Navigation – Plan du site

AccueilRubriquesEnvironnement, Nature, Paysage2024Explorer la répartition spatiotem...

2024
1063

Explorer la répartition spatiotemporelle des piqûres de tiques sur les humains en France : la température moyenne comme indicateur du risque acarologique

Exploring the spatiotemporal distribution of tick bites on humans in France: average temperature as an indicator of acarological risk
Explorando la distribución espaciotemporal de las picaduras de ixodoideos (garrapatas) sobre humanos en Francia: la temperatura promedio como indicador de riesgo acarológico
Khaldoune Hilami, Vincent Godard et Camille Noûs

Résumés

Parmi les maladies à transmissions vectorielles, les maladies à tiques (dont la Borréliose de Lyme) sont celles dont la fréquence des cas est en constante augmentation. L’Europe et l’Amérique du Nord sont particulièrement concernées dans les régions tempérées. Comme il existe une saisonnalité des piqûres de tiques, plus de signalement en été, moins en hiver, nous nous sommes demandés s’il existait des marqueurs climatiques permettant de connaître le début de la saison du risque acarologique pour en informer le public. Grâce à programme de sciences participatives de l’INRAe, CiTIQUE, 22 000 cas géolocalisés en France de piqûres de tiques sur des humains ont été collectés, entre juillet 2017 et avril 2020. Ces signalements ont été appairés avec les conditions météorologiques (issues des bases Météo-France et Dark Sky) qui régnaient au lieu et à la date de chacune des piqûres signalées. Parmi toutes les variables analysées, la température quotidienne moyenne est le meilleur indicateur. Mesurée lors des signalements, elle est significativement plus élevée de presque 6°C que celle du jeu de données témoin (mesure sur des semis de points aléatoirement distribués sur le territoire métropolitain). Cet écart de températures permet d’aller au-delà de la seule activité des tiques à la recherche d’un hôte (l’aléa) et d’intégrer l’enjeu humain – lorsque celui-ci est présent et suffisamment "accessible" (tenue, comportement) – pour que l’interaction transforme l’aléa en risque. Dans le cadre d’un "porter à connaissance" par les pouvoirs publics vers les citoyens qui fréquentent les espaces de nature, cet indicateur est le plus facilement manipulable parmi ceux étudiés dans cet article.

Haut de page

Texte intégral

Introduction

1Les maladies transmises par les tiques sont en constante augmentation en Europe et en Amérique du Nord, sans que l’on sache vraiment si cela correspond à une augmentation de leur incidence et/ou à une augmentation de leur détection par les services de santé (Steere et al., 2016 ; Kilpatrick et al., 2017).

2Parmi les maladies à transmission vectorielle, la borréliose de Lyme (BL) est sans doute celle, pour les régions tempérées de l’hémisphère nord, dont la fréquence des cas sur l’ensemble de son aire de distribution est la plus élevée et ce depuis de nombreuses années (Ward, Brown, 2004). La BL est considérée comme maladie émergente car, depuis 1977, année où elle a été mise en évidence chez les humains (Steere et al., 1977), les dernières décennies ont vu son incidence augmenter rapidement (Stone et al., 2017).

3Longtemps associée à la ruralité, la BL semble pourtant poser une nouvelle problématique de santé publique dans les espaces fortement urbanisés (Rizzoli et al., 2014), et ce en raison d’une plus forte densité humaine et de l’attractivité des grands massifs forestiers périurbains. Pour autant, la présence des tiques ne se cantonne pas à la forêt, elles sont également rencontrées dans les jardins, les pâtures, les friches, etc. (Mulder et al., 2013 ; Zeman et al., 2015) des secteurs ruraux mais également péri-urbains voire urbains.

4Du rural à l’urbain dense en passant par un périurbain plus ou moins lâche, la présence des tiques est attestée, mais la connaissance des conditions d’interaction avec la population – là où les morsures se produisent – reste à construire. De même, cette morsure se produit-elle au printemps, en été, voire en hiver, par temps sec, par temps humide ? Là encore, les connaissances sont lacunaires. Jusqu’à présent, il paraissait difficilement envisageable d’aller plus loin que la simple écologie des espèces de tiques après des campagnes de collectes au drapeau1 sur la végétation (Cohnstaedt et al., 2012 ; Bord et al., 2014) ou par collectage sur des animaux abattus à la chasse (Gilot et al., 1994 ; Kriz et al., 2014) ou bien encore sur des troupeaux domestiques (L’Hostis, 1994 ; Grech-Angelini et al., 2016 ; Bord, Agoulon, 2017), en extrapolant cette infestation aux écosystèmes fréquentés. De plus, dans le cas de la BL, qui n’est pas une maladie à déclaration obligatoire en France, et malgré la présence de réseaux de médecins volontaires, comme ceux du réseau "Sentinelles"2, il est extrêmement difficile de connaître la distribution géographique des cas. Au mieux, c’est à l’échelle régionale, grâce aux cartographies "Sentinelles", qu’il est possible de percevoir les zones et les périodes où la contamination semble se concentrer, croître ou décroître. De ce fait, pour faire de la prévention ou du "porter à connaissance", il est quasiment impossible, à l’heure actuelle, d’analyser les déterminants paysagers et climatiques qui pourraient favoriser la prolifération des tiques et donc des piqûres, ces dernières étant la première étape vers une BL ou autre maladie transmise par les tiques, si celles-ci sont infectées. Pour progresser dans la connaissance des espaces et des conditions de morsures, donc des contaminations potentielles, il est indispensable d’accroître le volume des données à traiter en dépassant la seule collecte effectuée par des équipes scientifiques (Laaksonen et al., 2017). Impliquer les citoyens dans la constitution de bases de données sur des questions de santé est maintenant bien documenté (Ranard et al., 2014). Recourir à la contribution citoyenne pour collecter des données portant sur les morsures de tiques est relativement récent. En Europe, les premières expérimentations furent menées aux Pays-Bas (Garcia-Marti et al., 2018) et sont consultables sur les sites de Natuurkalender3 et Tekenradar4. C’est la solution qui a été retenue pour faire entrer de gros volumes d’informations sur des situations et des lieux variés qui seuls pourront permettre de faire ressortir les déterminants d’exposition aux morsures et donc progresser vers la connaissance du risque. Actuellement, la parcimonie des données ne permet pas de savoir si, pendant la saison acarologique, les jardins ruraux sont plus "à risque" que les forêts périurbaines, en nombre de morsures constatées par exemple. Elle ne permet pas non plus de savoir s’ils le restent toute la saison ou seulement au printemps, avant la dessiccation liée aux chaleurs estivales, qui se feront moins sentir dans les litières forestières. Cette progression des connaissances est un préalable à la constitution d’observatoires dédiés aux maladies transmises par les tiques, dont l’objectif serait de faire de la prévention ou du "porter à connaissance" à partir de signaux climatiques avant-coureurs concernant les espaces les plus favorables à l’interaction tiques-humains, ceux où se produisent les morsures. L’exposition aux tiques et à leurs morsures et les maladies qui en découlent sont le résultat d’une combinaison complexe de facteurs écologiques et comportementaux humains. En quelques années, les maladies à tiques sont devenues un problème important en santé publique et vétérinaire dans de nombreux pays développés (Vayssier-Taussat, Cosson, et al., 2015 ; Vayssier-Taussat, Kazimirova, et al., 2015). Elles sont complexes et relèvent typiquement d’une approche dite "One Health", tant les santés humaine, animale et environnementale se combinent dans leur épidémiologie (Vayssier-Taussat, Cosson, et al., 2015). Leur impact économique (direct et indirect) est considérable (Lohr et al., 2015 ; van den Wijngaard et al., 2017). Ces maladies convoient également une très forte charge émotionnelle dans les sociétés occidentales, en Amérique du Nord comme en Europe, où les citoyens s’inquiètent de cette recrudescence et interpellent les gouvernements et les services de santé (Salomon, Vayssier-Taussat, 2016). Dans ce contexte anxiogène, plusieurs pays européens comme les Pays-Bas, la Belgique, la Suisse et la France, ont initié des plans nationaux ou des projets de recherche participative (Cosson, 2018), dans le but d’impliquer les citoyens pour améliorer les connaissances et la prévention de ces maladies. En France, le projet CiTIQUE5, initié par l’INRAe (l'Institut national de recherche pour l’agriculture, l’alimentation et l’environnement), la DGS (Direction générale de la santé) et l’Anses (Agence nationale de sécurité sanitaire de l’alimentation, de l’environnement et du travail), lancé le 17 juillet 20176, a tout de suite suscité une très forte participation. Les résultats présentés ici s’appuient sur l’implication des citoyens dans la collecte d’informations sur les conditions de la survenue de piqûres de tiques, grâce à l’application "Signalement TIQUE"7. Rappelons que l’utilisation d’Internet puis des smartphones, pour la collecte des données de santé, remonte aux années 2000 (Freifeld et al., 2010 ; Dickinson et al., 2012) et au début des années 2010 pour les signalements de piqûres de tiques (Haddad et al., 2015). La littérature scientifique croisant sciences participatives, collecte de tiques et applications mobiles était encore peu abondante ces dernières années. Cependant, quelques références commencent à être consultables dans la littérature scientifique (Bord et al., 2019). Une des toutes premières publications, concernant une application pour animaux de compagnie, essentiellement les chiens, a été proposée en 2018 aux Pays-Bas (Jongejan et al., 2019) à l’intention des vétérinaires.

