape nous permet de générer la population synthétique (individus et foyers) de nos villages enquêtés Elle prend en entrée les données statistiques sur les échantillons, résultats retournés par l’étape précédente La génération de la population nous donne en sortie alors les données sur la population synthétique comme la liste des individus avec leur âge, leur sexe, leur profession et leur foyer, la liste des foyers avec le nombre des personnes qui le composent et leur quantité de stockage en eau Nous avons utilisé l’outil GenPopSyn pour générer notre population synthétique – Attribution des déplacements aux individus : A ce stade, nous avons une population synthétique qui est obtenu partir de l’étape précédente Nous attribuons des Chapitre Implémentation et expérimentation 40 déplacements sur les individus générés A partir des données de l’échantillon, nous pouvons conntre le taux des individus qui se déplacent l’extérieur du village par rapport la population totale Nous prenons en compte ce taux dans notre modèle Pour cela, une partie de la population se déplace l’extérieur du village et une partie se déplace l’intérieur du village Les gens qui se déplace l’extérieur du village doivent avoir alors leurs points de destination et leurs fréquences de déplacement Pour attribuer ces valeurs aux individus, nous utilisons la notion de probabilité cumulée sur les types de déplacements des individus dans le quartier étudier En effet, pour chaque individu qui se déplace, nous générons un nombre décimal aléatoire entre et 1, on lui attribue ensuite un déplacement qui a la probabilité cumulée la plus proche supérieure de ce nombre généré – Développement du modèle dans GAMA : Cette étape nous permet d’implémenter le modèle microscopique et macroscopique Les modèles intègrent les données cartographiques (SIG du village An Hoa, An Binh, An khanh, Cai Khie Can Tho Vietnam) du village pour pouvoir simuler les mouvements des individus sur les différents natures d’occupation du sol Nous pouvons créer nos agents partir des fichiers csv retournés par l’étape de la génération des individus Le modèle prend aussi en compte les différentes hypothèses sur la population des êtres humains et sur la population des moustiques et sur les eaux stagnantes pour pouvoir simuler la propagation d’épidémies de dengue Nous présentons sous formes de graphes des différentes données en sortie pour pouvoir suivre l’évolution de la propagation d’épidémies telles que : la variation de la répartition de la population des individus selon leurs états de santé, la variation de la répartition de la population des moustiques selon leurs états de santé, la variation des effectifs des eaux stagnantes selon leurs propretés, la variation de nombre des individus qui se déplacent chaque jour au niveau du village, la variation de la répartition de la population sur chaque lieu de rencontre selon leurs états de santé Ces graphes sont mis jour chaque pas de temps La figure 5.6 montre la simulation du modèle microscopique Chapitre Implémentation et expérimentation 41 Figure 5.6: plan du village An Hoa (district Ninh Kieu, Vietnam) 5.1.3 Implémentation du modèle macroscopique Quelques étapes pour la mise en place du modèle macroscopique ressemblent celles du modèle microscopique tel que les pré-traitements des données et la génération de la population synthétique Nous allons présenter ci-après les étapes qui le différent au modèle microscopique – Les étapes de pré-traitement de données et la génération de la population synthétique sont les mêmes avec celles du modèle microscopique – Calcul des poids pour chaque point de destination : cette étape nous permet d’attribuer des poids pour chaque point de destination selon le village de départ considéré Pour cela, nous avons utilisé la notion de probabilité cumulée – Développement du modèle dans GAMA : Ce modèle prend en entrée les données cartographiques de la ville étudier (SIG de Phnom Penh Cambodge) avec les positions des différents villages de destination ou les différents points de rencontre, les données obtenues lors de la génération de la population synthétique, aussi les valeurs des paramètres des équations différentielles Il est noter que dans ce modèle macroscopique, nous n’avons pas attribuer de déplacement pour chaque individu mais nous avons utilisé le nombre moyen des personnes qui se déplace chaque jour pour chaque village partir des données des échantillons Pour la création des agents dans GAMA, nous considérons 38 points de