Navigation – Plan du site

AccueilRubriquesEspace, Société, Territoire2015Géographie d’une maladie émergent...

2015
718

Géographie d’une maladie émergente en milieu urbain endémique, le cas de la dengue à Delhi, Inde

Geography of an emerging disease in endemic urban milieu: the case of dengue in Delhi
Olivier Telle

Résumés

La dengue est une maladie dont l’agent étiologique est un virus transmis par l’intermédiaire d’un moustique (Aedes aegypti ou Aedes albopictus). En l’absence de vaccin efficace, seule la maitrise des gîtes vectoriels et par extension le contrôle de l’environnement permettrait de limiter la diffusion du virus, notamment dans les centres urbains qui représentent le milieu de prédilection pour le vecteur principal de la dengue. Cependant, si pour la majorité des maladies infectieuses vectorielles un lien étroit entre les facteurs socio-économiques et les taux d’incidences prédomine, les modalités de diffusion de la dengue sont davantage méconnues. Cet article revient sur la géographie de la dengue à Delhi, capitale de l’Inde, sous continent quasiment absent des études réalisées en géographie des maladies en général et de la dengue en particulier. Outre l’avantage de proposer un éclairage sur la situation indienne, pays qui concentre tout de même plus de la moitié de la population mondiale à risque vis-à-vis de la dengue (dont les facteurs climatiques sont favorables au vecteur), il s’agit de revenir sur la géographie relative aux taux d’incidence de la dengue à l’échelle écologique, c’est-à-dire à un niveau agrégé pour les années 2008 et 2009. Il s'agit dans un second temps d'étudier la géographie ponctuelle des individus infectés en tentant de repérer les facteurs spatio-temporels qui peuvent impacter cette géographie.

Haut de page

Notes de l’auteur

Ce travail est réalisé dans le contexte d’un financement ANR CEPS. Il bénéfice de données produites par différentes institutions (UMR IDEES, Institut Pasteur, CSH de Delhi, Municipalité de Delhi) et chercheurs issus de ces différentes institutions. Merci à Eric Daudé, Richard Paul, Alain Vaguet (pour leur relecture et leurs conseils) et à Bertrand Lefebvre et Alexandre Cebeillac (avec qui le SIG à été élaboré). Enfin je remercie le Dr N.K. Yadav, health officer de la municipalité de Delhi (MCD) pour sa précieuse collaboration.

Texte intégral

Introduction

1La dengue est une maladie dont l’agent étiologique est un virus transmis par l’intermédiaire d’un moustique (Aedes aegypti ou Aedes albopictus). Si cette maladie ré-émergente, qui affecterait chaque année 390 millions d’individus dans le monde (Bhatt et al., 2013), touche en majorité les zones tropicales et intertropicales, il est vraisemblable qu’elle intègre à moyen terme le paysage épidémiologique des zones tempérées, le moustique aedes ayant colonisé une partie du bassin méditerranéen (Fontenille, 2007). Le virus de la dengue est d’ailleurs recensé en Argentine (Seijo, 2009), ainsi qu’en Europe (Portugal, Croatie, France), ou quelques cas autochtones ont d’ores et déjà été notifiés (La Ruche, 2010 ; Gjenero-Margan, 2011).

  • 1 Chikungunya à la Réunion (Taglioni et Dehecq, 2009), West Nile à Chicago, Détroit (Ruiz et al., 200 (...)

2En l’absence de vaccin efficace (Sabchareon et al., 2011), seule la maitrise des gîtes vectoriels et par extension le contrôle de l’environnement permettrait de limiter la diffusion du virus, notamment dans les centres urbains qui représentent le milieu de prédilection pour le vecteur principal de la dengue (Aedes aegypti). Cependant, si pour la majorité des maladies infectieuses vectorielles un lien étroit entre les facteurs socio-économiques et les taux d’incidences prédomine1, les modalités de diffusion de la dengue sont davantage méconnues. Selon certaines études, les quartiers les plus insalubres, typiquement les bidonvilles, concentrent les niveaux d’incidences intra-urbain les plus élevés (Barrera, 2000 ; Thammapalo et al., 2008 ; Alemeida et al., 2008), tandis que selon d’autres études des niveaux d’incidences comparables ont été plusieurs fois relevés entre les zones planifiées et les zones informelles des espaces urbains tropicaux (Teixeira et al., 2002, 2007 ; Mondini et al., 2007 ; Honorio, 2010). Enfin, dans certaines villes, majoritairement épidémiques, ces taux d’incidences/séroprévalences élevés se concentrent dans les espaces les moins assujettis au vecteur et/ou dans les quartiers aisés de la ville (Donnat et al., 2011). En somme, la géographie des taux d’incidences intra-urbain de la dengue réinterroge le modèle classique de spatialisation des maladies infectieuses vectorielles, alors que la maladie reste l’archétype du virus infectant ce type d’espace.

3Cet article revient sur la géographie de la dengue à Delhi, capitale de l’Inde, sous continent quasiment absent des études réalisées en géographie des maladies en général et de la dengue en particulier. Outre l’avantage de proposer un éclairage sur la situation indienne, pays qui concentre tout de même plus de la moitié de la population mondiale à risque vis-à-vis de la dengue (dont les facteurs climatiques sont favorables au vecteur), il s’agit de revenir sur la géographie relative aux taux d’incidence de la dengue à l’échelle écologique, c’est-à-dire à un niveau agrégé. Nous aborderons dans un premier temps la question du modèle de diffusion de la maladie, en traitant notamment de l’autocorrélation spatiale de ces taux sur deux années. Nous reviendrons ensuite sur le lien existant a posteriori entre les caractéristiques socio-économiques des quartiers de Delhi, leurs indices vectoriels et les taux d’incidence de la dengue. Pour résumer, ce deuxième point traite de la question de la distribution sociale de la dengue, interrogation centrale de la géographie de la santé. Enfin, nous analyserons la diffusion de la maladie : si aucune corrélation ne peut être établie quant à la relation vecteur-environnement-dengue, peut-on repérer des modèles de diffusion particulier, comme par exemple une relation entre l’espace (la concentration des cas sur une surface) et le temps (l’introduction précoce du virus) ? Cette étude aboutira finalement à une réflexion sur la nécessaire prise en compte des jeux d’échelles et des interactions de facteurs guidant la géographie de la dengue en milieu urbain. Il s’agira, au travers du prisme de la dengue, de nous réinterroger sur la place de l’environnement socio-économique dans la diffusion de la maladie.

Delhi, territoire indien privilégié pour le virus de la dengue ?

4Delhi a plusieurs fois fait l’expérience de la dengue dans les années 1970 et 1980. Cependant, l’année 1996 reste celle ayant vu poindre une épidémie d’une ampleur jamais observée pendant laquelle 5 % des 8 500 patients hospitalisés décèdent de la maladie (Dar et al., 1999). C’est également durant cette même année que le système de surveillance actuel est dessiné. Depuis, Delhi est la ville la plus affectée d’Inde, bien que cette situation « privilégiée » soit la conséquence d’un système de surveillance bien meilleur que dans le territoire indien (Telle, 2011). Comme dans d’autres métropoles mondiales (Bangkok, Rio de Janeiro, Singapour), la capitale fédérale de l’État indien est par ailleurs un centre hyper-endémique : la situation denguienne y est non seulement endémo-épidémique (des cas de dengue sont recensés chaque année et la frontière endémique est régulièrement dépassée) mais les quatre sérotypes du virus de la dengue y co-circulent périodiquement depuis 2006 (Bharaj, 2008). Entre 2001 et 2010, trois épidémies de dengue ont été recensées (Fig.1). En période inter-épidémique, quand aucune épidémie n’est décrétée par les autorités de Delhi, le nombre de cas oscille entre 45 et 1216 cas par an. Schématiquement, les années épidémiques (2003, 2006, 2010) sont le cadre d’une co-circulation des sérotypes, tandis que pendant les années « classiques », un seul sérotype circule (Gupta, 2012), même si aucune étude d’ampleur ne permet d’arriver à une telle conclusion.

  • 2 Souche qui a circulée à Delhi en 1997 pour une brève occurrence.
  • 3 Quatre sérotypes sont recensés pour la dengue, et, une fois affecté par un sérotype, un individu es (...)