5Dans notre étude, sur les trente premiers mois de fonctionnement, entre juillet 2017 et avril 2020, après nettoyage de la base de données, plus de 22 000 signalements ont été enregistrés, dont plus de 17 000 sur des humains et 5 000 sur les animaux de compagnie. Parmi les plus de 20 000 tiques qui ont été archivées dans les "tiquothèques" de l’INRAe, à la suite d’envois liés au programme de sciences participatives CiTIQUE, environ 1 400 tiques piqueuses furent analysées afin d’étudier la distribution géographique en France des agents pathogènes qu’elles contenaient8. Ce n’est pas cet aspect qui est présenté ici, mais celui de la participation citoyenne aux signalements, et surtout de l’enrichissement de ces données par de la donnée météorologique, le but étant d’améliorer la compréhension des conditions météorologiques avant et pendant les piqûres. Si les premières analyses de cette masse de données confirment la nécessité de comprendre les ressorts de la participation citoyenne pour interpréter les résultats, il demeure intéressant de compléter et qualifier ces signalements par de la donnée météorologique, l’objet de cette publication, pour faire le lien entre aléa (présence des tiques dans le paysage) et enjeu (présence concomitante des humains dans ce même paysage) pour évoquer un risque d’exposition. En effet, la littérature scientifique nous renseigne sur l’écologie des tiques et en particulier sur celle qui a le plus fréquemment été fournies par les participants lors des signalements, à savoir Ixodes ricinus, dans 90 % des cas pour la France métropolitaine9. Si les conditions de températures, de précipitations, d’hygrométrie, etc. des signalements s’écartent significativement des conditions climatiques générales constatées sur l’ensemble du territoire au même moment à l’aide d’un jeu de données témoin, nous faisons l’hypothèse qu’il existe une météorologie caractérisant les lieux et conditions de piqûres de tiques et que celle-ci diffère de celle des conditions générales. Notre objectif est également de trouver une ou plusieurs variables, ou combinaison de variables, servant de signal pour déclencher un "porter à connaissance" d’un accroissement du risque acarologique. Nous savions déjà, par les données disponibles dans la littérature, comme le rappellent Ostfeld et Brunner (2015), que ces variables abiotiques, comme le sont les données météorologiques, diffèrent en valeurs, entre le laboratoire et le terrain.

6Avec l’analyse des données de signalements couplées à de la donnée météorologique, nous essayons d’apporter ici des informations sur les conditions d’exposition réelles au risque acarologique, au travers de l’interaction tique-humain, en France métropolitaine, et de fournir un repère à base de paramètres météorologiques qui conditionnerait nos promenades dans les espaces de nature en vue des changement climatiques constatés ou annoncés.

Méthodologie

Carte 1 : Répartition des signalements de piqûres de tiques sur les humains en France entre janvier 2017 et avril 2020 (1191 jours)

Carte 1 : Répartition des signalements de piqûres de tiques sur les humains en France entre janvier 2017 et avril 2020 (1191 jours)

Hilami, 2023
Sources : données du programme CiTIQUE, fond OpenStreetMap project

  • 10 Des études sur le profil des participants sont en cours. Les derniers, actuellement accessibles, so (...)

7Les données qui ont servi à cette étude sont issues d’actes volontaires de citoyens qui ont décidé de contribuer au programme de science participative CiTIQUE. Comme cela a déjà été signalé, depuis une quinzaine d’année avec l’essor des sciences participatives (Cohn, 2008 ; Bonney et al., 2009 ; Silvertown, 2009 ; Wang Wei et al., 2016), l’information, la motivation, l’implication des participants10 sont des paramètres aussi importants, si ce n’est plus, que la présence de l’objet d’étude. Nous ne sommes pas exactement sur les données protocolées des sciences expérimentales obtenues en laboratoire. La carte des signalements (carte 1) en est un bon exemple. Elle n’indique pas où se trouvent les concentrations ou les absences de concentrations de tiques à l’affût mais où se trouvaient des lieux d’interactions tiques-humains par des personnes informées et souhaitant signaler une piqûre. Nous réfléchissons à réduire ce biais méthodologique en explorant des approches bayésiennes pour limiter les erreurs d’estimation (Geldmann et al., 2016 ; Kosmala et al., 2016).

8Un grand nombre de signalements dans un secteur donné peut être le résultat d’une communication plus efficace, comme en Alsace-Lorraine, où est basé le siège de CiTIQUE, ou de la présence d’une forte population, comme en Île-de-France, etc. Si le biais induit par les écarts de population peut être corrigé, celui lié à l’information, voire à la motivation et par la même celui lié à l’engagement citoyen est plus difficile à appréhender. Conscients du manque de comparaison avec des données protocolées pour en évaluer la fiabilité et ayant connaissance d’une littérature nombreuse portant sur l’évaluation des biais des données collectées par les citoyens (Ratnieks et al., 2016 ; Aceves‐Bueno et al., 2017 ; Balázs et al., 2021), nous restons prudents quant à la portée des résultats obtenus surtout en matière de répartition fine, en particulier locale.

Activité, biologie des tiques et information climatique dans la littérature

9Les principaux déterminants climatiques associés à l’activité des tiques décrits dans la littérature scientifique sont la température et l’humidité. Ces paramètres abiotiques sont connus depuis longtemps pour les principales espèces de tiques, en particulier pour Ixodes ricinus sur le continent européen et Ixodes scapularis sur le continent américain. Pour ces tiques du genre Ixodes, il est établi depuis longtemps que le fonctionnement métabolique est conditionné par la température du milieu tout au long de l’année (Lees, Milne, 1951 ; Macleod, 1932). Que ce soit dans les phases de développement ou dans les phases de survie de la tique, la littérature scientifique recense un grand nombre de paramètres relatifs à la température et à l’humidité relative. Le temps de développement biologique est minimal autour de 15°C pour les femelles gorgées et de 20°C pour les larves et nymphes gorgées (Campbell, 1948 ; Ogden et al., 2004), en deçà et au-delà, ce temps de développement augmente.

10L’activité d’Ixodes ricinus ne démarre réellement qu’à partir de 5°C. C’est à partir de cette température qu’elle accumule de l’énergie pour initier son développement (Campbell, 1948). Hauser et ses collègues retiennent une température de 7°C, calculée avec une moyenne mobile sur 5 jours (Hauser et al., 2018). De même, si la survie est courte en dessous de 0°C (Aeschlimann, 1972 ; Herrmann, Gern, 2013), les températures chaudes ne leur sont guère favorables. Il y a cependant peu d’études, même en laboratoire, qui dépassent les 25°C, d’après une recension réalisée par Julie Cat pour sa thèse (Cat, 2017). Toujours sur le principe des moyennes mobiles sur 5 jours, Hauser et ses collègues retiennent une température de 27°C au-delà de laquelle la densité des nymphes décroît significativement (Hauser et al., 2018). Il est donc courant de retenir un optimal de température compris entre 10 et 20°C.

11Comme les tiques s’hydratent par l’humidité atmosphérique, les valeurs d’humidité relative citées comme minimales pour assurer leur développement et leur survie doivent atteindre ou dépasser 80% en milieu naturel (Gray, 1998 ; Boyard et al., 2008). Julie Cat, dans la recension précédemment citée, évoque "Une humidité relative au moins supérieure à 75% […] pour que les tiques puissent s’hydrater pour les phases en développement comme pour les phases actives" (Kahl, 1991, in Cat, 2017).

12Hormis la température et l’humidité relative, les autres déterminants sont peu présents dans la littérature scientifique. Il est possible de trouver quelques références croisant activité des tiques et précipitations (Hauser et al., 2018 ; Hubálek et al., 2004) ou déficit de saturation (Hauser et al., 2018 ; Perret et al., 2000) ou encore vitesse du vent (Mathews-Martin et al., 2020 ; Hubálek et al., 2004), mais elles sont plus rares et peu citées. Il s’agit donc ici de défricher un domaine relativement vierge car, pour le moment, seule l’activité des tiques en lien avec la météorologie a été analysée et non le risque acarologique pris en compte au travers des signalements de piqûres en relation avec d’autres facteurs météorologiques que les seuls températures et taux d’humidité.

Signalement TIQUE/CiTIQUE

13La connaissance de l’aire de distribution d’Ixodes ricinus en France est, depuis longtemps, bien décrite. Une synthèse reprenant les travaux de B. Gilot (1985), de Gilot et Pérez-Eid (1998) ou de Pérez-Eid (2007), puis complétée par des travaux du réseau VBORNET11 et de l’EFSA12 permet de considérer que peu de parties du territoire métropolitain français échappent à cette tique dure (Fontenille et al., 2013, p.3). Cette synthèse opérée par Fontenille indique qu’à l’exception de zones au-delà de 1 500 m d’altitude et des zones les plus sèches du pourtour méditerranéen, Ixodes ricinus est potentiellement partout. Depuis les années 1980, différents auteurs se sont penchés sur l’évolution de l’aire de répartition des tiques hématophages en général et d’Ixodes ricinus en particulier. Une synthèse d’une large part des travaux disponibles permet de constater que cette aire de répartition a tendance à gagner en altitude et en latitude (Léger et al., 2013). Il est souvent admis que les principaux facteurs qui influencent cette extension se regroupent en une composante paysagère et une composante climatique (Marsot et al., 2017), toutes les deux étant influencées par les activités humaines (Medlock et al., 2013). C’est de la composante climatique dont il s’agit dans cet article, élaborée par la collecte des données météorologiques au moment et aux jours précédant le moment où le participant a "collecté" la tique responsable de la piqûre détectée. Elles proviennent du distributeur et agrégateur de données climatiques historiques Darksky.net13 ainsi que de Météo-France, et non pas de capteurs disséminés à hauteur des tiques dans les sous-bois, les parcs ou les jardins. Elles viennent qualifier les données issues des signalements envoyés par les "collecteurs" et fournies par l’application "Signalement TIQUE"14, que ce soit via un smartphone ou un ordinateur, fixe ou portable (cf. infra).

14Les données de signalements du lieu et date de piqûre consistent principalement en : un identifiant unique généré à la saisie ; des dates (de piqûre, de saisie) ; un couple de coordonnées géographiques (obtenu par un pointeur sur une carte numérique géoréférencée) ; le sexe du répondant et son âge ; le nombre de tiques collectées ; une estimation de la précision du lieu et de la date ; un descriptif du lieu (décrit en : forêt, jardin privé, parc urbain, prairie, zone agricole cultivée ou autre à préciser) ; l’activité qui était pratiquée par le signalant au moment du contact (activité professionnelle, lieu de résidence, randonnée-promenade-pique-nique, sortie scolaire, scoutisme ou autre à préciser). Un formulaire papier comprenant toutes ces rubriques est également téléchargeable sur le site de CiTIQUE15.

Collecte des données climatiques historiques de Dark Sky et Météo-France

Préparation des données

  • 16 Le détail des prétraitements est développé dans Hilami et al., 2022

15Le jeu de données brutes issu des collectes du projet CiTIQUE comporte des signalements concernant les humains et les animaux de compagnie. Ces signalements s’étalent sur une période allant du 17 janvier 2017 au 04 avril 2020. Les "saisons" de collecte, quant à elles, sont qualifiées selon les quatre années principales d’activité, soit 2017, 2018, 2019 et 2020. Le tableau 1 présente le nombre de signalements bruts, prétraités et nettoyés16, puis finaux et qualifiés prêts à l’analyse.

