Lors de la crise sanitaire liée au SARS-CoV-2, nos sociétés ont pris conscience de l’importance et de l’utilité des outils mathématiques et statistiques pour caractériser la propagation d’une maladie dans la population générale, prévoir ses conséquences en termes de santé publique et anticiper les répercussions économiques à court terme. Au-delà du Covid-19, les maladies propagées par les moustiques, dont l’aire de répartition s’élargit régulièrement sous l’influence du changement climatique, représentent aujourd’hui une menace émergente.
Dans notre dernier travail, récemment publié dans la revue Science Advances, nous avons revisité l’analyse des liens entre maladies transmises par des moustiques, météorologie et climat. À la clé, un enjeu de santé publique : la mise en place de systèmes d’alerte précoce aiderait à mieux se préparer à ces épidémies.
Dengue et chikungunya de plus en plus au nord
Avec le réchauffement climatique et la survenue d’évènements El Niño plus fréquents, l’augmentation des cas de maladies transmises par des moustiques devient un sujet brûlant. Longtemps cantonnées dans les régions tropicales ou équatoriales, elles commencent à pointer leur nez sous des latitudes plus tempérées.
Quelques exemples :
Épidémie de chikungunya dans le nord de l’Italie en 2007 et en 2017
Flambée de dengue en 2012 sur l’archipel de Madère avec de nombreux cas de dengue importés en Europe
Invasion du sud de la France par Aedes Albopictus, le célèbre moustique tigre, connu pour transmettre des arboviroses c’est-à-dire des maladies, transmises par des arthropodes dont les moustiques, comme la dengue, Zika ou le chikungunya.
Tous ces exemples témoignent d’une montée de risques sanitaires qui nous étaient jusque-là étrangers. En 2022, Santé Publique France, a recensé près de 70 cas autochtones de dengue dans le sud de la France.
Il y a quelques jours à peine, les Parisiens du 15e ont eu dû faire face à une démoustication en règle de leur arrondissement pour réduire les risques de transmission, du virus de la dengue importé, par les nombreux moustiques tigres qui ont colonisé cet arrondissement.
Climat, météo, facteurs socio-économiques… des épidémies complexes
Pour anticiper les épidémies de maladies propagées par les moustiques et mettre en place des systèmes d’alerte précoce efficaces, nous devons comprendre le rôle que jouent les principaux facteurs environnementaux dans les épidémies passées, notamment celles qui ont été observées dans les pays où ces maladies sont endémiques.
Or, la dynamique de ces maladies résulte de relations complexes entre vecteurs (moustiques), humains, leur statut immunitaire, les facteurs socio-économiques, les effets de l’environnement sur les moustiques… Malgré cette complexité, il existe un consensus dans la communauté scientifique sur le fait que les facteurs climatiques, la température, l’humidité et les précipitations sont des déterminants importants de ces épidémies.
Les précipitations sont nécessaires pour créer des habitats propices aux larves de moustiques.
Une humidité adéquate permet une activité élevée des moustiques adultes et améliore les taux de survie.
La température affecte aussi le taux de piqûre et le développement du pathogène dans les populations de moustiques, ce qui va influencer le taux de transmission de la maladie.
En plus de ces variables climatiques locales, le climat global, notamment les oscillations à grande échelle de type El Niño, influence aussi la dynamique de ces maladies.
Des maladies cycliques
Pour mieux comprendre les dynamiques épidémiques de ces maladies, l’approche méthodologique consiste à suivre dans le temps l’évolution du nombre d’individus atteints, ce qui est souvent fait par les systèmes de santé. Cela permet, dans un second temps, d’analyser les motifs temporels récurrents.
Et de fait, l’étude de nombreuses séries temporelles a montré que ces dynamiques sont marquées par une forte saisonnalité : on observe une épidémie chaque année, plus ou moins au même moment de l’année, mais d’intensité variable. De manière tout aussi systématique, des composantes multiannuelles de deux à quatre ans ont été mises en évidence.