5Cet article s’appuie sur la localisation des cas de dengue enregistrés en 2008 et 2009, des années relativement moyennes quant au nombre de cas de dengue. Deux raisons principales motivent ce choix : premièrement, puisque que l'on recense le même nombre de cas lors de ces deux années, une comparaison de la géographie de l’endémie est possible. Deuxièmement parce qu’après une circulation des sérotypes 3 et 2, Delhi est le cadre d’une diffusion quasiment exclusive du sérotype 1 en 2008 et 20092 (Chakravarti et al., 2008 ; Gupta, 2012). Ainsi, si la population delhiite a déjà été exposée en 1997 et 2003 (Vajpayee et al., 1999 ; Gupta et al., 2006), ce sérotype n’a connu qu’une brève occurrence sur le territoire de Delhi, et la population est donc particulièrement naïve vis-à-vis de cette souche qui a été majoritaire en 2008 et en 20093. Il s’agit donc d’étudier la diffusion de la dengue dans le cadre d’une population naïve, pour ensuite étudier sa diffusion dans une population partiellement immunisée.

Figure 1: Nombre de cas de dengue recensés à Delhi entre 2001 et 2010.

Figure 1: Nombre de cas de dengue recensés à Delhi entre 2001 et 2010.

En bleu, les années étudiées dans cet article.

Source : municipalité de Delhi.

Méthode : Une recherche conduite à travers les données de surveillance, avantages et inconvénients

  • 4 Les IgM sont des anticorps « récents » et les IgG des anticorps « anciens » permettant de détecter (...)

6Le manque d’études réalisées sur la diffusion de la dengue dans les métropoles endémiques peut être lié à la difficulté qu’ont les systèmes de surveillance des pays tropicaux à rendre compte de la réalité épidémiologique de la maladie. La plupart de ces espaces n’ont un système de surveillance que peu adapté, voir quasiment aveugle à la dengue (Gubler, 2002), et les données manquent donc dans la grande majorité des villes affectées, ou en tout cas où l’on pressent que le virus circule. Dans l’optique de réaliser des analyses sur la diffusion du virus, des relevés épidémiologiques doivent donc être réalisés à travers des indicateurs témoignant d’une infection passée (IgG et IgM4). Si ces anticorps nous renseignent sur la géographie de la dengue, leurs dosages ne sont malgré tout effectués que dans quelques quartiers échantillonnés de la ville. La perspective « globale » (à l’échelle de la ville) et pluriannuelle manque donc, et il est vraisemblable que la situation épidémiologique de quartiers présentant un même faciès environnemental soit différente et changeante d’une année sur l’autre sans que ces évolutions ne soient perceptibles. De plus, les IgG, qui permettraient des analyses sur le long cours, ne peuvent témoigner d’une infection par le virus de la dengue puisqu’ils sont, en l’état de connaissance actuel, communs à l’ensemble des flavivirus (west nile, encéphalite japonaise, fièvre jaune).

  • 5 Afin d’éviter la confusion avec des maladies dont les symptômes sont proches (chikungunya, fièvre j (...)

7L’un des biais résidant dans l’utilisation de données recensées dans les hôpitaux peut être précisément lié à la déficience du système de surveillance : comme c’est le cas dans la majorité du territoire indien (Telle, 2011), les cas de dengue peuvent ne pas être recensés correctement en milieu urbain comme en milieu rural. Cependant, Delhi est la ville indienne la mieux pourvue puisque le réseau sentinelle relatif à la dengue est composé de 34 hôpitaux publics en 2008. Comparativement, l’État du Kerala n’en disposait que de 10, le Tamil Nadu 13, le West Bengal 2, et le Bihâr 1. Autant dire que le recensement à Delhi, avec 1 hôpital sentinelle pour 405 000 habitants, est beaucoup plus fiable que celui des autres Etats, puisqu’il n’existe par exemple qu’un hôpital sentinelle pour 3 200 000 habitants au Kerala, et un pour 83 millions d’habitants au Bihâr. En outre, les autres métropoles indiennes ne disposent que d’un (Kolkata) ou deux hôpitaux sentinelles (Chennai et Mumbai), et les tests de confirmation sérologique n’y sont que peu réalisés, ce qui est problématique puisque l’Inde n’enregistre que les cas de dengue confirmés5. A Delhi, outre un nombre de confirmation beaucoup plus important que dans les autres États/villes indiennes, la quasi-totalité des hôpitaux gouvernementaux de plus de 100 lits est incluse dans la surveillance de la dengue. Par ailleurs, certains hôpitaux privés sont intégrés à la surveillance (Max Hospital, Fortis, etc.). Outre la multiplication des hôpitaux sentinelles, cette situation favorable au recensement de la maladie à Delhi démontre une organisation tournée vers la détection de la maladie depuis qu’elle est au centre d’enjeux politiques importants.

8Pour réaliser cette étude, nous appuyons notre analyse sur un système d’information géographique (SIG). Les cas de dengue recensés en 2008 et 2009 ont été géolocalisés et traités avec Arcgis 10.1. Sur les 1 313 cas recensés en 2008, 1 253 ont pu être géolocalisés (95,4 %). En 2009, le taux de perte reste stable avec 95 % des cas intégrés dans l’analyse, soit 1 097 cas de dengue sur les 1 154 enregistrés. Les données ont été classifiées selon plusieurs paramètres : le sexe, les classes d’âge, et le jour de consultation du patient dans l’un des hôpitaux.

  • 6 Plusieurs tests ont été réalisés, avec des mailles différentes, et au final, la maille de 250m repr (...)
  • 7 Modifiable Area Unit Problem. Ce problème, bien connu des géographe, désigne "l’influence du découp (...)

9Nous avons ensuite réalisé un carroyage (Lajoie, 1992) au pas de 250 mètres6 afin d’analyser la géographie de la dengue : si cette technique de ventilation des données ne permet pas de dépasser la problématique de l’échelle d’analyse constituant l’une des deux problématiques liées au MAUP7 (Openshaw, 1983), il permet néanmoins de limiter l’impact de la morphologie des unités spatiales sur les résultats, ce qui se révèle particulièrement utile en milieu urbain. On note par exemple que certaines unités inhérentes au découpage des quartiers de Delhi sont hétérogènes du point de vue de la taille, puisque certaines atteignent les 31 km² tandis que d’autre ne dépassent pas 0,5 km². L’autre avantage du carroyage est de permettre l’utilisation d’une échelle commune pour les données utilisées (socio-économiques, densités de population, taux d’incidence), sa structure matricielle permettant la combinaison de plusieurs sources d’information. Les estimations de population par carreaux ont été réalisées en relevant la surface bâtie grâce à des analyses photo-satellites puis en estimant la population en fonction des données issues du recensement (Cebeillac, 2014, non publié). Finalement, les espaces ruraux du National capital territory (NCT ; territoire de Delhi) sont présents dans le SIG, mais seule la partie urbaine de cette région a été intégrée à l’analyse.

Une analyse réalisée à travers des unités surfaciques

Analyse d’auto corrélation spatiale : vers un regroupement des unités infectées

  • 8 Ratio entre le nombre de cas de dengue et le nombre d’individus estimés.

10Nous avons ainsi pu estimer les taux d’incidence de la maladie par maille8 dont les résultats apparaissent en cartes 1 et 2. Afin de mesurer les concentrations hautes et basses des taux d’incidence de la dengue dans la population, nous réalisons un test d’autocorrélation spatiale. Cette méthode, communément utilisée en géographie (Oliveau, 2010), vise à révéler un patron spatial ; vers un regroupement, une dispersion ou une distribution aléatoire des valeurs spatialement proches. On note la présence de plusieurs indicateurs globaux, (Moran, Getis, ect.) dont la plupart propose une version locale permettant de mesurer les ressemblances locales.

Cartes 1 et 2 : Taux d'incidences de la dengue en 2008 (à gauche), et 2009 (à droite).

Cartes 1 et 2 : Taux d'incidences de la dengue en 2008 (à gauche), et 2009 (à droite).

11Nous réalisons dans notre étude un test Getis-Ord général (1996). Le choix de cet indice est porté par le profil des unités vis-à-vis des taux d’incidences : la majorité d’entre elles n’étant pas affectée, on souhaite étudier en priorité si les points chauds (hotspots) sont regroupés dans l’espace. L’utilisation de l’indice Moran révèle dans notre étude un regroupement extrême des valeurs dans l’espace lié aux nombres importants de valeurs nulles sur le territoire (90 % des unités ont un taux d’incidence nul). La distance retenue pour la réalisation de ce test repose sur des analyses réalisées en milieu urbain faisant état d’une diffusion locale de la dengue ne dépassant pas les 500 mètres. Les résultats pour les deux années établissent un regroupement significatif des taux d’incidences élevés dans Delhi, quelle que soit l’année étudiée (Fig.2 et 3).