Tableau 1 : Nombre des tiques signalées et conservées en fonction de l’étape du traitement informatique

Année de collecte

Humains

Animaux

PT

T

NET

PT

T

NET

2017

3 586

3 271

2 979

1 920

991

952

2018

8 636

7 546

6 412

2 376

2 052

1 914

2019

5 516

5 277

5 266

2 096

2 070

2 060

Total

17 134

16 094

14 657

5 762

5 113

4 926

La période de signalements pour les animaux est comprise entre le 13/01/2017 et le 28/02/2020
PT=pré-traitement. T=traitement. NET=nettoyé

Hilami, 2020
Source : données du programme CiTIQUE

16Après avoir éliminé les localités hors France métropolitaine et uniformisé les dates au format "ISO 8601"17, un relevé météorologique est associé à chaque date de signalements. La description des conditions météorologiques relevées le jour de la piqûre est faite par interrogation du silo de donnée climatique Dark Sky avec leur interface (API)18. Le déclarant ayant fourni uniquement la date de morsure, l’interrogation récupère une valeur journalière interpolée entre les stations météorologiques les plus proches sur vingt-quatre heures19. Les principaux paramètres météorologiques quotidiens sont les suivants : températures enregistrées et ressenties (moyenne, min, max, jour et nuit avec l’heure d’enregistrement) ; couvert nuageux estimé (en pourcentage) ; point de rosée (en degrés C°) ; humidité relative (en pourcentage) ; précipitations (quantité, intensité moyenne par heure (mm/h), maximum d’intensité (mm/h)) ; pression atmosphérique en hectopascal (hPa) au niveau de la mer ; indice de rayonnement ultra-violet (plus le temps d'enregistrement du maximum de rayonnement ultra-violet) ; visibilité atmosphérique (en km) ; vent (direction, force moyenne, vitesse des rafales et heure d’enregistrement). La liste complète est disponible sur le site relatif à l’API20 de Dark Sky et de Météo-France. Deux documents récapitulatifs et explicatifs sont également disponibles sur le dépôt en ligne du projet21. Certains paramètres comme la température sont déclinés en températures nocturne et diurne, vues les différences évidentes entre les deux périodes de la journée. Le demi-intervalle est utilisé ici pour calculer la température moyenne du jour du signalement.

17Dans le cadre de la politique dite "Open Data", les codes et scripts ayant permis ce traitement sont disponibles et consultables dans un dépôt à contrôle versionné ou Git22.

Comparaison des sources de données météorologiques

Carte 2 : Répartition des 42 stations synoptiques de Météo-France et du maillage systématique pour extraire la donnée climatique de Dark Sky

Carte 2 : Répartition des 42 stations synoptiques de Météo-France et du maillage systématique pour extraire la donnée climatique de Dark Sky

Hilami, 2020.
Sources : données Météo France et Dark Sky, fond OpenStreetMap project

18Pour comparer les conditions climatiques caractérisant les signalements de piqûres et les conditions contextuelles générales, il était indispensable de connaître quotidiennement – sur un échantillon représentatif de l’ensemble du territoire métropolitain – la valeur des principaux paramètres météorologiques. La logique aurait voulu que l’on se tourne vers l’opérateur national français, Météo-France. Or, en 2017, lorsque nous avons initié ce projet, les échanges que nous avons eus avec les services concernés de Météo-France nous ont incité à nous tourner vers un autre fournisseur. Nous avons retenu le fournisseur Dark Sky, dont nous avons testé la pertinence des données par rapport aux données de référence, à savoir, les 42 stations synoptiques (carte 2) en libre accès issues des 554 stations métropolitaines du réseau Radome23 de Météo-France.

19Les deux jeux de données ont été uniformisés (Hilami et al., 2022) et limités aux dates de l’étude, soit 1 191 dates. Les comparaisons ont été menées sur les données qui étaient en commun dans les deux jeux constitués à partir de la base synoptique Météo-France et de la base Dark Sky. Il s’agit des données quotidiennes moyennes telles : la couverture nuageuse (Cloud Cover), le point de rosé (Dew Point), le taux d’humidité relative (Humidity), l’intensité des précipitations (Precipitation intensity), la pression ramenée au niveau de la mer (Pressure at sea level), la température moyenne sur 24 heures (Temperature), la température minimum sur 24 heures (Temperature low), la température maximum sur 24 heures (Temperature high), la visibilité (Visibility), les rafales de vents (Wind Gust) et la vitesse du vent (Wind Speed). Ces paramètres ont été traités comme des données appariées sur lesquelles nous avons appliqué le test de Wilcoxon [paquet wilcox.test, logiciel R, version 4.0.3]. Les résultats des tests sont regroupés dans le tableau 2 et présentées au chapitre des résultats.

20Dans cette étude, la base météorologique Dark Sky est donc utilisée pour, d’une part, enrichir les signalements et, d’autre part, constituer un jeu de données témoin "France entière" permettant de tester si les conditions climatiques de signalements diffèrent significativement des conditions climatiques générales, encore qualifiées de "témoin", l’objectif étant de vérifier si les signalements s’effectuent dans un contexte climatique spécifique ou identique aux conditions climatiques générales de la même période. Ce jeu témoin "France entière" a été constitué à l’aide d’un maillage spatiale systématique de 700 points (carte 2). À chacun des 700 points de la maille, une extraction pour les 1 191 journées de la période d’étude a été réalisée, soit 833 700 échantillons. Ce deuxième jeu de données constitue l’échantillon climatique témoin auquel est comparé celui qualifiant les signalements.

Échantillonnage des signalements et des données météorologiques

21Pour permettre les comparaisons entre les conditions météorologiques des signalements et celles du jeu témoin, nous avons échantillonné les mêmes indicateurs (valeurs centrales ou fonctions de répartition d’une distribution) pour chaque variable. Ces indicateurs (centiles, déciles, quartiles, médiane, moyenne), par couple de variables (reporting vs random ou signalements vs témoins), ont été obtenus par simulations en échantillonnant avec remise selon la méthode de rééchantillonnage dite du "bootstrap", publiée pour la première fois par B. Efron (1979). Plusieurs bibliothèques dans R sont disponibles, comme "boot", "bootstrap", également la fonction "boot.ci" pour obtenir les intervalles de confiance (Carpenter, Bithelle, 2000). Nous avons toutefois préféré programmer nos itérations à partir des formules proposées par D. Poinsot (2005) qui décomposent la procédure.

22À titre d’exemple, pour la température quotidienne, cinquante températures associées à des dates de signalement sont échantillonnés avec la fonction "sample()" de R sur lesquelles est calculé le premier décile qui est stocké dans un tableau de données (dataframe). Cette opération est reproduite mille fois à l’aide d’une boucle pour constituer un tableau de mille premiers déciles. Sur ce millier de premiers déciles, une moyenne est calculée ainsi qu’un intervalle de confiance à 95 % pour encadrer cette moyenne. Cette opération a été faite systématiquement pour les températures associées aux signalements et les températures associées aux lieux témoins. Le même processus est ensuite reproduit par la même méthode du bootstrap en calculant cette fois-ci non plus le premier décile mais la moyenne de l’échantillon de 50 températures. L’opération est à nouveau reproduite mille fois et sur ces milles moyennes d’échantillon, une moyenne générale et un intervalle de confiance sont calculés sur les températures moyennes des signalements et des lieux témoins. Enfin, la même opération est reproduite sur le neuvième décile, les quartiles, les centiles, etc. sur des échantillons de 50 tirages avec remise. À la suite des températures déjà évoquées, neuf autres variables ont été échantillonnées par bootstrap. Les scripts sous R sont disponibles en libre accès sur la plateforme Git24. Les résultats des premiers déciles moyens, des moyennes et des neuvièmes déciles moyens accompagnés de leur intervalle de confiance respectif sont regroupés dans le tableau 3 des paramètres climatiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux. Dans le tableau 4, ce sont les résultats des premiers quartiles moyens, des deuxièmes quartiles (médianes) moyens et des troisièmes quartiles moyens accompagnés de leur intervalle de confiance respectif et, dans le tableau 5 et 6, quelques-uns des centiles des deux paramètres les plus significatifs statistiquement.

23La comparaison des paramètres de chaque couple, signalements et lieux témoin, aurait pu suffire pour pointer les différences, mais il nous a paru intéressant de montrer également l’amplification du décalage selon que l’on s’intéresse aux 10 % des valeurs les plus faibles (premier décile), ou aux 10 % des valeurs les plus élevées (neuvième décile) de la variable, par exemple. Des figures reprenant ces paramètres sont également présentées pour visualiser l’écart ou l’absence d’écart entre les signalements et les témoins pour chaque variable. On peut non seulement visualiser le décalage entre la courbe des témoins et celles des signalements, mais également une asymétrie du décalage qui explique pourquoi l’écart au premier décile, par exemple pour les températures, est significatif et ne l’est plus au neuvième décile (figure 5A) qu’il est difficile de percevoir à la lecture d’un intervalle de confiance.

24Nous devons toutefois rappeler, pour les résultats présentés maintenant, qu’ils sont les prémisses de séries plus longues (la collecte se poursuit via Signalement TIQUE) et qu’ils devront être consolidés dans les années à venir en accumulant les données de signalements et la météorologie qui leur est associée pour confirmer et accroître leur robustesse.

Résultats

Signalements et bases de données météorologiques

Répartition des signalements sur la période d’étude

25La première série de résultats présentée concerne la répartition des signalements sur la période d’étude, soit 1 191 jours répartis du 15 juillet 2017, date officielle du lancement de l’opération de collecte collaborative, jusqu’au 4 avril 2020, peu après le début du premier confinement.

26La figure 1 reprend l’ensemble des signalements sur les humains. Elle matérialise la répartition pluriannuelle des signalements de mi 2017 à début 2020. Les pics et les creux de signalements rappellent ceux de l’activité biologique des tiques. Cependant, les transitions sont plus abruptes et centrées sur l’été que la seule activité des tiques présentée sur la figure 2. Cette question sera abordée au chapitre des discussions.