rencontres des individus de la ville de Phnom Penh, y compris les villages enquêtés Ce modèle utilise les données retournés par la phase de génération de la population sur les villages Il prend en compte les hypothèses sur les déplacements quotidiens des individus Pour comprendre facilement l’évolution Chapitre Implémentation et expérimentation 42 de la propagation d’épidémies dans la ville, nous avons présenté les données en sortie sous formes de graphes comme : la variation de la distribution de la population des individus et de la population des moustiques selon leurs états de santé La figure 5.7 montre la simulation au niveau du modèle macroscopique Figure 5.7: plan du district Phnom Penh Cambodge 5.2 Expérimentation L’étude de l’évolution de la propagation d’épidémies consiste déterminer les facteurs principaux qui influencent sur cette évolution Dans cette section, nous allons proposer quelques scénario dont nous pouvons tester sur nos modèles Vu le contrainte de temps, nous ne pouvons expérimenter que les scénario que nous considérons comme idéaux pour notre stage Nous présentons ci-après les scénario dont nous pouvons tester sur nos modèles : – La mobilité de la population a-t-elle effet sur la propagation d’épidémies ? – L’évolution de la propagation d’épidémies pourrait-t-elle influencer par les risques dans les foyers ? – Quelle est l’impact de la fréquence de mobilité des individus sur la propagation d’épidémies de la dengue ? – La fermeture des écoles pourrait-t-elle contribuer la diminution de la vitesse de propagation d’épidémies de la dengue ? – La mise en place d’un système de contrôle de la phase aquatique contribue-t-elle la diminution de la vitesse de propagation d’épidémies de dengue ? Chapitre Implémentation et expérimentation 43 – La variation du taux de contact entre les individus sur les points de destination a-t-elle effet sur la propagation d’épidémies de la dengue ? Expérimentation : Quel est l’impact de la mobilité des individus sur la propagation d’épidémies de dengue ? Pour cette expérimentation, nous avons lancé plusieurs de simulations en donnant différentes valeurs au taux de mobilité de la population au niveau macroscopique, afin de comprendre le rôle de cette mobilité lors de la propagation d’épidémies de dengue Nous pouvons représenter partir de la Figure 5.8, de la Figure 5.9 et de la Figure 5.10) les résultats de la simulation pour cette expérimentation Le quartier KA est choisie du fait qu’il est un peu éloigné des trois autres quartiers et qu’il est un peu proche des différents points de rencontres, l’intérêt est de comprendre comment l’épidémie se propage en quittant d’un quartier pour arriver au centre ville Cette expérimentation est faite au niveau du modèle macroscopique Figure 5.8: Contamination de l’épidémie de dengue au niveau de l’espace Figure 5.9: SEIR avec un taux de mobilité :48% Figure 5.10: SEIR avec un taux de mobilité :20% Chapitre Implémentation et expérimentation 44 Pour cette expérimentation, nous avons considéré que seul le village TA contient des êtres humains et des moustiques infectés Les individus des autres quartiers sont tous susceptibles Deux facteurs peuvent provoquer la contamination de l’épidémie de dengue vers les autres quartiers : soit les déplacements des individus infectés de ce quartier vers d’autres quartiers ou d’autres points de destination, soit les déplacements des individus des autres quartiers vers ce quartier En essayant de modifier les valeurs du taux de mobilité des individus dans les quartiers, nous constatons que la mobilité des individus pourrait changer l’évolution de la propagation d’épidémies de dengue Nous pouvons remarquer que si le taux de la mobilité des individus est 48%, l’épidémie atteint vite le village KA Le graphe en bleu nous montre le taux des personnes nouvellement exposés de la maladie A 2000 pas de simulation, qui correspond au jours de simulation, environ 60 personnes dans le quartier sont déjà exposées par la maladie si le taux de mobilité est 48% Pourtant, environ 40 personnes sont exposées de la maladie, ce stade, si le taux de mobilité est 20% De même, au 3000 pas de simulation, qui correspond au 7ème jours de simulation, environ 160 personnes sont exposées de la maladie si le taux de mobilité est 48%, mais les effectifs des personnes exposées de la maladie n’atteint pas 100 , ce stade, si le taux est 20Nous pouvons dire que la mobilité des individus joue un rôle assez important sur la propagation d’épidémies du fait