12Puisque l’analyse précédente a détecté une autocorrélation sans équivoque des taux d’incidence élevés, nous réalisons une analyse par Getis-Ord Gi* (la version locale de l’indicateur global) afin de localiser les espaces regroupant les taux élevés dans la ville (en utilisant les mêmes paramètres que ceux utilisés lors de l’analyse Getis-Ord générale). En 2008 les clusters sont localisés dans le Nord, le Centre et l’Ouest de la ville, tandis qu’en 2009, ces derniers sont majoritairement situés dans le Centre et le Sud de la ville, cette dernière zone étant relativement épargnée en 2008. Finalement, la localisation des hotspots est changeante d’une année sur l’autre et peu de zones sont affectées à la fois en 2008 et 2009 (notons cependant une zone présente au centre de la carte). Cette situation démontre d’une part qu’un système apparemment en état d’équilibre à l’échelle macro (rappelons que le même nombre de cas de dengue est recensé les deux années) peut cacher un système plus instable d’un point du vue plus micro, ce qui rend, d’autre part, l’orientation des actions de contrôle difficile, puisqu’aucune zone de la ville ne concentre les taux d’incidences élevés sur deux années. Néanmoins, si la localisation des pics d’intensité de l’infection par le virus de la dengue n’est pas récurente d’une année sur l’autre, se pose la prédictibilité de la géographie des taux d’incidences vis-à-vis des caractéristiques environnementales de Delhi. En somme, peut-on prédire la géographie de la maladie en fonction du profil environnemental des unités géographiques ?

Figures 2 et 3 : Scores Getis-ord General en 2008 (à gauche) et 2009 (à droite).

Figures 2 et 3 : Scores Getis-ord General en 2008 (à gauche) et 2009 (à droite).

Relation entre les unités : Distance Inverse, Z Score= 12,13 et 13.5.

Cartes 3 et 4 : Localisation des Hotspots détectés lors de l’analyse Getis-Ord Gi*.

Cartes 3 et 4 : Localisation des Hotspots détectés lors de l’analyse Getis-Ord Gi*.

Caractérisation de l’environnement de la métropole indienne

13Plusieurs études ont eu la tâche d’étudier la fragmentation environnementale et socio-économique de la capitale indienne (Dupont, 2001), les inégalités d’accès aux ressources mises en place par l’État tout comme les disparités d’accès à l’appareil politique ayant pu conduire à de telles disparités (Baud et De Wit, 2008 ; Tawal Lama-Rewal, 2009). Cependant, la plupart des études utilisent des données issues du recensement (Census of India) qui regroupe 234 unités spatiales pour 15 millions d’habitants. Or, la définition des aires à risque dépend pour de nombreuses maladies de l’environnement socio-économique hyper localisé, et le découpage de ce recensement ne permettait pas d’estimer convenablement le risque local puisque les unités spatiales réunissent des quartiers et des populations socio-économiquement hétérogènes (environ 1 million d’habitants par unité spatiale). Il fallait donc un indicateur permettant d’estimer la qualité de l’environnement à un niveau très fin sur l’ensemble de la ville. Une réforme de la taxe foncière en 2008 a permis la réalisation d’une étude à l’échelle des quartiers. En effet, cette réforme s’appuie depuis cette date sur plusieurs critères pour déterminer l’imposition dans l’ensemble des 1 680 quartiers de Delhi (Lefebvre, 2011 ; Telle, 2011). Si plusieurs données ne servent pas directement à représenter la diversité environnementale de Delhi (route, localisation des colonies), les autres concernent directement l’environnement (infrastructures physiques, sociales, âge de la colonie, colonies autorisées/régularisées/etc.) ou renvoie en partie à la qualité de l’environnement (valeur locative et foncière). Par ailleurs, si le niveau locatif et le niveau économique du résident sont laissés à l’appréciation du comité responsable de l’élaboration de la taxe foncière (s’appuyant néanmoins sur une consultation réalisée auprès des associations de quartiers ou de fonctionnaires), le niveau d’accessibilité aux infrastructures (les routes sont-elles goudronnées ? existe-t-il un hôpital a proximité ?) est réalisé grâce à des mesures précises. Des études de terrains ont spécialement été réalisées par le Survey of India (SOI) à travers une agence : le Delhi state spatial data infrastructure (DSSDI). L’infrastructure présente dans chacun des quartiers est un élément crucial dans ce calcul, qui inclut ou en tout cas recense les colonies non autorisées en leur attribuant le rang de la taxe le plus bas (G). Au final, un certain nombre de points est accordé aux quartiers, et ce score servira à les positionner dans la catégorie vis-à-vis de l’unit area value. Toutes ces informations ont été centralisées dans le système d’information géographique élaboré au CSH de New Delhi.

14Afin de regrouper les unités géographiques ayant des caractéristiques environnementales proches, nous avons réalisé une classification ascendante hiérarchique utilisant un certain nombre de variables : la part de surface industrielle (source ; Eicher City Map), l’estimation du nombre de personnes résidant dans ces unités (estimation réalisée par extraction d’images satellites et par utilisation des données officielles), et certaines valeurs de la taxe foncière susceptibles d’impacter les niveaux d’incidence d’une maladie infectieuse comme la dengue (accès aux infrastructures urbaines, type de la colonie et niveau économique des résidents). Le score final de la taxe foncière a également été intégré. Au total, 15 catégories émergent auxquelles ont été ajoutées les unités appartenant au Cantonment de Delhi – CBA, zone militaire de la ville (Carte 5) – et de la NDMC (New Delhi, zone principalement administrative construite par le colon anglais). On note que ces deux zones concentrent moins 5 % de la population du territoire de Delhi. Nous avons regroupé certaines unités présentant les mêmes profils afin de facilité la lecture des disparités environnementales (Tab.1).

Tableau 1 : Résultat de l’analyse en composante principale portant sur la caractérisation des unités géographique de Delhi.

Tableau 1 : Résultat de l’analyse en composante principale portant sur la caractérisation des unités géographique de Delhi.

* Score sur 10. **Score sur 100 *** Source : Eicher City Map. En italique : Taxe foncière MCD.

Carte 5 : Cartographie de la typologie socio-économique et environnementales de la NCT de Delhi (FD = Faible Densité, DM= Densité Moyenne, HD= Haute Densité).

Carte 5 : Cartographie de la typologie socio-économique et environnementales de la NCT de Delhi (FD = Faible Densité, DM= Densité Moyenne, HD= Haute Densité).

Source; Lefebvre, Cebeillac, Telle.

Une géographie vectorielle marquée par la qualité de l’environnement

  • 9 Cette année marque en effet la première crise majeure qu’a connue Delhi vis-à-vis de la dengue
  • 10 Les comparaisons entre années doivent cependant être réalisées avec précaution puisque le nombre d’ (...)

15Les relevés vectoriels effectués par la municipalité de Delhi (MCD) et le NIMR (National institute of malaria research) indiquent que l’espèce Aedes aegypti reste l’espèce de prédilection à Delhi : le culex et l’anophèle n’ont été recensés que dans 0,16 % et 0,51 % des maisons contrôlées contre 4,2 % pour le moustique Aedes, ce qui peut justifier le nombre relativement faible de cas de paludisme en comparaison de ceux de dengue ( 650 cas de paludisme recensés entre 2009 et 2012). Lorsque l’on met ces données en perspective sur plusieurs années, on observe un taux relativement faible de nombre de maisons affectées, 4,2 % des maisons recensant des larves de moustiques Aedes (comparativement aux années précédentes : en 1998, 12,1 % des maisons recensaient des larves (Katyal et al., 2003)). Ces indices ont diminué au fur et à mesure des années, reflétant les efforts effectués par les institutions de Delhi pour combattre le vecteur depuis 19969. Pourtant, malgré un meilleur contrôle du vecteur, la maladie ne cesse de circuler10 et depuis 2006, la capitale indienne est même devenue hyper-endémique (des cas sont recensés et plusieurs sérotypes du virus circulent chaque année), reflétant l’échec des actions sanitaires sur le contrôle de la dengue.

16Si 4,2 % des maisons et 3,62 % des containers sont contrôlés positifs à la larve d’aedes à Delhi, la situation est hétérogène à l’échelle intra-urbaine. On observe en effet la polarisation des « indices larvaires maisons » (IM) élevés dans les classes de quartiers défavorisés : 10 quartiers défavorisés les 10 % de maisons contrôlées positives quand l’indice maximum ne dépasse pas les 4,5 % dans les quartiers aisés. En moyenne, ces indices sont d’ailleurs deux fois plus élevés dans les quartiers défavorisés par rapport aux quartiers aisés (Tab.2). On note également une relative homogénéité des indices vectoriels, même si les quartiers pauvres présentent une diversité interne plus importante que les autres types de quartiers. Cette analyse réalisée sur les moyennes vectorielles concorde avec la majorité des études réalisées en milieu urbain qui établissent une concentration des indices larvaires élevés dans les espaces défavorisés des villes endémiques (Marzochi, 1994 ; Pérez Martínez et al., 2005 ; Costa et al., 2005). Cette géographie vectorielle marquée par la géographie environnementale laisse ainsi présager une présence de la dengue plus importante dans les quartiers défavorisés que dans les quartiers organisés et planifiés.