Figure 1 : Répartition temporelle des signalements en France entre janvier 2017 et avril 2020 (1191 jours)

Figure 1 : Répartition temporelle des signalements en France entre janvier 2017 et avril 2020 (1191 jours)

Hilami, 2021.
Sources : données du programme CiTIQUE

Figure 2 : Profil-type de l’activité d’I. ricinus sur une année

Figure 2 : Profil-type de l’activité d’I. ricinus sur une année

Sources : Kurtenbach et al., 2006 (in Cat, 2017)

Météo-France vs Dark Sky

27Cette deuxième série de résultats concernent les données météorologiques dans leur ensemble. En premier lieu, comme nous n’avions pas accès aux données issues des 554 stations du réseau Radome de Météo-France, nous avons sélectionné les variables Dark Sky qui ne différaient pas significativement de celles issues des 42 stations synoptiques de Météo-France. En second lieu, à partir des données Dark Sky issues de cette sélection, nous avons procédé à des comparaisons entre les données associées aux jeux témoins et celles associées aux signalements.

28La significativité des différences entre les variables climatiques issues des données Météo-France et celles issues de Dark Sky a été testée à l’aide du test de Wilkinson sur des données appariées (logiciel R, version 4.0.3). L’absence de différences est démontrée pour la moitié des paramètres communs aux deux bases de données (tableau 2 et figure 3).

Tableau 2 : Test de Wilkinson sur la significativité de l’écart entre 42 stations synoptiques Météo-France (MF) et leur équivalent Dark Sky (DS) sur les moyennes quotidiennes de 11 paramètres climatiques, sur les données récoltées en France entre janvier 2017 et avril 2020 (1 163 jours)

Variables météorologiques

Wilcox.test DS vs MF

p.value DS vs MF

Cloud Cover

353918.5

1.59340934647312E-99**

Dew Point

708416

0.960842956

Humidity

682276

0.107909245

Precipitation Intensity

120330

2.22659078436252E-247**

Pressure at sea level

654606.5

0.510847674

Temperature

736229

0.107833828

Visibility

7853.5

0**

Wind Gust

1080694

1.97669570230878E-163**

Wind Speed

719398.5

0.545039039

temperaturehigh

913930

3.27137586792281E-34**

temperaturelow

563220

3.31292262415113E-18**

** : différence significative

Hilami, 2021.
Sources : Météo France et Dark Sky, Wilcox.test dans le programme R version 4.0.3

29Dans la mesure où les données Dark Sky sont une combinaison de plusieurs sources de données25, nous pensions observer un décalage important entre les deux jeux de paramètres. Six d’entre eux diffèrent significativement. Il s’agit des paramètres couverture nuageuse (Cloud Cover), intensité des précipitations (Precipitation intensity), température minimum sur 24 heures (Temperature low), température maximum sur 24 heures (Temperature high), visibilité (Visibility) et rafales de vents (Wind Gust). Ces six paramètres ne sont pas conservés dans la suite des analyses et discussions.

30En revanche, pour les cinq autres paramètres, à savoir le point de rosé (Dew Point), le taux d’humidité (Humidity), la pression ramenée au niveau de la mer (Pressure at sea level), la température (Temperature) et la vitesse du vent (Wind Speed), la p-value du test de Wilkinson est trop élevée pour que l’on puisse conclure à une différence significative entre les jeux de données Météo-France et Dark Sky. Ils sont donc conservés pour évaluer leur pertinence dans le cadre du "porter à connaissance" qui vise à sensibiliser ou prévenir d’un risque acarologique.

Figure 3 : Profils comparés de 11 paramètres climatiques pour 42 stations synoptiques de Météo-France et leur équivalent Dark Sky

Figure 3 : Profils comparés de 11 paramètres climatiques pour 42 stations synoptiques de Météo-France et leur équivalent Dark Sky

Légende : courbe bleue - semis régulier Dark Sky ; diagramme en barres vert - stations synoptiques Météo France.

Hilami, 2021.
Sources : données climatiques Météo-France et Dark Sky

31La lecture des graphiques présentés sur la figure 3 "donne à voir" le résultat des tests. Il y a une bonne superposition de la courbe bleue (données Dark Sky) sur le diagramme en barres vert (Météo-France) pour les graphes 3A (temperature), 3D (humidity), 3E (dewpoint), 3F (pressure) et 3G (windspeed). Pour ces variables, les tests de Wilkinson n’indiquent pas de différences significatives entre les données Dark Sky et Météo-France (tableau 2). La superposition est moins bonne, avec un léger ou fort décalage de la courbe bleue par rapport au diagramme en barres vert, pour les autres variables, à savoir 3B (temperaturelow), 3C (temperaturehigh), 3H (visibility), 3I (cloudcover), 3J (windgust) et 3K (precipintensity). Pour ces variables, les tests de Wilkinson indiquent des différences significatives entre les données Dark Sky et Météo-France (tableau 2).

Caractérisation climatique des signalements

32Les données Dark Sky sur la figure 4 ont servi à représenter les profils météorologiques au moment des signalements de piqûres, profils que nous avons comparés avec ceux des jeux-témoins collectés sur l’échantillon représentatif de l’ensemble du territoire. Nous avons représenté, en fonction des dates des signalements, les différents paramètres, des températures aux vitesses du vent, sous la forme d’un semis de points bleus (lissé en noir) pour les signalements et la courbe verte (lissée en rouge) pour les valeurs témoins (figure 4). Chaque semi a été lissé avec la fonction "geom_smooth()"26 de ggplot27 du logiciel R (version 4.0.3), pour obtenir les courbes d’interpolation présentées sur les figures 4 A à E.

Figure 4 : Profils temporels des variables météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux, en France du 31 mars 2017 au 5 avril 2020 (1100 jours)

Figure 4 : Profils temporels des variables météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux, en France du 31 mars 2017 au 5 avril 2020 (1100 jours)

Hilami, 2021.
Sources : données du programme CiTIQUE, données Dark Sky

33C’est cette interpolation qui permet de repérer le décalage entre les paramètres météorologiques des signalements (courbes noires) et ceux des données témoins (courbe rouges) pour chaque variable. C’est l’amplitude du signal entre l’été et l’hiver combinée au découplage des deux courbes pour la température (figure 4A) et le point de rosé (figure 4C) qui facilite le repérage des variables susceptibles d’être les indicateurs recherchés dans le cadre du "porter à connaissance" pour sensibiliser ou prévenir d’un risque acarologique. Cette approche visuelle permet d’identifier les paramètres répondant à notre objectif et de rejeter ceux qui, de par le manque d’amplitude ou de découplage entre les courbes (figures 4B, 4E, 4F) ne peuvent être retenus, est complétée par des tests statistiques et détaillée ci-après.

34Une autre approche visuelle de sélection de variables pertinentes pour notre "porter à connaissance" est proposée avec la figure 5. Là encore, les graphiques présentés ont servi à visualiser les décalages entre les données météorologiques associées aux jeux témoins, diagramme en barres vert, et celles associées aux signalements, courbe bleue.

Figure 5 : Profils météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de janvier 2017 au 5 Avril 2020 (1191 jours)

Figure 5 : Profils météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de janvier 2017 au 5 Avril 2020 (1191 jours)

Légende : courbe bleue - semis régulier (random) Dark Sky ; histogramme vert - météo associée aux signalements (reporting).

Hilami, 2021.
Sources : données du programme CiTIQUE, données Dark Sky

35Contrairement à la figure 4, où la saisonnalité des décalages est perceptible – le temps est en abscisse, et l’unité en ordonnée – sur la figure 5, où l’unité de la variable est en abscisse et la fréquence en ordonnée, cette saisonnalité disparaît au profit d’une information sur le décalage vers les plus ou en moins fortes valeurs des signalements par rapport au jeu témoin. Pour les températures (figure 5A), les signalements (diagramme en barres vert) sont décalés vers les fortes valeurs par rapport au jeu témoin (courbe bleue). De même pour le point de rosé (figure 5C). Cela signifie que les participants signalent à des températures plus élevées que le jeux témoin. En revanche pour l’humidité (figure 5B), la pression (figure 5D) et la vitesse du vent (figure 5E), le décalage est faible ou inexistant. Éventuellement, les participants signalent pour des valeurs plus faibles que le jeux témoin. Cette impression visuelle est-elle corroborée par les résultats des tests statistiques ?

Températures moyennes

36Quelle est la particularité des températures (variable "temperature", moyenne des températures sur 24h, de minuit à minuit) associées aux signalements par rapport aux températures témoins ? Comme tracés sur la figure 5 (figure 5A), les signalements (Reporting) se produisent pour des températures nettement plus chaudes que pour les températures témoins (Random). Pour la moyenne des températures quotidiennes moyennes, l’écart est de presque 6°C en faveur du signalement (Mean, tableau 3). La moyenne des températures moyennes des signalements est de 17,6°C (intervalle de confiance, IC, à 95 % de [16,3°C ; 18,9°C]) alors qu’elle n’est que de 11,7°C (IC à 95 % de [9,8°C ; 13,4°C]) pour la moyenne des températures témoins moyennes pour les mêmes périodes.