qu’elle provoque un impact direct sur l’accélération ou le ralentissement de la vitesse de propagation d’épidémies La diminution des déplacement des individus pourrait ralentir le risque de propagation d’épidémies, cela pourrait empêcher la propagation de la maladie géographiquement Expérimentation :L’évolution de la propagation d’épidémies pourrait-t-elle influencer par les risques d’accessibilité l’eau courante dans les foyers ? Cette expérimentation est faite au niveau du modèle microscopique A partir de cette expérimentation, nous essayons de comprendre si les risques sur l’accessibilité l’eau courante peuvent influencer sur la propagation d’épidémies de dengue Pour cela, nous prenons les cas de deux villages enquêtés : – Tropeang Angchang Chah (TC) qui est un nouveau site relocalisé de Tropeang Angchang (TA) Ce village est alors moins peuplé (60 personnes) et il se localise très proche de TA Ce dernier est considéré comme village initialement infecté dans notre expérimentation – Toul Snao (TS), qui est un village beaucoup plus peuplé par rapport TC (275 personnes) Ce village se situe aussi côté de TA mais la distance entre TA et TC est plus faible par rapport la distance entre TA et TS Chapitre Implémentation et expérimentation 45 Nous avons choisi les deux villages TC et TS pour cette expérimentation, pour les raisons suivantes : – les deux villages sont très différents en terme de capacité de stockage d’eau au niveaux des familles Nous avons constaté, partir de l’échantillon, que les familles dans le village TS ont une capacité de stockage d’eau élevées par rapport aux familles du quartier TS La capacité de stockage d’eau médiane des familles du village TS est de 4500 litres, et celle des familles du village TC est de 2600 litres – Une grande partie de la population du village TC se déplace vers le village TA, comme il est un nouveau site relocalisé, ce qui n’est pas le cas pour la population du village du TS Nous allons présenter ci-après les graphiques que nous avons obtenu lors de cette expérimentation Il est noter que nous avons défini la même quantité de moustiques, au début de la simulation (50 paquets de moustiques dont chaque paquet contient une vingtaine de moustiques), pour ces deux villages Pour l’initialisation, nous avons considéré que 20% des individus et 40% des moustiques de TA sont infectés Les individus et les moustiques dans des autres quartiers sont tous susceptibles Figure 5.11: Effectifs des moustiques dans les foyers du village Tropeang Angchang Chah Figure 5.12: Effectifs des moustiques dans les foyers du village Toul Snao Chapitre Implémentation et expérimentation 46 Figure 5.13: SEIR de la population du village Tropeang Angchang Chah Figure 5.14: SEIR de la population du village Toul Snao La figure 5.11 et la figure 5.12 nous montrent que le quartier TS a une capacité importante de recevoir des moustiques par rapport au quartier TC Au début de la simulation, les deux quartiers ont les mêmes quantités de moustiques A 500 pas de simulation, correspondant 6ème jours de simulation, le village TC accueillie 50 milliards de moustiques qui est fois moins faible que la quantité de moustiques au niveau du village TS ce stade De même, 600 pas de simulation, correspondant au 9ème jour de simulation, la quantité de moustiques au niveau du village TC est de 225 milliards, qui est encore fois moins faible que celle du village TS Si nous nous referons la figure 5.13 et la figure 5.14, ces deux figures montrent l’évolution de la propagation d’épidémies au niveau de la population des deux quartiers TC et TS Nous pouvons constater que la propagation d’épidémies au niveau du village TC évolue beaucoup plus vite par rapport au village TS A 375 pas de simulation, correspondant 5ème jour de simulation, les personnes infectées au niveau du village TC représentent la moitié de la population totale Ces personnes représentent moins de la moitié de la population au niveau du village TS, ce stade Ces résultats peuvent être expliqués pour les raisons suivantes : Chapitre Implémentation et expérimentation 47 – Le village TS a une capacité d’hébergement des moustiques importante par rapport au village TC parce qu’il peut donner des conditions favorables la vie des moustiques Les familles de ce village ont des capacités élevées de stockage d’eaux par rapport celles des familles du village TC Nous pouvons considérer que plus il y a beaucoup de stockage d’eau dans la maison, plus le risque d’obtention des eaux stagnantes augmente