En savoir plus

Membres du jury :

• Rapporteurs :
  • Pascal HENDRIKX Inspecteur général de santé publique vétérinaire, École Nationale des services vétérinaires-FVI
  • Karine CHALVET-MONFRAY, Professeur, VetAgro Sup, Marcy l’Étoile, France
• Examinateurs :
  • Claude SAEGERMAN, Professeur à la Faculté de Médecine Vétérinaire, Université de Liège, Belgique
  • Thimothée VERGNE, Maître de conférence, ENVT, Toulouse
  • Nathalie BAREILLE, Professeur, Oniris, Nantes
• Directrice de thèse : Christine FOURICHON, Professeur, Oniris, Nantes
• Co-directeur de thèse : Aurélien MADOUASSE, Maître de conférence, Oniris, Nantes

Résumé :

A l’échelle de territoires, les programmes collectifs de maîtrise des maladies infectieuses non règlementées des bovins présentent de multiples bénéfices. Ils créent aussi des difficultés dans les échanges entre territoires car leurs définitions du statut « indemne d’infection » diffèrent. Estimer une probabilité (d’absence) d’infection pour chaque troupeau, calculée indépendamment des modalités de surveillance, permettrait de sécuriser le commerce d’animaux entre territoires.
Ce type d’estimation pourrait servir à une surveillance dite output-based, basée sur un résultat à atteindre et non sur les moyens mis en oeuvre. Les objectifs de cette thèse étaient de contribuer à l’élaboration puis d’évaluer une
méthode d’estimation de probabilité d’infection à l’échelle du troupeau, à partir de données de surveillance hétérogènes. En prenant l’exemple de l’infection par le virus de la diarrhée virale bovine, les informations pertinentes et disponibles ont été identifiées et organisées. Le modèle développé est un modèle de Markov caché estimant une probabilité d’infection à l’échelle du troupeau à partir de résultats de test et de facteurs de risque d’infection. Ses performances ont été évaluées sur des données simulées, représentant une diversité de dynamiques d’infection et de programmes de maîtrise. Il ressort de l’évaluation que la valeur ajoutée du modèle est d’autant plus importante que la sensibilité du test de diagnostic est faible. La valeur ajoutée des facteurs de risque semble limitée. L’utilisation de ce modèle requiert des développements supplémentaires pour la classification des troupeaux en indemne / infecté à partir des probabilités d’infection prédites.