Tableau 3 : Valeur des premiers déciles, moyennes et neuvièmes déciles des paramètres climatiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux, en France de juillet 2017 à avril 2020 (966 jours)

Variables météorologiques

Origine de l’échantillon

1er décile

Intervalle de confiance autour du 1er

décile

moyenne

Intervalle de confiance

autour de la moyenne

3ème décile

Intervalle de confiance

autour du 3ème décile

temperature

Signalements

11,5°C

[8,7°C ; 14°C]

17,6°C

[16,3°C ; 18,9°C]

23°C

[21,3°C ; 24,8°C]

Aléatoire

(semis)

3,3°C

[0,9°C ; 5,8°C]

11,7°C

[9,8°C ; 13,4°C]

20,7°C

[17,8°C ; 23,6°C]

temperaturehigh

Signalements

16,2°C

[13,3°C ; 19,1°C]

23,1°C

[21,6°C ; 24,7°C]

29,6°C

[27,4 °C ; 32°C]

Aléatoire

(semis)

6,9°C

[4,3°C ; 9,4°C]

16,4°C

[14,2°C ; 18,7°C]

27°C

[23,2 °C ; 30,4°C]

humidity

Signalements

57,60 %

[52,5 % ; 62,8 %]

71,60 %

[68,5 % ; 74,3 %]

85 %

[81 % ; 90,1 %]

Aléatoire

(semis)

57,30 %

[50 % ; 64 %]

74,70 %

[71,2 % ; 78,3 %]

89,90 %

[85,2°C ; 94,2°C]

dewpoint

Signalements

6°C

[3,3°C ; 8,6°C]

11,5°C

[10,3°C ; 12,7°C]

16,2°C

[15°C ; 17,3°C]

Aléatoire

(semis)

-1,3°C

[-4,6°C ; 1,7°C]

6,5°C

[4,7°C ; 8,1°C]

14°C

[11,6°C ; 15,9°C]

pressure

Signalements

1010,6 hPa

[1005,9 hPa ; 1014,1 hPa]

1017,1 hPa

[1015,2 hPa ; 1019,2 hPa]

1023,6 hPa

[1020,8 hPa ; 1026,8 hPa]

Aléatoire

(semis)

1006,7 hPa

[1000,4 hPa ; 1011,7 hPa]

1017,6 hPa

[1014,9 hPa ; 1020,2 hPa]

1028 hPa

[1023,8 hPa ; 1032,7 hPa]

windspeed

Signalements

1,4 m/s

[1,1 m/s ; 1,7 m/s]

2,7 m/s

[2,4 m/s ; 3,1 m/s]

4,3 m/s

[3,5 m/s ; 5,2 m/s]

Aléatoire

(semis)

1,3 m/s

[1 m/s ; 1,7 m/s]

3,2 m/s

[2,7 m/s ; 3,8 m/s]

5,7 m/s

[4,4 m/s ; 7,3 m/s]

visibility

Signalements

9,1 km

[7,9 km ; 9,8 km]

11,9 km

[11 km ; 12,7 km]

16,1 km

[16,1 km ; 16,1 km]

Aléatoire

(semis)

9 km

[7,3 km ; 9,9 km]

12,96 km

[12 km ; 13,9 km]

16,1 km

[16,1 km ; 16,1 km]

cloudcover

Signalements

18,90 %

[3,6 % ; 38 %]

59,80 %

[51,2 % ; 68,2 %]

90 %

[83 % ; 95,8 %]

Aléatoire

(semis)

17,50 %

[2 % ; 39 %]

64,20 %

[55,1 % ; 73,2 %]

95,70 %

[90,5 % ; 99 %]

windgust

Signalements

3,3 m/s

[2,3 m/s ; 4,4 m/s]

7 m/s

[5,8 m/s ; 8,3 m/s]

11,7 m/s

[8,9 m/s ; 14,9 m/s]

Aléatoire

(semis)

3,4 m/s

[2,4 m/s ; 4,6 m/s]

8,9 m/s

[7,4 m/s ; 10,4 m/s]

15,3 m/s

[12,6 m/s ; 18,4 m/s]

uvindex

Signalements

2,9

[1 ; 4]

5,5

[4,8 ; 6,1]

8

[7 ; 9]

Aléatoire

(semis)

0,8

[0 ; 1]

3,1

[2,5 ; 3,8]

6,2

[5 ; 8]

Godard, 2021.
Sources : données du programme CiTIQUE, données Dark Sky

37Avec un écart à peine supérieur, 6,7°C en faveur du signalement (median, tableau 4), la médiane des températures moyennes des signalements est de 18°C (intervalle de confiance, IC, à 95 % de [16,5°C ; 19,5°C]) alors qu’elle n’est que de 11,3°C (IC à 95 % de [8,9°C ; 14,1°C]) pour la médiane des températures témoins moyennes pour les mêmes périodes. Moyenne et médiane sont pratiquement superposées.

Tableau 4 : Valeur des premiers quartiles, duxièmes quartiles (médiane) et troisièmes quartiles des paramètres climatiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de juillet 2017 à avril 2020 (966 jours)

Variables Météorologiques

Origine de l’échantillon

1er quartile

Intervalle de confiance

autour du 1er quartile

médiane

Intervalle de confiance

autour de la médiane

3ème quartile

Intervalle de confiance

autour du 3ème quartile

temperature

Reporting

14,8°C

[12,8°C ; 16,7°C]

18°C

[16,5°C ; 19,5°C]

20,8°C

[19,2°C ; 22,3°C]

Random

6,8°C

[4,6°C ; 9,2°C]

11,3°C

[8,9°C ; 14,1°C]

16,5°C

[13,6°C ; 19,2°C]

temperaturehigh

Reporting

19,9°C

[17,6°C ; 21,8°C]

23,6°C

[21,7°C ; 25,2°C]

26,9°C

[25,1°C ; 28,6°C]

Random

10,4°C

[8°C ; 13°C]

15,6°C

[12,7°C ; 19,1°C]

22,1°C

[18,3°C ; 25,5°C]

humidity

Reporting

64,30 %

[60 % ; 68,3 %]

71,80 %

[68 % ; 75,5 %]

79,10 %

[75 % ; 83 %]

Random

66,50 %

[60,3 % ; 73 %]

76,40 %

[71,5 % ; 81 %]

84,30 %

[80°C ; 88°C]

dewpoint

Reporting

9,3°C

[7,3°C ; 10,9°C]

12,2°C

[10,7°C ; 13,5°C]

14,6°C

[13,4°C ; 15,7°C]

Random

2,4°C

[-0,1°C ; 4,6°C]

6,7°C

[4,4°C ; 9,2°C]

11°C

[8,9°C ; 13,1°C]

pressure

Reporting

1014,1 hPa

[1011,7 hPa ; 1016,3 hPa]

1017,2 hPa

[1015,2 hPa ; 1019,2 hPa]

1020,5 hPa

[1018,3 hPa ; 1022,7 hPa]

Random

1012,9 hPa

[1009 hPa ; 1016,2 hPa]

1018,1 hPa

[1015,4 hPa ; 1020,8 hPa]

1022,9 hPa

[1020 hPa ; 1026,1 hPa]

windspeed

Reporting

1,8 m/s

[1,5 m/s ; 2,2 m/s]

2,5 m/s

[2,1 m/s ; 2,8 m/s]

3,3 m/s

[2,8 m/s ; 3,9 m/s]

Random

1,9 m/s

[1,5 m/s ; 2,3 m/s]

2,8 m/s

[2,2 m/s ; 3,4 m/s]

4,1 m/s

[3,3 m/s ; 5,1 m/s]

visibility

Reporting

9,9 km

[9,5 km ; 10 km]

10,2 km

[10 km ; 13,5 km]

15,5 km

[10,5 km ; 16,1 km]

Random

10 km

[9,5 km ; 10,6 km]

14,26 km

[10 km ; 16,1 km]

16,1 km

[16,1 km ; 16,1 km]

cloudcover

Reporting

41,20 %

[22,5 % ; 58 %]

66,20 %

[51 % ; 76,5 %]

81,70 %

[73,5 % ; 88 %]

Random

44,10 %

[24,8 % ; 62,8 %]

72,40 %

[59 % ; 82 %]

88,40 %

[81 % ; 94,5 %]

windgust

Reporting

4,4 m/s

[3,4 m/s ; 5,5 m/s]

6,3 m/s

[5 m/s ; 7,8 m/s]

9 m/s

[7 m/s ; 11,3 m/s]

Random

5 m/s

[3,7 m/s ; 6,7 m/s]

8,1 m/s

[5,9 m/s ; 10,2 m/s]

12,2 m/s

[9,8 m/s ; 14,5 m/s]

uvindex

Reporting

4,3

[4 ; 5]

5,6

[5 ; 6]

6,9

[6 ; 8]

Random

1,2

[1 ; 2]

2,8

[2 ; 4]

4,6

[4 ; 6]

Godard, 2021
Sources : données du programme CiTIQUE, données Dark Sky

38Pour le premier décile, l’écart est encore plus significatif avec une différence de 8,2°C. La température moyenne au premier décile des signalements est de 11,5°C (IC à 95 % de [8,7°C ; 14°C]) alors qu’elle n’est que de 3,3°C (IC à 95 % de [0,9°C ; 5,8°C]) pour les températures témoins moyennes au premier décile pour les mêmes périodes (tableau 3). Du fait de l’amplitude et de l’asymétrie des données témoin (Random), il y a un rattrapage dans les hautes valeurs de températures de la courbe témoin sur la courbe des signalements (figure 5A). Les intervalles de confiance des températures moyennes du neuvième décile, entre les témoins et les signalements, ne sont plus significativement différents, ils se chevauchent (IC à 95 % de [21,3°C ; 24,8°C] pour les signalements et [17,8°C ; 23,6°C] pour les témoins). De toutes façons, si c’était un décile qui devait être utilisé pour faire le "porter à connaissance" vers le public, ce serait le premier, celui qui voit les 10 premiers p.100 de signalements liés à la remontée des températures, signe de la reprise des interactions entre tiques et humains.

Tableau 5 : Valeurs des centiles 1, 2 et 3 pour les températures moyennes associées aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de juillet 2017 à avril 2020 (966 jours)

Variables météorologiques

Origine de l’échantillon

1er centile

Intervalle de confiance

autour du 1er centile

2ème centile

Intervalle de confiance

autour du 2ème centile

3ème centile

Intervalle de confiance

autour du 3ème centile

temperature

Signalements

6,6°C

[1,72°C ; 10,5°C]

7,7°C

[3,9°C ; 11,3°C]

8,4°C

[4,6°C ; 12,1°C]

Aléatoire (semis)

-1,7°C

[-7,0°C ; 2,5°C]

-0,4°C

[-4,8°C ; 3,4°C]

0,2°C

[-4,2°C ; 3,2°C]

Godard, 2023.
Sources : données du programme CiTIQUE, données Dark Sky

39La fonction de répartition en centiles permet d’affiner le seuil limite entre températures de signalements significativement différentes ou non d’un tirage aléatoire. La température moyenne au premier centile des signalements est de 6,6°C (IC à 95 % de [1,72°C ; 10,5°C]) alors qu’elle n’est que de -1,7°C (IC à 95 % de [-7,0°C ; 2,5°C]) pour les températures témoins moyennes au premier centile pour les mêmes périodes (tableau 5). Bien que cette différence soit de 8,3°C, les intervalles de confiance qui encadrent ces températures moyennes du premier centile, entre les témoins et les signalements, se chevauchent. Elles ne sont pas significativement différentes pour le premier centile.

40En revanche, pour le deuxième centile, l’écart est significatif. Avec une différence de 8,1°C, la température moyenne au deuxième centile des signalements est de 7,7°C (IC à 95 % de [3,9°C ; 11,3°C]) alors qu’elle n’est que de -0,4°C (IC à 95 % de [-4,8°C ; 3,4°C]) pour les températures témoins moyennes au deuxième centile pour les mêmes périodes (tableau 5). Nous constatons que, cette fois-ci, les intervalles de confiance des températures moyennes du deuxième centile, entre les témoins et les signalements, sont significativement différents, ils ne se chevauchent plus.