Tableau 2 : Présentation des indices larvaires (Pourcentage de maisons -IM- contrôlées positives à la larve aedes).

 

Nombre de colonies échantillonnées

Min IM

Max IM

IM moyen

Planifié FD/MD

29

2,6

8,89

3,72

Défa. HD

27

2,5

14,81

5,12

Défa. FD

44

2,1

15,63

4,9

Old Delhi

6

1,9

8,89

5,12

Défa. MD

38

1,5

9,09

4,29

Planifié HD

19

1,6

8,04

3,78

Aisé

9

0,9

4,44

2,56

NDMC

1

 

 

2,9

Total

173 

0,9

15,63

4,37

Géographie de la dengue, vers une remise en cause des modèles épidémio-géographiques classiques ?

17Pourtant, les quartiers favorisés et ceux de New Delhi concentrent les taux moyens les plus élevés du territoire de Delhi sur les deux années (Tab.3). En 2008, ceux de New Delhi sont ainsi 3 fois supérieurs aux indices moyens de Delhi, tandis que les autres types de quartiers gravitent tous autour de la moyenne. En 2009, les quartiers de la NDMC sont toujours les quartiers les plus infectés par la dengue (35,5 cas pour 100  000 habitants), mais on note que les quartiers favorisés se situent également au-dessus de la moyenne de Delhi (15, 1/100 000). Finalement, les quartiers défavorisés de Delhi recensent des taux d’incidence moins élevés que les quartiers planifiés et aisés (hormis les quartiers défavorisés à densité moyenne). On note malgré tout des écarts types importants relevés dans chaque typologie faisant état d’une variabilité importante entre les unités. D’autre part, les évolutions du taux d’incidence moyen par typologie démontrent une certaine instabilité de ces taux entre les années.

Tableau 3 : Nombre de cas de dengue et taux d’incidence par typologie d’unité (FD = Faible Densité, MD = Densité Moyenne, HD = Densité Haute).

Typologie

Nb d’habitants estimé

Nb de cas de dengue 2008

Incidence moyenne (/100 000)

Ecart type

Nb de cas de dengue 2009

Incidence moyenne (/100 000)

Ecart type

Evolution 2009/2008

Défavorisé FD

1 863 220

114

6,1

38,2

103

5,5

35,6

-9,6 %

Defavorisé HD

4 560 719

305

6,7

17,4

251

5,5

13,7

-17,7 %

Defavorisé MD

3 295 248

292

8,9

27,1

190

5,8

19,4

-34,9 %

Delhi Cantonment

213 079

23

10,8

68,1

16

7,5

109,9

-30,4 %

Favorisé

562 417

49

8,7

63,7

85

15,1

82,1

73,5 %

Indus

218 589

22

10,1

27,7

0

0,0

0,0

-100,0 %

New Delhi

80 776

20

24,8

155,5

20

24,8

121,5

0,0 %

New Delhi, MD

110 581

26

23,5

79,8

48

43,4

90,9

84,6 %

Planifié FD

1 522 087

116

7,6

44,2

154

10,1

57,6

32,8 %

Planifié MD

1 430 649

106

7,4

24,9

89

6,2

20,9

-16,0 %

Planifié HD

1 539 081

136

8,8

29,9

113

7,3

20,1

-16,9 %

Périph

474 287

24

5,1

76,1

28

5,9

38,6

16,7 %

Total général

15 870 732

1233

7,8

52,9

1097

6,9

52,2

-11,0 %

18Ainsi, si la qualité de l’environnement impacte l’amplitude des indices larvaires, les résultats de l’analyse suggèrent que l’intensité de la circulation de la dengue dans les quartiers de la ville n’est pas fonction de l’environnement. Non seulement un quartier présentant des conditions socio-économiques traditionnellement favorables à la prolifération des larves ne sera pas nécessairement le cadre d’une diffusion du virus plus importante que celui des quartiers aisés (au contraire), mais en plus des quartiers similaires ne sont pas tous affectés avec la même intensité selon les années (évolution d’une année sur l’autre) et pendant une année (écart-type). C’est une analyse partagée par plusieurs recherches, qui font état d’une concentration des taux d’incidences de la dengue non exclusive aux quartiers défavorisés des centres urbains. Pour autant, si les facteurs de risques de la dengue à Delhi ne se trouvent ni dans la récurrence des zones affectées d’une année sur l’autre, ni sur le type d’environnement, d’autres facteurs doivent permettre de comprendre la localisation des cas de dengue. À ce titre, la localisation des données individuelles mérite d’être explorée.

Analyse spatio-temporelle des individus recensés par le système de surveillance : quelles informations ?

Une relation importante entre l’introduction du virus et l’importance des clusters de dengue

19Dans le cadre de la dengue, plusieurs études intra-urbaines basent leurs analyses sur des données individuelles (Flauzino et al., 2009 ; Vazquez-Prokopeck et al., 2010), ce type de données permettant de représenter un phénomène à l’échelle locale en s’affranchissant des frontières inhérentes aux unités de référence (Banos et Huguenin-Richard, 2000). Dans le but de rechercher les espaces concentrant les cas de dengue, plusieurs méthodes sont possibles, la méthode de lissage Kernel étant l’une des plus courantes. Cependant, la dimension temporelle est cruciale dans le cadre des maladies infectieuses, et on ne peut considérer qu’il y a une reproduction d’un individu à un autre (à travers un moustique) que dans une fenêtre temporelle spécifique, dépendante des facteurs biologiques et, dans le cadre de la dengue des caractéristiques biologiques du vecteur (taux d’incubation, taux de survie).

  • 11 On choisit ici volontairement de prendre une moyenne basse afin de ne pas surestimer le nombre et l (...)

20Nous utilisons le logiciel Clusterseer afin de regrouper les cas en fonction de la distance et du temps : si un cas est en deçà des seuils spatiaux et temporels fixés lors du paramétrage, il relie les cas. Nous ne considérons ici que la densité des cas, indépendamment du nombre d’individus présents localement. Nous faisons le choix d’utiliser une distance de 300m et un seuil temporel de 20 jours, ce laps de temps correspondant au cycle maximal de transmission du virus d’un homme vers le moustique et du moustique vers l’homme11. Par exemple, si un cas est recensé 25 jours après un cas situé à proximité d’un autre cas (moins de 300m) on considérera que ces cas ne sont pas liés, le cycle de vie du moustique ne permettant pas cette infection secondaire. Voir les cartes 6 et 7 pour la localisation de ces clusters (en annexe).

21Pour 2008, l’analyse révèle 178 clusters spatio-temporels regroupant la majorité des cas de dengue (seulement 33 % des cas sont isolés), pour 182 en 2009 réunissant 62 % des individus infectés. Le premier élément ressortant de cette analyse tient à la localisation des clusters de dengue qui diffère de celle révélée par l’analyse Getis G-ord* (Cartes 1 et 2). En effet, si cette dernière analyse ne localise aucun hotspot à l’Est et à l’Ouest de la ville, zones particulièrement marquées par la présence importante de quartiers défavorisés, de nombreux cluster spatio-temporel y sont détectés. À l’inverse, le centre de la ville (NDMC notamment) semble moins infecté que les cartes des hotspots ne le suggèrent. Cette différence peut être expliquée par le fait que dans la majorité des unités de la NDMC et des quartiers aisés (en 2008) les taux d’incidences sont élevés, non parce que de nombreux individus infectés y sont recensés, mais parce que les densités faibles de résidents tendent à surestimer l’incidence de la maladie malgré la présence d’un seul cas enregistré. Cette problématique de la densité à déjà été soulevée par d’autres auteurs : dans une part importante des analyses, l’analyse réalisée sur la fréquence des cas met en avant les espaces peu denses (Olsen et al., 1996) Néanmoins, l’analyse montre que les quartiers Sud de Delhi (type « aisé ») concentrent un nombre important de clusters spatio-temporels en 2009, confirmant, tout en nuançant, que la dengue se diffuse dans les zones aisées d’une métropole comme Delhi.