Une fois ces composantes périodiques estimées, des approches statistiques vont permettre de déterminer la présence de corrélations avec les composantes trouvées sur les séries temporelles météorologiques et/ou climatiques.
Quand la corrélation ne suffit pas
Au cours de notre recherche, nous avons été confrontés à deux problèmes méthodologiques. Le premier est qu’il n’est pas toujours simple de quantifier ces liens, notamment parce qu’ils peuvent fortement évoluer dans le temps. Par exemple, en utilisant les données mensuelles de cas de dengue en Thaïlande sur 34 années, nous n’avons pas détecté de corrélations significatives entre le nombre de cas et les oscillations El Niño, car ces corrélations apparaissent seulement lors des évènements El Niño de forte ampleur.
Pour pallier ce problème, des outils statistiques appropriés sont nécessaires. Nous avons proposé d’utiliser la décomposition en ondelettes, qui permet de déterminer quelles sont les composantes récurrentes dans un signal et surtout comment ces composantes évoluent dans le temps. L’approche peut se généraliser avec deux signaux, et permet de déterminer quelles composantes et quelle récurrence temporelles ils partagent, comme l’expliquait notre article paru en 2005.
Le second problème est que l’analyse d’ondelette met en évidence des liens aussi bien avec les variables climatiques locales qu’avec les variables climatiques globales, sans pouvoir distinguer le rôle de chacune. Il est bien connu en statistiques que si A est corrélé à B et si A est corrélé à C, alors B et C sont corrélés, du fait qu’ils sont tous les deux corrélés à A. Pour regarder le véritable lien entre B et C, il faut donc corriger l’effet de A en faisant appel à la « corrélation partielle ».
Distinguer l’influence locale et globale du climat
Nous avons généralisé cette démarche en utilisant la « cohérence partielle », calculée avec les ondelettes. Cela nous a permis de quantifier les liens non stationnaires (c’est-à-dire, évoluant dans le temps) entre le nombre de malades observés et une variable climatique locale donnée, en contrôlant les effets des variables climatiques globales. Et inversement, de quantifier les liens non stationnaires entre le nombre de malades et une variable climatique globale en contrôlant les effets des variables climatiques locales.
Une fois ces deux problèmes techniques résolus, nous avons appliqué notre méthodologie à plus de 200 séries temporelles de dengue et de malaria observées à travers le monde (Asie, Amérique Centrale, Amérique du Sud, Afrique subsaharienne). Nous avons ainsi analysé les composantes temporelles de ces séries, que nous avons comparées avec les facteurs climatiques globaux et locaux. Et nous montrons que le climat local (température, précipitations ou humidité) influence seulement la composante saisonnière de la maladie, alors que les composantes multiannuelles sont, quant à elles, associées au climat global (El Niño par exemple).
Ce résultat est très général : il se vérifie quel que soit la maladie étudiée (dengue, malaria), quel que soit le continent considéré, quel que soit l’échelle géographique utilisée (ville, sous-provinces, provinces, sous-régions, régions, pays) et reste vrai pour quasi tous les nombreux couples de variables climatiques locale-globale analysés.
En plus d’une approche méthodologique originale, ce travail met en lumière qu’il y a des informations complémentaires dans les variables climatiques locales et les variables climatiques globales comme El Niño. Ces informations devront être prises en considération dans l’amélioration des systèmes d’alerte précoce. Par exemple, avec nos résultats, nous nous attendons à ce que la température ait des effets différents lors d’une année El Niño par rapport à une année La Niña.
Bien sûr, il faut garder à l’esprit que ces facteurs climatiques ne sont pas les seuls à fortement influencer ces épidémies. Les facteurs socio-économiques comme la disponibilité de l’eau courante et l’urbanisation, ainsi que le statut immunitaire de la population sont importants. Toutes ces informations devront être prises en considération pour l’amélioration des systèmes d’alerte précoce.