Taux d’humidité

41Comme vu sur le graphe de la figure 5 (figure 5B), les signalements (Reporting) se produisent pour des taux d’humidité à peine légèrement plus faibles que pour les taux d’humidité témoins (Random). Le taux d’humidité quotidien moyen présente un écart de 3,1 % en faveur des taux d’humidité témoins (Mean, tableau 3). Le taux d’humidité moyen des témoins est de 74,7 % (intervalle de confiance, IC, à 95 % de [71,2 % ; 78,3 %]) alors qu’il n’est que de 71,6 % (IC à 95 % de [68,5 % ; 74,3 %]) pour le taux d’humidité moyen des signalements pour les mêmes périodes (tableau 3). L’écart n’est pas significatif, les intervalles de confiance se chevauchent. Au vu des données dont nous disposions, le taux d’humidité n’est donc pas un bon indicateur de "porter à connaissance" du risque acarologique.

Point de rosé

42Combinant la température et l’humidité relative, la température du point de rosé (DP, variable dewpoint, température auquel l’air doit être refroidi pour saturer28) montre un écart de 5°C en faveur du signalement (Mean, tableau 3). La DP moyenne des signalements est de 11,5°C (intervalle de confiance, IC, à 95 % de [10,3°C ; 12,7°C]) alors qu’elle n’est que de 6,5°C (IC à 95 % de [4,7°C ; 8,1°C]) pour la DP témoin pour les mêmes périodes (tableau 3). Les citoyens signaleurs se rendent donc sur les lieux où les tiques sont à l’affût par des DP beaucoup plus élevées que les DP des lieux témoins répartis sur toute la métropole (figure 5C). Comme pour les températures, pour le premier décile, l’écart est encore plus significatif entre les DP des signalements et celles des lieux témoins. Avec une différence de 7,3°C, la DP moyenne au premier décile des signalements est de 6°C (IC à 95 % de [3,3°C ; 8,6°C]) alors qu’elle n’est que de -1,3°C (IC à 95 % de [-4,6°C ; 1,7°C]) pour les DP témoins moyennes au premier décile pour les mêmes périodes (tableau 3). Comme pour les températures, du fait de l’amplitude et de l’asymétrie des données témoins (Random), il y a un rattrapage dans les hautes valeurs des DP de la courbe témoin sur la courbe des signalements.

Tableau 6 : Valeurs des centiles 4, 5 et 6 pour les points de rosé associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de juillet 2017 à avril 2020 (966 jours)

Variables météorologiques

Origine de l’échantillon

4ème centile

Intervalle de confiance

autour du 4ème centile

5ème centile

Intervalle de confiance

autour du 5ème centile

6ème centile

Intervalle de confiance

autour du 6ème centile

dewpoint

Reporting

3,4°C

[-1,1°C ; 7,1°C]

4,1°C

[0°C ; 7,2°C]

4,5°C

[1,7°C ; 7,5°C]

Random

-4,2°C

[-8,3°C ; -0,6°C]

-3,6°C

[-7,6°C ; -0,3°C]

-3,0°C

[-6,9°C ; 0,4°C]

Godard, 2023.
Sources : données du programme CiTIQUE, données Dark Sky

43Là aussi, la fonction de répartition en centiles permet d’affiner le seuil limite entre températures de point de rosé de signalements significativement différentes ou non d’un tirage aléatoire. Contrairement aux températures moyennes, il faut atteindre le cinquième centile pour avoir un écart significatif (tableau 6). La température de points de rosé moyenne au cinquième centile des signalements est de 4,1°C (IC à 95 % de [0°C ; 7,2°C]) alors qu’elle n’est que de -3,6°C (IC à 95 % de [-7,6°C ; -0,3°C]) pour les températures de points de rosé témoins moyennes pour les mêmes périodes (tableau 6). Les intervalles de confiance des températures de points de rosé moyennes du cinquième centile, entre les témoins et les signalements, sont significativement différents, ils ne se chevauchent plus.

Pression atmosphérique

44Comme pour le taux d’humidité, la pression atmosphérique (variable pressure, moyenne des pressions atmosphériques ramenées au niveau moyen des mers sur 24h, de minuit à minuit), associée aux signalements ne diffère pas significativement de la pression atmosphérique des témoins. Comme tracés sur la figure 5 (figure 5D), les signalements (Reporting) se produisent pour des pressions quasi identiques aux pressions des témoins (Random). La pression quotidienne moyenne des témoins est de 1017,6 hPa (intervalle de confiance, IC, à 95 % de [1014,9 hPa ; 1020,2 hPa]) alors qu’elle n’est que de 1017,1 hPa (IC à 95 % de [1015,2 hPa ; 1019,2 hPa]) pour la pression quotidienne moyenne des signalements, pour les mêmes périodes (tableau 3). Au vu des données dont nous disposions, la pression atmosphérique n’est donc pas un bon indicateur de "porter à connaissance" du risque acarologique.

Vitesse du vent

45Comme pour le taux d’humidité et la pression atmosphérique, la vitesse du vent (variable windSpeed, moyenne des vitesses du vent sur 24h, de minuit à minuit en m/s29), associé aux signalements ne diffère pas significativement de la vitesse du vent des témoins. Comme tracés sur la figure 5 (figure 5E), les signalements (Reporting) se produisent pour des vitesses de vent quasi identiques aux vitesses de vent pour les témoins (Random). La vitesse quotidienne moyenne du vent pour les sites témoins est de 3,2 m/s (intervalle de confiance, IC, à 95 % de [2,7 m/s ; 3,8 m/s]) alors qu’elle n’est que de 2,7 m/s (IC à 95 % de [2,4 m/s ; 3,1 m/s]) pour la vitesse quotidienne moyenne des signalements, pour les mêmes périodes (tableau 3). Au vu des données dont nous disposions, la vitesse du vent n’est donc pas un bon indicateur de "porter à connaissance" du risque acarologique.

Discussion

Répartition des signalements sur la période d’étude

46La variabilité interannuelle de l’activité et celle de l’abondance des tiques sont bien documentées à des échelles fines de collecte et sur des durées longues (Paul et al., 2016). Si les conditions climatiques, surtout la sécheresse et la chaleur, ont un impact sur la densité des tiques, en revanche, elles ne réduisent pas forcément l’infestation des hôtes, comme les petits mammifères par les larves et nymphes, cas d’Ixodes scapularis documenté en Amérique du Nord sur 11 ans (Burtis et al., 2016). Le climat n’est donc pas le seul marqueur de l’activité des tiques. D’autres paramètres, comme la variabilité de la densité des rongeurs (Krawczyk et al., 2020), ont une influence avérée sur l’activité des tiques. Cependant, la répartition interannuelle des signalements étudiée de mi 2017 à début 2020, présentée sur la figure 1, en plus de ce qui vient d’être décrit, matérialise l’interaction avec les humains, c’est-à-dire le moment où l’aléa tique a rencontré l’enjeu humain pour le transformer en risque acarologique. Nous savons que cette connaissance de l’interaction est partielle car elle repose sur la connaissance du programme de sciences citoyennes CiTIQUE, ainsi que la volonté d’y participer30. Ceci explique que les figures 1 et 2, bien que de formes très proches, ne puissent pas être parfaitement identiques.

47De tous ces paramètres (biologiques, abiotiques, humain), le climat est un des plus faciles à appréhender sur de larges territoires grâce aux bases de données. Parmi les cinq paramètres dont nous avons présentés les résultats, quels sont ceux qui seront les plus efficaces dans le cadre de notre objectif de "porter à connaissance" ?

Températures moyennes

48Comme vu pour les résultats des températures moyennes des signalements, les citoyens signaleurs se rendent donc sur les lieux où les tiques sont à l’affut par des températures majoritairement plus élevées que les températures des lieux témoins métropolitains. Cela signifie que, pour qu’il y ait un aléa acarologique, il faut que les tiques soient actives et à la recherche d’un hôte, ce qui commence à des températures plus basses, mais aussi que l’enjeu humain soit présent et suffisamment "accessible" (tenue, comportement, etc.) pour que l’interaction transforme l’aléa en risque.

49En quoi le premier décile serait-il plus pertinent que la moyenne, la médiane, le premier quartile, voire le deuxième centile comme valeur seuil pour effectuer le "porter à connaissance" ? Cette dernière proposition recoupe les valeurs de températures quotidiennes moyennes évoquées pour initier une activité notable des tiques Ixodes ricinus (entre 5 et 7°C, Campbell, 1948 ; Hauser et al., 2018). Il aurait une certaine légitimité pour ouvrir la "saison acarologique".

50Le choix d’un seuil d’alerte relève de l’acceptation d’une prise de risque. Soit on met un seuil très bas car on a une "aversion au risque" (risk aversion), soit on accepte une prise de risque plus importante (risk taking), pour garder une certaine exceptionnalité au "porter à connaissance" et on met le seuil plus haut. Ces approches sont particulièrement développées dans les disciplines qui pratiquent l’Aide à la décision, comme la psychologie (de Juan-Rippol et al., 2021), mais aussi la géographie avec l’analyse multicritère implémentées dans les systèmes d’information géographique (SIG) depuis plus d’un quart de siècle, comme dans les SIG raster (Eastman et al., 1995).

51Dans un cas d’aversion au risque, le deuxième centile sera retenu pour mettre en garde le public par un "porter à connaissance" la plus précoce possible. Le seuil de 2 p.100 des signalements correspond environ à une température quotidienne moyenne de 8°C (7,7°C, tableau 5) et est survenu approximativement en 9ème semaine d’année civile, soit fin février-début mars, en se fondant sur les quatre années d’études regroupées pour n’en faire qu’une et conserver ainsi une population de plus de 14 000 signalements. La sortie du "porter à connaissance" n’a pas été testée, mais si on se fonde sur un 98ème centile, le seuil serait franchi en 44ème semaine, soit fin octobre-début novembre.