22D’autre part, cette analyse spatio-temporelle révèle une relation importante entre le jour d’apparition du premier cas recensé dans le cluster et le nombre de cas enregistrés : les clusters les plus importants (réunissant jusqu’à 32 individus infectés) recensent en moyenne le premier cas de dengue au début de l’épidémie, tandis que les clusters plus faibles et les individus isolés sont recensés alors que la fenêtre climatique favorisant la diffusion de la dengue se referme (fin du mois de novembre). En 2008, le R² entre le jour d’apparition du premier cas à l’intérieur du cluster et son intensité atteint 0.839 (Fig.4 et 5, le jour 0 correspond au 1er cas de dengue enregistré). En 2009, le nombre d’individu isolé augmente puisque 39 % des individus sont situés hors des clusters (contre 33 % en 2008). Cependant, le modèle de diffusion de la dengue n’est pas remis en cause puisque 60 % des cas sont recensés dans des clusters. Par ailleurs, comme en 2008, plus le premier cas est recensé précocement, plus le cluster est important (R² = 0.627). Cet élément de recherche signifie que l’émergence du virus dans la colonie au début de l’épidémie permet de multiplier les cas de dengue localement, en maximisant la fenêtre de contamination hypothétique conditionnée par les facteurs climatiques. Ceci suggère également qu’un prolongement de l’épidémie à travers l’extension d’une fenêtre climatique favorable pourrait entrainer une diffusion locale du virus depuis les cas isolés vers l’environnement proche et donc le développement de clusters faibles. Or, les zones d’émergences des premiers cas de dengue sont différentes en 2008 et 2009 (ouest, centre et est de la ville en 2008, sud et centre en 2009), ce qui peut en partie expliquer la géographie changeante de la dengue entre ces deux années.

Figures 4 et 5 : Jour d'enregistrement du premier cas (J0=1er cas enregistré de l'année ), et nombre de cas précoces recensés à moins de 300m, par taille de cluster en 2008 (en haut) et 2009 (en bas).

Figures 4 et 5 : Jour d'enregistrement du premier cas (J0=1er cas enregistré de l'année ), et nombre de cas précoces recensés à moins de 300m, par taille de cluster en 2008 (en haut) et 2009 (en bas).

Quelle place pour l’environnement dans la diffusion du virus de la dengue ?

23Ainsi, l’analyse que nous conduisons à Delhi suggère que les facteurs de risque d’une unité dépendent moins des caractéristiques environnementales des quartiers qu’à un facteur de proximité (ici vis-à-vis des cas émergeant dès le début de l’épidémie). Comme d’autres études l’ont suggéré (Teixeira et al., 2007 ; Chih-Chun, 2008 ; Honorio et al., 2009 ; Donnat et al., 2011), les mobilités journalières intra-urbaines jouent un rôle décisif dans le processus de diffusion du virus entre les quartiers. À l’échelle individuelle, les mobilités représentent donc un facteur de dissémination et de risque important pour un individu pouvant être affecté dans sa mobilité journalière. A un niveau d’analyse écologique cela permet de faire l’hypothèse que les quartiers centraux d’une ville qui supportent les migrations intra-urbaines peuvent être affectés, les mobilités convergentes d’individus infectés favorisant la diffusion locale du virus dès le début de l’épidémie malgré une présence du vecteur plus faible. La structure réticulaire de la ville et les mobilités inter/intra quartiers sont ainsi les premiers éléments permettant de déplier la relation entre l’environnement et les taux d’incidence de la maladie. Le deuxième facteur guidant la géographie est lié aux espaces d’émergence du virus dans la ville, dont un certain nombre évolue d’une année sur l’autre.

  • 12 Écologique prend ici le sens du niveau géographique d’analyse, un quartier par exemple.
  • 13 Stoddart et al. démontrent d’ailleurs qu’une partie des individus infectés à Iquitos ont probableme (...)

24D’autre part, le fait que les espaces publics de Delhi recensent plus de larves de moustiques que les espaces domestiques suggèrent que les infections peuvent avoir lieu dans ce type d’espace plutôt que dans l’espace résidentiel (7 % des gîtes contrôlés dans les gares ferroviaires de Delhi sont contrôlés positifs à la larves Aedes, ce ratio atteignant 8 % dans les hôpitaux et 12 % dans les écoles, lycées et universités contre seulement 3.9 % dans les espaces domestiques). Dans cette perspective, il est difficile de considérer le lieu de résidence d’un individu comme étant le lieu de contamination unique. D’un point de vue méthodologique, ceci suggère effectivement qu’étudier les facteurs de risque de la dengue à l’échelle écologique12 et à travers un SIG reste peut pertinent, les facteurs de risques pouvant être déterminés par les profils de mobilités des individus et les lieux visités (lieux publics, visites relationnelles, lieux de travail) plutôt qu’à un risque localisé au lieu de résidence13.

  • 14 Appartenance sociale, pratiques religieuses, conditions objectives d’existence.

25Si cette perspective rend le contrôle de la dengue plus difficile (puisqu’il ne suffit plus de fumiger les espaces situés aux alentours du domicile d’un individu infecté afin de détruire le vecteur de la dengue), elle questionne également le modèle général établi en géographie de la santé faisant état d’une relation importante entre les taux endémiques des maladies infectieuses et l’environnement socio-spatial intra-urbain (Vaguet, 1984 ; Salem, 1998). Faisant écho aux travaux issus de l’écologie urbaine (École de Chicago) ou aux concepts initiés par David Harvey, les pathologies environnementales sont étudiées et appréciées en tant qu’indicateurs témoignant de l’exclusion d’un quartier de la planification urbaine. Or, on le voit à Delhi et ailleurs, la dengue ne se cantonne pas aux espaces défavorisées de la ville. C’est donc un élément qui va dans le sens de l’épidémiologie focalisée sur l’étude des déterminants individuels de la santé14 (Krieger, 1994, Pearce, 1996 ; Susser, 1996), qui remet en cause l’analyse purement écologique du risque sanitaire.

26Pourtant, si les études réalisées en milieu urbain ne démontrent aucun consensus sur la relation entre l’environnement et les taux d’incidences, toutes affichent une concentration des cas de dengue sur un territoire urbain. Ceci signifie qu’on ne peut considérer le risque d’un strict point de vue individualiste, la présence d’un virus dans un quartier ou dans le réseau relationnel démultipliant le risque d’infection de cet individu. Il s’agit donc de prendre l’ensemble des échelles constitutives du risque lié à la diffusion de la dengue (de l’individu au quartier à la ville) afin de comprendre la dynamique spatiale de la maladie. Théoriquement, on ne peut s’empêcher d’opérer un glissement vers le paradigme de la complexité, qui depuis quelques années propose en sciences sociales de la santé une alternative à la vision dichotomique du risque sanitaire : d’un côté le risque individuel, de l’autre le niveau de risque écologique. Il s’agit de considérer l’individu et sa trajectoire personnelle dans l’état de santé d’un individu et d’une population, tout en recherchant des causes structurelles profondes aux faits de santé (Gatrell, 2005 ; Curtis et Rivas, 2009). Si ce cadre conceptuel est souvent discuté en géographie, sa mise en pratique reste rare (Krieger, 1994 ; Gatrell, 2005). Pourtant, dans le cadre des maladies infectieuses émergentes (SRAS, H1N1, dengue, etc.), seule l’approche combinant les deux niveaux d’analyse permet de pointer les facteurs de diffusion des maladies en milieu intra-urbain ce qui semble difficilement réalisable en se ne proposant des études uniquement réalisées par les SIG.

27Cependant, l’utilisation de ces outils permet de dégager des éléments qui structurent les épidémies de dengue. Les cartes spatio-temporelles font par exemple apparaitre certains clusters récurrents entre 2008 et 2009, principalement situés dans les espaces défavorisés de la ville (Old Delhi et Shadhara). D’autre part, les relevés vectoriels de la MCD et du National Institute of Malaria Research font état d’une permanence du vecteur dans les quartiers défavorisés pendant l’hiver, alors que les températures hivernales et les très faibles précipitations devraient entrainer l’élimination du vecteur, accréditant l’hypothèse d’une reproduction du virus pendant la période inter-épidémique dans les espaces défavorisés de Delhi. Cet attachement de l’Aedes à quelques niches environnementales pendant les périodes inter-épidémiques peut effectivement entrainer le déclenchement et/ou le renforcement des épidémies lorsque les conditions climatiques deviennent favorables ou lorsque la mutation du virus rend les souches plus virulentes pour l’homme, le virus trouvant au sein de ces niches écologiques des facteurs assurant sa survie et son évolution. Une analyse de la séquence du génome du virus réalisée par Mondini et al. (2012) suggère d’ailleurs que si les quartiers centraux et aisés de Sao Paulo sont des foyers/pôles de diffusion pendant les épidémies, il est très probable que le virus soit en partie introduit dans ces espaces centraux dès le début de la saison épidémique depuis des zones à l’environnement précaire.