L’existence d’eaux stagnantes est une condition favorable pour les moustiques, ce qui lui permet se reproduisent très vite dans une courte durée Les moustiques ne peuvent pas pondre s’ils ne trouvent pas d’eaux stagnantes côtés d’eux ou si ces dernières sont trop chargées, c’est dire qu’elles contiennent assez d’œufs Pour le village TC, les capacités de stockage d’eau sont moins faibles, ce qui peut impliquer que les eaux stagnantes dans ce village sont limités, ce qui ne permet pas aux moustiques de pondre ses œufs, surtout si la plupart des eaux stagnantes sont chargées Les moustiques doivent attendre les bonnes conditions pour pondre ses œufs Nous pouvons dire alors que l’existence d’une quantité importante des eaux stagnantes favorisent l’amplification des moustiques dans un village – Contrairement l’évolution de la quantité de moustiques au niveau du village TC par rapport au village TS, l’évolution de la propagation d’épidémies au niveau du village TC est très vite par rapport celle du village TS Ceci s’explique par le fait qu’une importante partie de la population du village TC se déplacent vers le village TA, qui est initialement infecté Cette mobilité provoque la propagation d’épidémies de proche en proche Les individus qui se déplacent vers le quartier TA peuvent apporter des maladies vers leurs village d’origine, ce qui peuvent influencer aussi la contamination des moustiques, et ces derniers contaminent leurs tours aux individus susceptibles du village Pour le quartier TS, l’évolution de la propagation d’épidémies n’est pas très vite par rapport au village TC, même s’il a une quantité de moustique assez importante par rapport TC parce que la plupart de ses individus ne se déplacent pas vers le village TA, qui est initialement infectée, aussi les effectifs des individus du quartier TA qui viennent ce quartier est faible Ce qui ralentie la progression d’épidémies de dengue Nous pouvons dire que l’accessibilité l’eau courante au niveau des foyers peut influencer l’augmentation rapide de quantité de moustique dans un quartier Cette augmentation rapide de quantité de moustiques n’est pas dangereuse si la mobilité au niveau de la population est faible Pourtant, cela est critique s’il y a assez de mobilitộ au niveau de la population parce que ỗa pourrait propager la maladie dans une grande espace et dans une courte durée L’homme, les moustiques et l’eau sont les vecteurs principaux et complémentaires de la propagation d’épidémies de dengue Il est alors nécessaires de lutter la prolifération des vecteurs pour limiter la propagation d’épidémies de dengue Conclusion 48 CONCLUSION La maladie de dengue est considérée comme maladie émergente du fait qu’elle se propage géographiquement vite Plusieurs chercheurs courent la recherche de la limitation de cette propagation Le projet PICURS a été crée afin de répondre ce besoin Ce projet a pour objectif de comprendre les impacts des risques de la croissance urbaine et les risques climatiques sur la propagation d’épidémies de dengue Comme notre stage s’inscrit dans le cadre du projet PICURS, notre travail vise comprendre les effets de la mobilité de la population et de l’accessibilité l’eau courante sur la propagation d’épidémies de dengue en concevant des modèles base d’agents Pour atteindre cet objectif, nous avons proposé deux modèles base d’agents afin de simuler la propagation d’épidémies de dengue des échelles différentes Le modèle microscopique, base d’agents, permet de simuler la propagation d’épidémies au niveau d’un village et le modèle macroscopique, couplage du modèle base d’agents et du modèle mathématique, permet de simuler la propagation d’épidémies au niveau d’un district Nos modèles se basent sur les données réelles, la théorie dans la littérature et sur des modèles existants sur la propagation d’épidémies de dengue Nous nous appuyons sur les données des deux grandes villes risques : Can Tho (Vietnam) et Phnom Penh (Cambodge).Outre le recensement des cas de dengue, les données disposition décrivent les déplacements quotidiens des individus, leur caractéristiques et l’accessibilité l’eau courante Ces données sont digitalisées au sein d’un SIG Nous avons constaté lors des expérimentations que la mobilité des individus a un impact direct sur le ralentissement et l’accélération de la vitesse de la propagation d’épidémies de dengue Aussi, les risques d’accessibilité l’eau courante au niveau des foyers influencent sur la reproduction rapide des moustiques Nos modèles