52Dans le cas d’une prise de risque qui se veut moins alarmiste pour espérer accroître l’efficacité du "porter à connaissance", en n’étant pas tout le temps en période de vigilance, le premier décile pourrait être retenu. Le seuil de 10 p.100 des signalements correspond environ à une température quotidienne moyenne de 11,5°C (tableau 3) et est survenu approximativement en 15ème semaine d’année civile, soit mi-avril, en se fondant toujours sur les quatre années d’études regroupées. La sortie n’a pas non plus été testée, mais si on se base sur le neuvième décile, le seuil serait franchi en 39ème semaine, soit fin septembre. Cela paraît tôt, mais pour ces quatre années (rappel : juillet 2017-avril 2020), il ne "manquait" plus que 10 p.100 des signalements de piqûres, mais 3 mois pour atteindre la fin de l’année, les citoyens signaleurs sortant peut-être moins après les vacances d’été ?

53Dans ce cas d’une aversion marquée au risque acarologique (seuil des centiles), il y aurait donc environ 15 semaines, soit 3 mois et demi, hors période de vigilance. Dans le cas d’une prise de risque plus souple (seuil des déciles), il y aurait donc environ 18 semaines, soit un peu plus de 4 mois, hors période de vigilance qui correspondent, pour la France du Nord, à la période où il est exceptionnel que les promeneurs s’exposent – se découvrent – lors de leurs sorties en raison des conditions météorologiques les moins favorables dans l’année. Il serait sans doute pertinent de prolonger cette étude par une approche régionale qui permettrait de comparer les contextes océanique, continental, méridional, etc. Enfin, dans un contexte de réchauffement climatique, les trois/quatre mois hors période de vigilance décrit sur la base des données 2017-2020 se verraient dans une proportion à déterminer sur des séries plus longues que celles en notre possession.

Point de rosé

54Qu’apporte le point de rosé par rapport à la seule température quotidienne moyenne ? Comme vu dans la section des résultats, le taux d’humidité des signalements n’est pas significativement différent de celui du semi témoin. Le taux d’humidité a, de ce fait, été rejeté des résultats significatifs. Analyser l’apport du point de rosé est donc une possibilité de réintégrer l’humidité dans un indicateur significatif. Pour autant, est-il pertinent dans le cadre d’un "porter à connaissance" ? Apporte-t-il un "plus" par rapport à la température quotidienne moyenne pour alerter du risque acarologique ?

55La température du point de rosé (DP, variable « dewpoint »), combinant la température et l’humidité relative, est un indicateur peu présent dans la littérature scientifique sur les tiques, peut-être parce qu’il est un indicateur dérivé ? La forme de la distribution des signalements en lien avec la DP (figure 5E) n’est pas sans rappeler celle des températures vues précédemment (figures 5A, 5B).

56Sur le même principe que celui décrit pour les températures quotidiennes moyennes, dans un cas d’aversion au risque, il faut, cette fois-ci, utiliser le cinquième centile pour avoir un indicateur significatif et faire la mise en garde du public, par un "porter à connaissance", la plus précoce possible. Le seuil de 5 p.100 des signalements correspond environ à une température du point de rosé moyenne de 4°C (4,1°C, tableau 6) et est survenu approximativement en 12ème semaine d’année civile, soit mi-fin mars, en se fondant sur les quatre années d’études regroupées pour n’en faire qu’une et conserver ainsi une population de plus de 14 000 signalements. La sortie du "porter à connaissance" n’a pas, non plus, été testée, mais si on se fonde sur un 95ème centile, le seuil serait franchi en 42ème semaine, soit mi-octobre.

57Dans le cas d’une prise de risque qui se veut moins alarmiste et qui retiendrait le premier et le dernier décile, les périodes d’entrée et de sortie de "porter à connaissance" du risque acarologique seraient les mêmes que pour les températures quotidiennes moyennes. Pour rappel, entrée en 15ème semaine d’année civile, soit mi-avril, sortie en 39ème semaine, soit fin septembre.

58À l’heure du choix, entre ces deux derniers indicateurs, la température apparaît comme le plus efficace. C’est un indicateur plus connu et donc plus compréhensible par un large public que le point de rosé. Ce n’est pas un indicateur dérivé. Enfin, d’un point de vue accessibilité, tous les sites météo donne la température, ce qui n’est pas le cas pour le point de rosé.

Conclusion

59Il ressort de l’analyse des résultats discutée précédemment que seules deux variables météorologiques sont associées dans cette étude au risque acarologique : risque analysé au travers des signalements de piqûres dans le cadre d’une approche par les sciences participatives pendant quatre années successives. Ces variables sont significativement différentes d’un jeu de données témoin auquel elles sont confrontées. Il s’agit de la température moyenne quotidienne et du point de rosé, qui intègre une information sur l’humidité, sachant que celle-ci n’est pas significative prise isolément. Nous devons toutefois garder à l’esprit que les résultats obtenus devront être consolidés dans les années à venir en continuant d’accumuler les données de signalements et la météorologie qui leur est associée pour confirmer leur robustesse.

60Ces variables peuvent être utilisées comme signal d’alerte caractérisant la reprise de l’activité acarologique au sortir de la mauvaise saison. Cette activité, en présence d’un enjeu humain, doit se traduire pour les gestionnaires et les autorités publiques par un "porter à connaissance" du risque de piqûres, donc d’un potentiel risque de transmission de maladies à tiques (non étudiée ici).

61Parmi ces variables, la moyenne des températures sur 24h fournit, au travers des signalements issus de l’application "Signalement TIQUE", l’indicateur le plus intuitivement utilisable. La température quotidienne moyenne associée aux signalements est de 17,6°C (intervalle de confiance, IC, à 95 % de [16,3°C ; 18,9°C]) alors que celle du jeu témoin est en moyenne de 11,7°C (IC à 95 % de [9,8°C ; 13,4°C]). Cela signifie que pour qu’il y ait un risque acarologique, il ne faut pas seulement que les tiques soient actives et à la recherche d’un hôte, ce qui commence à des températures plus basses, mais que l’enjeu humain soit présent et suffisamment "accessible" (tenue, comportement, etc.) pour que l’interaction transforme l’aléa en risque. Pour utiliser cette variable comme seuil d’alerte, deux attitudes sont possibles, l’une d’aversion au risque l’autre avec une acceptation de prise de risques plus importante.

62Pour l’aversion au risque la plus marquée, nous retenons le deuxième centile comme seuil d’alerte le plus précoce, dès que le seuil de 2 p.100 de signalements est franchi. Ce seuil de 2 p.100 correspond environ à une température quotidienne moyenne de 8°C (7,7°C, tableau 5) qui survient approximativement en 9ème semaine d’année civile, soit fin février-début mars. On pourra clore la saison acarologique symétriquement sur le 98ème centile, approximativement en 44ème semaine, soit fin octobre-début novembre. Dans ce cas d’aversion marquée, il y aurait donc environ 15 semaines, soit 3 mois et demi, hors période de vigilance.

63Pour une aversion au risque moins marquée, on retient le premier décile. Le seuil de 10 p.100 des signalements correspond environ à une température quotidienne moyenne de 11,5°C (tableau 3) qui survient approximativement en 15ème semaine d’année civile, soit mi-avril, en se fondant toujours sur les quatre années d’études regroupées. Pour la sortie de la période de vigilance, si on se fonde sur le 9ème décile, le seuil serait franchi en 39ème semaine, soit fin septembre. Dans ce cas d’aversion moins marquée, il y aurait donc environ 28 semaines, soit un peu plus de 6 mois, hors période de vigilance.

64Une deuxième variable est utilisable dans le cadre d’un "porter à connaissance" d’entrée dans la saison de risque acarologique potentiel, c’est la température du point de rosée. Cependant, celle-ci s’avère moins compréhensible par un large public et moins facile à collecter que la température moyenne quotidienne par ceux qui auraient à déclencher le "porter à connaissance". Nous lui préférons donc la température quotidienne moyenne.

65Nous avons testé des indicateurs synthétiques pour permettre aux élus et responsables d'espaces de nature, de déclencher des "porter à connaissance" lorsqu’il y a un risque acarologique en cours ou à venir. Toutefois, il est possible, au vu de ces analyses croisées de signalements de piqûres de tiques et de variables météorologiques, de faire passer un message simplifié d'avertissement. Car même si le dépouillement de séries plus longues faisait émerger de nouvelles variables significatives pour comprendre les signalements, il y a de bonne chance que celles qui caractérisent les "belles journées" (comme les températures élevées, mais pas trop, et une "belle" lumière) restent des marqueurs de la rencontre entre des tiques en quête d'un repas sanguin et des peaux humaines peu protégées.

Remerciements

66Les premiers mots de remerciements qui viennent aux auteurs vont à Jean-François Cosson, alors à l’UMR BIPAR de l’INRAe, qui devait cosigner cet article mais ne verra pas l’aboutissement de ce travail. C’est son ouverture d’esprit qui a permis notre accueil au sein du projet CiTIQUE il y a sept ans. Sans lui et ses encouragements, cette recherche n’aurait probablement pas été possible. Les auteurs remercient également Julien Marchand, alors au CPIE54, pour avoir assuré la continuité de l’accès aux données de signalements, après le décès de Jean-François Cosson. Enfin, les auteurs remercient la Maison des Sciences de l’Homme Paris-Nord (MSHPN) pour son soutien financier et sa logistique (AAP 2020, 19 2 F 1) pour l’aboutissement de cet article, Florian Raymond (Département de Géographie, Université Paris 8, UMR LADYSS CNRS) pour sa relecture et tous les contributeurs qui, par leurs nombreux signalements, ont permis cette analyse.

Conflits d’intérêt

67Les auteurs déclarent qu'ils n'ont aucun conflit d’intérêt d’ordre financier concurrent, aucun intérêt concurrent lié à ce travail et aucun conflit d'intérêt connu associé à cette publication.

68The authors declare that they have no competing financial interests, no competing interests related to this work and no known conflicts of interest associated with this publication.

Données et scripts d'analyse

69Le jeu de données collectées par CiTIQUE est déposé sous ce DOI : https://doi.org/​10.57745/​NALLBB

70Les signalements enrichis des données climatiques, ainsi que les programmes ayant servi aux calculs présentés sont sur ce dispositif de versionnement en ligne (Git) : https://github.com/​spicysardine/​pycitique

71Afin de reproduire les figures et les calculs, il suffit d’exécuter sous un environnement R le script : R/citik_humains/smartick_hum_meteo_analyse_statisitique.R

72Un environnement R de version 3.6.3 ou ultérieur est fortement recommandé.