  • 15 Comme le montre l’introduction de cas de dengue en Europe ; 27 % des 2 400 européens recensés ayant (...)

28Ainsi, plus qu’une réflexion portée sur une analyse de la géographie des taux d’incidence à la fin d’une saison épidémique, il apparait nécessaire de considérer le rôle de l’environnement - notamment social et économique – dans la dynamique de diffusion du virus de la dengue, c’est-à-dire dans la rétention, l’évolution, la diffusion des agents pathogènes. À ce titre, si elles ne sont pas forcément déterminantes dans la géographie des espaces affectés pendant les épidémies, les inégalités environnementales et celles inhérentes à la gouvernance de la maladie constituent indubitablement un facteur de mauvaise résilience vis-à-vis du virus de la dengue. Ce constat s’impose quel que soit l’échelle d’analyse (locale comme globale15) puisque ces inégalités spatiales de surveillances et de traitements conduisent à une réintroduction du virus dans un système urbain depuis les espaces défavorisés de Delhi, mais également depuis les espaces nationaux ou la maladie n’est pas surveillée et encore moins contrôlée. Dans un contexte où les actions de contrôle de la maladie, réalisées à travers la fumigation ou vers le contrôle du vecteur dans des espaces spécifiques échouent à maitriser la diffusion de la maladie (du fait notamment de la part asymptomatiques des cas), on peut penser les périodes pré-épidémiques comme à une fenêtre temporelle d’action et la solidarité des espaces géographiques (quartier à l’échelle d’une ville, ville à l’échelle métropolitaine, région à l’échelle nationale) comme à une propriété permettant de limiter la diffusion du virus dans un système. Loin d’être négligeable, l’environnement -et ses déclinaisons intra-urbaines- est donc un élément structurant les épidémies de dengue.

Conclusion

29Pour conclure, lorsque l’on aborde les facteurs de risques écologiques liés à la dengue en milieu urbain, des précautions méthodologiques s’imposent. Ce type d’analyse reste en effet trop dépendant des découpages des unités spatiales : non seulement certains clusters d’individus infectés peuvent être éclatés entre plusieurs entités spatiales sans être détectés lors de l’analyse réalisée sur les taux d’incidence, mais l’anisotropie des densités urbaines fait qu’une unité spatiale peut présenter des taux d’incidence plus élevés que d’autres malgré la présence d’un seul individu infecté, et gêner ainsi les analyses statistiques en imposant des valeurs fortes dans les calculs statistiques. A l’inverse, une analyse réalisée sur la localisation des individus infectés -de type Kernel- permet de dépasser les problématiques liées au MAUP tout en permettant de mieux représenter la dynamique spatiale des cas de dengue. Elle permet en outre d’identifier rapidement les zones d’émergences des individus infectés, de modéliser la diffusion du virus ainsi que les espaces infectés d’une année sur l’autre.

30À ce titre, le modèle de diffusion de la dengue a pu être défini grâce à une analyse spatio-temporelle des individus affectés réalisée à travers un SIG : à l’échelle locale, les cas de dengue se diffusent depuis un cas index vers son environnement proche tandis qu’à l’échelle macro, la mobilité des individus fait que le virus de la dengue se relocalise vers d’autres espaces d’activité plus éloignés, comme plusieurs auteurs l’ont démontré dans d’autres contextes urbains intertropicaux (Tran, 2001 ; Beckett et al., 2005 ; Kan, 2011). L’autre élément important de cette étude est de mettre en avant l’absence de relation franche entre les taux d’incidence ou la localisation des clusters de dengue et l’environnement. Néanmoins, notre analyse suggère que le virus profite de conditions environnementales précaires (densité de population importante, accès aux infrastructures limités) et d’une gouvernance de la maladie inadéquate pour se maintenir dans le système urbain. Cette hypothèse pourrait être vérifiée en examinant les souches virales du virus ; celles-ci évoluant rapidement, on pourrait tracer une souche spécifique et connaitre son parcours dans la ville. Enfin, ce type d’analyse permettrait de savoir si les virus qui circulent à Delhi sont les mêmes d’une année sur l’autre ou si la diffusion de la dengue doit être reliée à l’importation de souches nouvelles chaque année depuis des territoires extérieurs.

31La géographie de la dengue apparait donc comme complexe, dépendant à la fois des facteurs environnementaux, climatiques (à Delhi, l’épidémie de 2010 – non traitée dans cet article – peut être mise en relation avec l’allongement de la mousson), viraux (part asymptomatique des cas qui multiplie la propagation du virus et immunité face à un sérotype) et vectoriels (rappelons que l’Aedes se nourrit la journée). Cette géographie est aussi façonnée par les individus à la mobilité croissante (capacité de résilience vis-à-vis du vecteur)et peut s’observer à différentes échelles (situation épidémiologique dans les autres États indiens, par exemple). Pour autant, si les outils méthodologiques comme les SIG permettent d’appréhender les facteurs de risques dits collectifs, leurs points faibles se situent à la fois dans leur incapacité à saisir des phénomènes dynamiques (mobilités individuelles, effets de seuils) et l’interaction d’échelle (individuelle et collective) qui conduisent aux phénomènes de diffusion (Daudé, 2003). D’autre part, on est obligé de considérer la part de stochasticité du système de la dengue, qui fait par exemple que ce virus peut se diffuser depuis un cas index à son environnement proche dans un cas mais pas dans l’autre alors que les conditions environnementales et climatiques sont similaires (à un niveau écologique, l’effet de bascule se joue probablement dans cette transmission à un second individu). Il incombe ainsi de convoquer les modélisations multi-agents, qui, en modélisant les individus dans leur environnement, permettent d’expérimenter dans des conditions similaires la dynamique de ces diffusions de la dengue (Garcia-Lopez, 2010) ou d’autres pathologies (Eliot et Daudé, 2006 ; Barriadoti et al., 2007). Cela permet de simuler non pas une trajectoire mais toutes les trajectoires possibles de ces systèmes dans des conditions paramétriques données et de tirer ainsi des conclusions à partir de scénarii probables d’évolution. En couplant d’un côté l’observation, réalisée grâce aux systèmes d’informations géographiques, et de l’autre la simulation multi-agent, on peut réussir à identifier les éléments et les échelles auxquelles les actions de contrôle doivent être réalisées afin d’assurer une relative stabilité de la dengue dans les territoires qu’elle affecte. Ce sont cet enjeu pour la santé publique et une opportunité pour la géographie de démontrer sa capacité à la fois théorique et appliquée qui permettront de proposer à terme des modalités de contrôles intégratrices de l’espace.

Haut de page

Bibliographie

Alemaida M.C., Caiaffa W.T., Assunção R.M., Proietti F.A., 2007, « Spatial Vulnerability to Dengue in a Brazilian Urban Area During a 7-Year Surveillance », Journal of Urban Health, Vol.84, No.3, 334–345.

Badariotti D., Banos A., Laperrière V., 2007, « Vers une approche individu-centrée pour modéliser et simuler l’expression spatiale d’une maladie transmissible : la peste à Madagascar », Cybergeo : European Journal of Geography, article 393, Url : http://cybergeo.revues.org/9052.

Banos A., Huguenin-Richard F., 2000, « Spatial distribution of road accidents in the vicinity of point sources: application to child pedestrian accidents », Geography and Medicine, Editions Elsevier, 54-64.

Baud I., Pfeffer K., Sridharan N., Nainan N., 2009, « Matching deprivation mapping to urban governance in three Indian mega-cities », Habitat International, Vol. 33, No.4, 365-377.

Baud I., de Wit J. (eds.), 2008, New Forms of Urban Governance in India: Shifts, modes, networks and contestation. Sage Publications, Thousand Oaks, Delhi, London.

Barrera R., Delgado N., Jimenez M., Villalobos I., Romero I., 2000, « Estratificación de una ciudad hiperendémica en dengue hemorrágico », Rev Panam Salud Pública, Vol. 8, No.4, 225–233.

Kosasih H., Faisal I., Nurhayati Tan R., Widjaja S., Listiyaningsih E., Ma'roef C., Wuryadi S., Bangs M.J., Samsi T.K., Yuwono D., Hayes C.G., Porter K.R., 2005, « Early detection of dengue infections using cluster sampling around index cases », The American Journal of Tropical Medicine and Hygiene, Vol. 72, 777–782.