permettent d’aider les décideurs pour la compréhension de l’évolution de la propagation d’épidémies et de prendre des mesures significatifs lors de la propagation d’épidémies de dengue Les deux modèles développés dans le cadre de ce stage permettent de simuler la propagation d’épidémies de dengue au niveau microscopique et au niveau macroscopique Cependant ils fonctionnent de manière indépendante Nos travaux futur consisteront, alors, faire interagir ces deux modèles en considérant le passage du modèle microscopique vers le modèle macroscopique et vice versa Le plus grand défi relever est de pouvoir comparer les résultats de nos modèles avec ceux des autres modèles existants Bibliographie [1] OMS Dengue et dengue hémorragique [en ligne] (page consulté le 06/06/2014) Disponible sur : http ://www.who.int/mediacentre/factsheets/fs117/fr/ [2] VIGILANCE MOUSTIQUES La vie d’un moustique [en ligne] (page consulté le 06/06/2014) Disponible sur : http ://vigilance-moustiques.com/moustiques-enfrance/moustiques-communs-en-france/la-vie-dun-moustique/ [3] Institut Pasteur de Nouvelle-Calédonie Les moustiques et la dengue [en ligne] (page consulté le 06/06/2014) Disponible sur : http ://www.institutpasteur.nc/lesmoustiques-et-la-dengue/ [4] Dunod Modélisation et Simulation [en ligne] (page consulté le 06/06/2014) Disponible sur : http ://excerpts.numilog.com/books/9782100502165.pdf [5] S Julien, Approche multi-agents pour la multi-modélisations et le couplage de simulatons Application l’étude des influences entre le fonctionnement des réseaux ambiants et le comportements de leurs utillisateurs, Novembre 2009 [6] K Franỗois, Contrụle dun Systốme Multi-agents Réactifs par Modélisation et Apprentissage de sa Dynamique Globale , Novembre 2009 [7] E Bernard, Intelligence Artificielle Distribuée (IAD) et Systèmes MultiAgents (SMA) ,2012 [8] P Caillou, Développement de SMA ,2014 [9] K Mariam et al, FLAME : A platform for high preformance computing of complex systems applied for three case studies,Acta Physica Polonica B Proceedings Supplement, Vol (2011), Mars 2011 [10] Wikipédia Aedes aegypti [en ligne] (page consulté le 24/06/2014) Disponible sur : http ://fr.wikipedia.org/wiki/Aedes_aegypti [11] Globicyclette Dengue [en ligne] (page consulté le 24/06/2014) Disponible sur :http ://www.globicyclette.fr/SITE/aasante/fiche_maladie/dengue.htm I Bibliographie II [12] CAVEM Service Intercommunal de démoustication [en ligne] (page consulté le 24/06/2014) Disponible sur :http ://www.agglovaresterel- mediterranee.fr/questions_moustiques.htm [13] INPES Dossier question réponses sur la dengue en Gyanne établi par l’INPES [en ligne] (page consulté le 06/06/2014) Disponible sur : http ://excerpts.numilog.com/books/9782100502165.pdf [14] OMS Dengue [en ligne] (page consulté le 24/06/2014) Disponible sur :http ://www.globicyclette.fr/SITE/aasante/fiche_maladie/dengue.htm [15] M S M Noorani, SEIR model for transmission for transmission of Dengue fever in Selangor malaysia,International Conference Mathematical and Computational Biology 2011 , International Journal of Modern Physics : Conference Series Vol (2012) 380–389 [16] S T R Pinho et al, Modelling the dynamics of dengue real epidemics,Philosophical Transaction of The Royal Society, Novembre 2010 [17] I Carlos et al, Agent-based model of Dengue Disease Transmission by Aedes aegypti Populations, [18] Luís F O Jacintho, An Agent-Based Model for the Spread of the Dengue Fever : A Swarm Platform Simulation Approach, [19] LK Stephan et al, A spatial simulation model for dengue virus infection in urban areas », BMC Infectious Diseases,2014 [20] C Paterne, Génération des populations synthètiques localisées,mémoire du Master en Informatique, Octobre 2014 [21] D Jill, An Agent-Based Spatially Explicit Epidemiological Model in MASON,Journal of Artificial Societies and Social Simulation vol 9, no 1, 2, Janvier 2005 ... exister entre la mobilité de la population et la propagation d’épidémies de dengue Nous avons construit deux modèles base d’agents permettant de simuler la propagation d’épidémies de dengue au niveau... favoriser la propagation d’épidémies de dengue dans une courte durée Nos modèles pourraient aider les décideurs comprendre le rôle de la mobilité de la population face la propagation d’épidémies de dengue. .. de la maladie de dengue 2.1.1 Dengue et la dengue hémorragique 2.1.2 Vie d’un moustique 2.1.3 Propagation de dengue 2.1.4 Lutte contre la dengue 2.2 Contexte de
Ngày đăng: 23/09/2020, 22:32
Xem thêm:
