En savoir plus

Contexte et enjeux :

La fièvre de la Vallée du Rift est une maladie vectorielle zoonotique présente en Afrique, dans la péninsule arabique ainsi que les îles du Sud Ouest de l’Océan Indien. Elle est principalement transmise par des moustiques des genre Aedes et Culex, et entraine des vagues d’avortement chez les animaux d’élevage (bovins, petits ruminants, dromadaires). Le contact avec des animaux infectés peut contaminer l’humain et dans certains cas mener à une fièvre hémorragique fatale. Dans le Sahel Ouest-Africain, plusieurs épidémies ont eu lieu depuis la fin des années 1980, et le nord du Sénégal représente un cas d’étude intéressant car il comprend deux écosystèmes distincts : la vallée et le delta du fleuve Sénégal, où hôtes et vecteurs (principalement Culex) sont présents toute l’année ; la région du Ferlo, où la saison des pluies déclenche l’émergence de vecteurs par la création de mares temporaires, qui sont également des points de rassemblement pour les animaux transhumants. Il est important de mieux comprendre l’importance relative des différents mécanismes pouvant favoriser le démarrage d’une épidémie lors de l’introduction du virus. Une approche par modélisation s’avère utile pour cartographier ce risque à des échelles de temps et d’espace atteignables seulement grâce à la mobilisation de données satellitaires.

Résultats :

Un nouveau modèle épidémiologique multi-hôtes a été développé, incluant bovins, petits ruminants, Aedes vexans arabiensis, Culex poicilipes et Culex tritaeniorhyncus. Le potentiel épidémique a été quantifié, par le biais du nombre de reproduction R₀, pour trois saisons des pluies (juillet-novembre) consécutives, de 2014 à 2016. Des dates d’introduction indépendantes, hebdomadaires, ont été testées, dans des pixels de 3.5km² (surface totale modélisée 15 500km²).

La présence des vecteurs est liée à la dynamique de remplissage des mares temporaires, pilotée par un modèle hydrologique grâce aux données de précipitations. Les paramètres du cycle de vie et de transmission sont influencés par la température.

C’est en Septembre que l’introduction du virus peut provoquer le plus de cas secondaires et permettre le démarrage d’une épidémie. La date d’introduction engendrant le risque maximal est atteinte plus tôt chaque année. Les localisations les plus à risque de constituer un foyer épidémique varient selon les années. Dans ces localisations à risque, accroître l’immunité des bovins permettrait de réduire la transmission du virus de manière plus avantageuse qu’une action sur celle des petits ruminants. Par contre, les densités de moustiques sont telles que la diminution de leur population ne constitue pas une piste viable de réduction du risque. L’analyse de sensibilité du modèle montre la robustesse de ces résultats, tout en identifiant les préférences trophiques des moustiques ainsi que la fréquence de leur repas en fonction de la température comme des paramètres clés nécessitant une estimation précise.

Perspectives :

Ces travaux sont à poursuivre pour tenir compte de la transmission spatio-temporelle du virus à partir de possibles premiers cas, notamment en incluant la mobilité animale saisonnière. Tester des scénarios climatiques liés aux changements globaux permettrait également d’anticiper le risque aux portes de l’Europe.

Valorisation :

Ces travaux s’inscrivent dans le projet FORESEE financé par le métaprogramme GISA, coordonné par Maxime Ratinier et Renaud Lancelot. Ils sont réalisés dans le cadre d’un doctorat, financé par la région Pays-de-La-Loire, INRAE et le Cirad.

Références bibliographiques :

Cecilia H, Métras R, Fall AG, Lo MM, Lancelot R, Ezanno P. It's risky to wander in September: modelling the epidemic potential of Rift Valley fever in a Sahelian setting. 2020. Epidemics (In Press)

Cartographier le potentiel épidémique de la fièvre de la Vallée du Rift au Nord du Sénégal nécessite la combinaison de données d’entrées complémentaires : précipitations, température, dynamique de populations de vecteurs (Aedes vexans arabiensis, Culex poicilipes et Culex tritaeniorhyncus), et densité animales (bovins, petits ruminants).