Bharaj P., Chahar H.S., Pandey A., Diddi K., Dar L., Guleria R., Kabra S.K., Broor S., 2008, « Concurrent infections by all four dengue virus serotypes during an outbreak of dengue in 2006 in Delhi, India », Virology Journal, Vol. 5, No.1. Url : http://www.ncbi.nlm.nih.gov/pubmed/18182120.

Burdino E., Milia M.G., Sergi G., Gregori G., Allice T., Cazzato M.L., Lucchini A., Lipani F., Calleri G., Orofino G., Di Perri G., Ghisetti V., 2011, « Diagnosis of dengue fever in North West Italy in travelers from endemic areas: a retrospective study », Journal of Clinical Virology, Vol. 51, No.4, 259-63. Url : http://www.ncbi.nlm.nih.gov/pubmed/21636317.

Kan C.C., Lee P.F., Wen T.H., Chao D.Y., Wu M.H., Lin N.H., Huang S.Y., Shang C.S., Fan I.C., Shu P.Y., Huang J.H., King C.C., Pai L, 2008, « Clustering Diffusion Patterns Identified from the 2001-2003 Dengue Epidemic, Taiwan », The American Journal of Tropical Medicine and Hygiene, Vol. 79, No.3, 344–358.

Curtis S., Riva M., 2009, « Progress Report; Health Geographies I: complexity theory and human health ». Progress in Human Geography.

Daude E., 2003, « Apports de la simulation multi-agents à l’étude des processus de diffusion », Cybergeo : European Journal of Geography , Dossiers 6èmes Rencontres de Théo Quant, Besançon, France 20-21 février 2003, Article 255, Url : http://cybergeo.revues.org/3835.

Donnat M., Gozalvez-Kreuzer B., Roca Y., Conde Cosme A., Tios J.C., Hervé J.P., Handschumacher P., 2011, « La dynamique de la dengue à Santa Cruz de la Sierra (Bolivie) entre paysages à risques et mobilités : appréciation des inégalités et gestion du risque », Espace, Population, Sociétés, No.1/2011, 33-46. Url : http://eps.revues.org/4318.

Dupont V., 2004, « Socio-spatial differentiation and residential segregation in Delhi: a question of scale », Geoforum, Vol. 35, No.2, 157–175.

Eliot E., Daude E., 2006, « Diffusion des épidémies et complexités géographiques : perspectives conceptuelles et méthodologiques », Espace, populations, sociétés, No.2-3/2006, 403-416.

Flauzino R., Souza-Santos R., Barcelllos C., Gracie R., Magalhães Mde A., Oliveira R.M., 2009, « Spatial heterogeneity of dengue fever in local studies, City of Niterói, Southeastern Brazil », Rev Saúde Pública, No.43.

Fontenille D., Failloux A.B., Romi R., 2008, « Should we expect chikungunya and dengue in Southern Europe? », Takken W., Knols B. (eds.), Emerging Pests and Vector-borne Diseases in Europe, Wageningen, Wageningen academic publishers, 169-184.

Gatrell A.C., 2005, « Complexity theory and geographies of health: a critical assessment » Social Science and Medecine, Vol. 60, 2261-2671.

Garcia-Lopez M., 2010, Modélisation de l’émergence de maladies infectieuses : exemple de la dengue, Thèse d’État, CEA,

Gjenero-Margan I., Aleraj B., Krajcar D., Lesnikar V., Klobučar A., Pem-Novosel I., Kurečić-Filipović S., Mlinarić-Galinović G., 2011 « Autochthonous dengue fever in Croatia, 2010 », Eurosurveillance, Vol. 16, No.9. Url : http://www.eurosurveillance.org/ViewArticle.aspx?ArticleId=19805

Getis A., Ord J.K., 1996,« The analysis of spatial association by distance statistics », Geographical analysis, Vol. 24, No.3, 189-207.

Gubler D.J., 2004, « Cities spawn epidemic dengue viruses », Nature Medecine, Vol. 10, 129‐130.

Gubler D.J., 2002, « How Effectively is Epidemiological Surveillance Used for Dengue Programme Planning and Epidemic Response », Dengue Bulletin, Vol. 26, 96-106.

Gupta E., Dar L., Kappor G., Broor S., 2006, « The Changing Epidemiology of Dengue in Delhi, India », Virology Journal, Vol. 3, 92.

Gupta En Mohan S., Bajpaj M., Choudhary A., Singh G., 2012, « Circulation of Dengue virus-1 (DENV-1) serotype in Delhi, during 2010–11 after Dengue virus-3 (DENV-3) predominance: A single centre hospital-based study », Journal of Vector Borne Diseases, Vol. 49, No.2, 82-5.

Handshumacher P, 2012, « Compte-rendu de l’audition du jeudi 7 juin 2012 de M. Pascal Handschumacher », blog.senat.

Hagenaars T.J., Donnelly C.A., Ferguson N.M., 2004, « Spatial heterogeneity and the persistence of infectious diseases », Journal of Theoretical Biology, Vol. 229, No.3, 349-359.

Honório N.A., Nogueira R.M.R., Codeço C.T., Carvalho M.S., Cruz O.G., 2009, « Spatial evaluation and modeling of Dengue seroprevalence and vector density in Rio de Janeiro, Brazil », PLoS Neglected Tropical Diseases, Vol. 3, No.11.

Krieger N., 1994, « Epidemiology and the web of causation, has anyone seen the spider? », Social Science & Medicine, Vol. 39, No.7, 887-903.

Lajoie G., 1992, Le carroyage des informations urbaines, une nouvelle forme de banque de données sur l'environnement du Grand Rouen, Presses universitaires de Rouen et du Havre.

La Ruche G., Souarès Y., Armengaud A., Gastellu-Etchegorry M., 2010 « First two autochthonous dengue virus infections in metropolitan France », Eurosurveillance, Vol. 15, No.39. Url : http://www.eurosurveillance.org/ViewArticle.aspx?ArticleId=19676.

Laperriere V., 2009, Apport de la modélisation individu-centrée spatialement explicite à la compréhension de l’expression d´une maladie transmissible : le cas de la peste bubonique à Madagascar. Thèse de doctorat, Université de Pau.

Lefebvre B., 2011, Les services hospitaliers de Delhi : planification, privatisation et gouvernance urbaine, Thèse de doctorat, Université de Rouen.

Mammen M.P. Jr., Pimgate C., Koenraadt C.J.M., Rothman A.L., Aldstadt J., 2008, « Spatial and temporal clustering of dengue virus transmission in Thai villages », PLoS Medicine, Vol. 5, No.11.

Mondini A., Bronzoni R., Nunes S.H.P., Chiaravalloti Neto F., Massad E., 2009, « Spatio-Temporal Tracking and Phylodynamics of an Urban Dengue 3 Outbreak in São Paulo, Brazil », PLoS Neglected Tropical Diseases, Vol. 3, No.5.

Mondini A., Chiaravalotti Neto F., 2007, « Socioeconomic variables and dengue transmission », Rev Saude Publica, Vol. 41, No.6, 923-30.

Oliveau S., 2010, « Autocorrélation spatiale ; leçons du changement d’échelle », L’Espace Géographique, vol. 39, 51-64.

Olsen S.J., Martuzzi M., Elliot P, 1996, « Cluster analysis and disease mapping-why, when, and how? A step by step guide », British Medical Journal, Vol. 313, No.7061, 863-866.

OMS, 2006, Report of the Scientific Working Group meeting on Dengue, Genève.

Openshaw S., 1983, The modifiable areal unit problem, Norwick, Geo Books.

Raghwani J., Rambaut A., Holmes E.C., Hang V.T., Hien T.T., 2011, « Endemic dengue associated with the co-circulation of multiple viral lineages and localized density-dependent transmission », PLoS Pathogens, Vol; 7, No.6.

Sabchareon A., 2013, « Protective efficacy of the recombinant, live-attenuated, CYD tetravalent dengue vaccine in Thai schoolchildren : a randomised, controlled phase 2b trial », The Lancet, No.380, 1559-1567. DOI : http://dx.doi.org/10.1016/S0140-6736(12)61428-7.

Salem G, 1998, La santé dans la ville, Géographie d’un petit espace dense, Pikine (Sénégal), Paris, Orstom.

Seijo A., 2009, « Dengue 2009 : cronología de una epidemia », Archivos argentinos de pediatría, Vol. 107, No.5, 387-389.

Scott T., Morrison A.C., 2010, « Longitudinal Field Studies Will Guide a Paradigm Shift in Dengue Prevention », Vector Biology, Ecology and Control, 139-161.

Stoddard S.T., Morrison A.C., Vazquez-Prokopec G.M., Paz Soldan V., Kochel T.J., Kitron U., Scott T.W., 2009, « The Role of Human Movement in the Transmission of Vector-Borne Pathogens », PLoS Neglected Tropical Diseases, Vol. 3, No.7. DOI : 10.1371/journal.pntd.0000481.

Stoddard S.T., Forshey B., Morrison A.C., Paz Soldan V., Scott T., 2009, « House-to-house human movement drives dengue virus transmission », PLoS Neglected Tropical Diseases, Vol. 3, No.7.

Tawa-Lama-Rewal S., 2009, « Local democracy and access to health services in Delhi: preliminary remarks », in Vaguet A. (eds.), Indian Health Landcaspes under Globalization, New Delhi, Manohar, 351-370.

Thammapalo S., 2008, « Environmental factors and incidence of dengue fever and dengue haemorrhagic fever in an urban area, southern Thailand », Epidemiology and Infection, 136, 135-143. DOI : 10.1017/s0950268807008126.

Teixeira M.G., Barreto M.L., Costa Mda C., Ferreira L.D., Vasconcelos P.F., Cairncross S., 2002, « Dynamics of dengue virus circulation: a silent epidemic in a complex urban area » Tropical Medicine & International Health, Vol. 7, No.9, 757-62.

Teixeira M.G., Conceicao M., Costa N., Vasconcelos P.F., Cairncross S., 2007, « Exposure to the risk of dengue virus infection in an urban setting: ecological versus individual heterogeneity », Dengue Bulletin, Vol. 31, 36-46.

Telle O, 2011, Aedes : Analyse de l’émergence de la dengue et simulation spatiale, Thèse de doctorat, Université de Rouen.

Telle O., 2011, « Le système indien de surveillance des maladies infectieuses face au risque denguien : croyances et actions de luttes sur les espaces endémiques », Espace, Population, Société, No.2011/1, 47-62. Url : http://eps.revues.org/4335.

Tran A., Deparis X., Dusssart P., Morvan J., Rabarison P., Remy F., 2004, « Dengue spatial and temporal patterns, French Guiana, 2001 », Emerging Infectious Diseases, Vol. 10, No.4. Url : http://wwwnc.cdc.gov/eid/article/10/4/03-0186_article.

Vajpayee M., Mohankumar K., Wali J.P., Dar L., Seth P., Broor S., 1999, « Dengue virus infection during post-epidemic period in Delhi, India », Southeast Asian Journal of Tropical Medical Public Health, Vol. 30, No.3? 507–10.

Vazquez-Prokopec G.M., Kitron U., Montgomery B., Horne P., Ritchie S.A., 2010, « Quantifying the spatial dimension of dengue virus epidemic spread within a tropical urban environment », PLoS Neglected Tropical Diseases. DOI : 10.1371/journal.pntd.0000920.

Vaguet A., 1986, Contribution à la géo-pathologie d’une métropole indienne : Hyderabad., Thèse de doctorat, Université de Rouen.

Haut de page

Annexe

Cartes 6 et 7 : Localisation des clusters repérés par l'analyse spatio-temporelle (fenêtre temporelle : 20j ; Distance : 300m).

Cartes 6 et 7 : Localisation des clusters repérés par l'analyse spatio-temporelle (fenêtre temporelle : 20j ; Distance : 300m).
Haut de page

Notes

1 Chikungunya à la Réunion (Taglioni et Dehecq, 2009), West Nile à Chicago, Détroit (Ruiz et al., 2007) et New York (Magori et al., 2011).

2 Souche qui a circulée à Delhi en 1997 pour une brève occurrence.

3 Quatre sérotypes sont recensés pour la dengue, et, une fois affecté par un sérotype, un individu est immunisé vis-à-vis de ce sérotype.

4 Les IgM sont des anticorps « récents » et les IgG des anticorps « anciens » permettant de détecter les infections à un virus (IgM) ou à une famille de virus données (IgG).

5 Afin d’éviter la confusion avec des maladies dont les symptômes sont proches (chikungunya, fièvre jaune, grippe…). Ce qui justifie du faible nombre de cas à Delhi comparativement à d’autres métropoles qui prennent en compte les cas de dengue non confirmés. Seulement, en 2007, à Mumbai, sur 3 500 cas, seuls 14 sont testés et enregistrés (National institute of virology). On peut ainsi douter des données officielles faisant état de seulement 13 cas cette année.

6 Plusieurs tests ont été réalisés, avec des mailles différentes, et au final, la maille de 250m représente le meilleur compromis afin de rendre compte de l’environnement local et la géographie de la dengue.

7 Modifiable Area Unit Problem. Ce problème, bien connu des géographe, désigne "l’influence du découpage spatial (effets d’échelle et effets de zonage) sur les résultats de traitements statistiques ou de modélisation" (http://www.parisgeo.cnrs.fr/spip.php?article33&lang=fr).

8 Ratio entre le nombre de cas de dengue et le nombre d’individus estimés.

9 Cette année marque en effet la première crise majeure qu’a connue Delhi vis-à-vis de la dengue

10 Les comparaisons entre années doivent cependant être réalisées avec précaution puisque le nombre d’hôpitaux sentinelles n’a cessé d’augmenter depuis 1996.

11 On choisit ici volontairement de prendre une moyenne basse afin de ne pas surestimer le nombre et l’intensité des clusters de dengue, intégrant la période d’incubation (4/5jours), de virémie (5 jours) chez l’homme et les 10 d’incubations chez le moustique.

12 Écologique prend ici le sens du niveau géographique d’analyse, un quartier par exemple.

13 Stoddart et al. démontrent d’ailleurs qu’une partie des individus infectés à Iquitos ont probablement été contaminé lors de visites relationnelles.

14 Appartenance sociale, pratiques religieuses, conditions objectives d’existence.

15 Comme le montre l’introduction de cas de dengue en Europe ; 27 % des 2 400 européens recensés ayant contracté la dengue l’ont été au retour d’un voyage en Inde, alors que ce dernier est officiellement le moins infectés de l’Asean (données OMS).

Haut de page

Table des illustrations

Titre Figure 1: Nombre de cas de dengue recensés à Delhi entre 2001 et 2010.
Légende En bleu, les années étudiées dans cet article.
Crédits Source : municipalité de Delhi.
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-1.png
Fichier image/png, 19k
Titre Cartes 1 et 2 : Taux d'incidences de la dengue en 2008 (à gauche), et 2009 (à droite).
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-2.png
Fichier image/png, 450k
Titre Figures 2 et 3 : Scores Getis-ord General en 2008 (à gauche) et 2009 (à droite).
Légende Relation entre les unités : Distance Inverse, Z Score= 12,13 et 13.5.
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-3.png
Fichier image/png, 201k
Titre Cartes 3 et 4 : Localisation des Hotspots détectés lors de l’analyse Getis-Ord Gi*.
Légende Caractérisation de l’environnement de la métropole indienne
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-4.png
Fichier image/png, 250k
Titre Tableau 1 : Résultat de l’analyse en composante principale portant sur la caractérisation des unités géographique de Delhi.
Légende * Score sur 10. **Score sur 100 *** Source : Eicher City Map. En italique : Taxe foncière MCD.
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-5.jpg
Fichier image/jpeg, 132k
Titre Carte 5 : Cartographie de la typologie socio-économique et environnementales de la NCT de Delhi (FD = Faible Densité, DM= Densité Moyenne, HD= Haute Densité).
Crédits Source; Lefebvre, Cebeillac, Telle.
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-6.png
Fichier image/png, 348k
Titre Figures 4 et 5 : Jour d'enregistrement du premier cas (J0=1er cas enregistré de l'année ), et nombre de cas précoces recensés à moins de 300m, par taille de cluster en 2008 (en haut) et 2009 (en bas).
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-7.png
Fichier image/png, 269k
Titre Cartes 6 et 7 : Localisation des clusters repérés par l'analyse spatio-temporelle (fenêtre temporelle : 20j ; Distance : 300m).
URL http://journals.openedition.org/cybergeo/docannexe/image/26921/img-8.png
Fichier image/png, 934k
Haut de page

Pour citer cet article

Référence électronique

Olivier Telle, « Géographie d’une maladie émergente en milieu urbain endémique, le cas de la dengue à Delhi, Inde », Cybergeo: European Journal of Geography [En ligne], Espace, Société, Territoire, document 718, mis en ligne le 07 avril 2015, consulté le 22 mai 2025. URL : http://journals.openedition.org/cybergeo/26921 ; DOI : https://doi.org/10.4000/cybergeo.26921

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search