73Vu le volume conséquent des données, une base de type SQLite sera automatiquement téléchargée par le programme et déposée dans le répertoire du Git cloné sur la machine locale.

Pré-Publication

74Une pré-publication a été déposée sur HAL en ligne. URL : https://hal.science/​hal-03864745

Haut de page

Bibliographie

Aceves‐Bueno E., Adeleye A.S., Feraud M., Huang Y., Tao M., Yang Y., Anderson S.E., 2017, "The Accuracy of Citizen Science Data: A Quantitative Review", The Bulletin of the Ecological Society of America, Vol.98, No.4, 278-290, [en ligne]. URL : https://esajournals.onlinelibrary.wiley.com/doi/10.1002/bes2.1336.

Aeschlimann A., 2021, "Ixodes ricinus, Linné, 1758 (Ixodoidea ; Ixodidae): Essai préliminaire de synthèse sur la biologie de cette espèce en Suisse".

Aho A., 1990, "CHAPTER 5 - Algorithms for Finding Patterns in Strings", In: JAN Van Leeuwen (Ed.), Algorithms and Complexity, Handbook of Theoretical Computer Science, Amsterdam, Elsevier, 255-300, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/B9780444880710500102?via%3Dihub

Balázs B., Mooney P., Nováková E., Bastin L., Jokar Arsanjani J., 2021, "Data Quality in Citizen Science", In: Vohland K., Land-Zandstra A., Ceccaroni L., Lemmens R., Perelló J., Ponti M., Samson R., Wagenknecht K., The Science of Citizen Science, Cham, Springer International Publishing, 139-157, [en ligne]. URL : https://link.springer.com/chapter/10.1007/978-3-030-58278-4_8

Bonney R., Cooper C.B., Dickinson J., Kelling S., Phillips T., Rosenberg K.V., Shirk J., 2009, "Citizen Science: A Developing Tool for Expanding Science Knowledge and Scientific Literacy", BioScience, Vol.59, No.11, 977-984, [en ligne]. URL : https://chooser.crossref.org/?doi=10.1525%2Fbio.2009.59.11.9

Bord S., Druilhet P., Gasqui P., Abrial D., Vourc’h G., 2014, "Bayesian Estimation of Abundance Based on Removal Sampling under Weak Assumption of Closed Population with Catchability Depending on Environmental Conditions. Application to Tick Abundance", Ecological Modelling, Vol.274, 72-79, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S0304380013005826?via%3Dihub

Bord S., Lebert I., René-Martellet F.M., Dernat S., Johany F., Bimonte S., Chalvet-Monfray K., Poux V., Cosson J.F., Smoreda Z., Vourc’h G., 2019, Intérêt des données de téléphonie mobile et des sciences participatives pour l’estimation et la compréhension du risque de transmission de maladies liées à l’environnement : Application aux maladies transmises par les tiques, REID-IMMUNINV-2019, Université de Montpellier, [en ligne]. URL : https://reid-immuninv-2019.edu.umontpellier.fr/files/2019/05/Programme_REID_entier-1.pdf.

Bord S., Agoulon A., 2017, "Annexe 1 : Méthodes d’échantillonnage des tiques et fiabilité", In: Boulanger N., McCoy K.D. (Eds.), Tiques et maladies à tiques : Biologie, écologie évolutive, épidémiologie, Didactiques. Marseille, IRD Éditions, 279-286, [en ligne]. URL : http://books.openedition.org/irdeditions/9062.

Burtis J.C., Sullivan P., Levi T., Oggenfuss K., Fahey T.J., Ostfeld R.S., 2016, "The impact of temperature and precipitation on blacklegged tick activity and Lyme disease incidence in endemic and emerging regions", Parasites & Vectors, Vol.9, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-016-1894-6

Carpenter J., Bithell J., 2000, "Bootstrap confidence intervals: when, which, what? A practical guide for medical statisticians", Statistics in Medicine, Vol.19, 1141-1164, [en ligne]. URL : https://onlinelibrary.wiley.com/doi/10.1002/(SICI)1097-0258(20000515)19:9%3C1141::AID-SIM479%3E3.0.CO;2-F

Cat J., 2017, Intégrer les effets de la météorologie dans la modélisation de l’activité et de la survie des populations de tiques Ixodes ricinus dans le contexte du changement climatique, thèse de doctorat, Université Clermont Auvergne, [en ligne]. URL : https://tel.archives-ouvertes.fr/tel-01708980.

Cohn J.P., 2008, "Citizen Science: Can Volunteers Do Real Research?", BioScience, Vol.58, No.3, 192-197, [en ligne]. URL : https://academic.oup.com/bioscience/article/58/3/192/230689

Cohnstaedt L.W., Rochon K., Duehl A.J., Anderson J.F., Barrera R., Su N., Gerry A.C. et al., 2012, "Arthropod Surveillance Programs: Basic Components, Strategies, and Analysis", Annals of the Entomological Society of America, Vol.105, No.2, 135-149, [en ligne]. URL : https://academic.oup.com/aesa/article-abstract/105/2/135/120503?redirectedFrom=fulltext

Cosson J.F., 2018, "Écologie de la maladie de Lyme", Revue Forestière Française, No.2-3-4, 185-203, [en ligne]. URL : https://revueforestierefrancaise.agroparistech.fr/article/view/5131

Daniel M., Malý M., Danielová V., Kříž B., Nuttall P., 2015, "Abiotic predictors and annual seasonal dynamics of Ixodes ricinus, the major disease vector of Central Europe", Parasites & Vectors, Vol.8, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-015-1092-y

Daniel M., Zitek K., Danielová V., Kríz B., Valter J., Kott I., 2006, "Risk Assessment and Prediction of Ixodes ricinus Tick Questing Activity and Human Tick-Borne Encephalitis Infection in Space and Time in the Czech Republic", International Journal of Medical Microbiology: IJMM, Vol.296, Suppl.40, 41-47, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S1438422106000890?via%3Dihub

Dickinson J.L., Shirk J., Bonter D., Bonney R., Crain R.L., Martin J., Phillips T., Purcell K., 2012, "The Current State of Citizen Science as a Tool for Ecological Research and Public Engagement", Frontiers in Ecology and the Environment, Vol.10, No.6, 291-297, [en ligne]. URL : https://esajournals.onlinelibrary.wiley.com/doi/10.1890/110236

Eastman J.R., Jin W., Kyem P., Toledano J., 1995, "Raster Procedures for Multi-Criteria/Multi-Objective Decisions", Photogrammetric Engineering & Remote Sensing, Vol.61, 539-547.

Efron B., 1979, "Bootstrap Methods: Another Look at the Jackknife", The Annals of Statistics, Vol.7, No.1, 1-26, [en ligne]. URL : http://www.jstor.org/stable/2958830.

Fontenille D., Jourdain F., Léger E., Perrin Y., 2013, Note relative à la distribution d’Ixodes ricinus en France ainsi qu’aux principaux facteurs susceptibles d’impacter la distribution et l’abondance de l’espèce en France métropolitaine, [en ligne]. URL : https://solidarites-sante.gouv.fr/IMG/pdf/2013_distribution_ixodes_ricinus.pdf.

Freifeld C.C., Chunara R., Mekaru S.R., Chan E.H., Kass-Hout T., Iacucci A.A., Brownstein J.S., 2010, "Participatory Epidemiology: Use of Mobile Phones for Community-Based Health Reporting", PLOS Medicine, Vol.7, No.12, [en ligne]. URL : https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1000376

Garcia-Marti I., Zurita-Milla R., Harms M.G., Swart A., 2018, "Using Volunteered Observations to Map Human Exposure to Ticks", Scientific Reports, Vol.8, No.1, [en ligne]. URL : https://www.nature.com/articles/s41598-018-33900-2

Geldmann J., Heilmann‐Clausen J., Holm T.E., Levinsky I., Markussen B.O., Olsen K., Tøttrup A.P., 2016, "What determines spatial bias in citizen science? Exploring four recording schemes with different proficiency requirements", Diversity and Distributions, Vol.22, No.11, 1139-1149.

Gilot B., Bonnefille M., Degeilh B., Beaucournu J.C., Pichot J., Guiguen C., 1994, "La colonisation des massifs forestiers par Ixodes ricinus (linné, 1758) en France : utilisation du chevreuil, Capreolus capreolus (l. 1758) comme marqueur biologique", Parasite, Vol.1, No.1, 81-86, [en ligne]. URL : https://www.parasite-journal.org/articles/parasite/abs/1994/01/parasite1994011p81/parasite1994011p81.html

Gilot B., Perez-Eid C., 1998, "Bio-écologie des tiques induisant les pathologies les plus importantes en France", 7e Colloque sur le Contrôle Epidémiologique des Maladies Infectieuses, Institut Pasteur de Paris - 29 mai 1998, Vol.28, No.4, Suppl.1, 325-334, [en ligne]. URL : https://www.sciencedirect.com/science/article/pii/S0399077X98702173?via%3Dihub

Gilot B., 1985, Bases biologiques, écologiques et cartographiques pour l’étude des maladies transmises par les tiques (Ixodidae et Argasidae) dans les Alpes françaises et leur avantpays, Thèse d’Etat, Université de Grenoble.

Gray J.S., Kahl O., Lane R.S., Levin M.L., Tsao J.I., 2016, "Diapause in ticks of the medically important Ixodes ricinus species complex", Ticks and tick-borne diseases, Vol.7, No.5, 992-1003, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S1877959X16300796?via%3Dihub

Grech-Angelini S., Stachurski F., Lancelot R., Boissier J., Allienne J.F., Marco S., Maestrini O., Uilenberg G., 2016, "Ticks (Acari: Ixodidae) infesting cattle and some other domestic and wild hosts on the French Mediterranean island of Corsica", Parasites & Vectors, Vol.9, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-016-1876-8

Haddad H., Moulin B., Manirakiza F., Méha C., Godard V., Mermet S., 2015, "Web Mapping and Behavior Pattern Extraction Tools to Assess Lyme Disease Risk for Humans in Peri-Urban Forests", Analyzing and Modeling Spatial and Temporal Dynamics of Infectious Diseases, John Wiley & Sons, Ltd, 371-402, [en ligne]. URL : https://onlinelibrary.wiley.com/doi/10.1002/9781118630013.ch18

Hartemink N., van Vliet A., Sprong H., Jacobs F., Garcia-Martí I., Zurita-Milla R., Takken W., 2019, "Temporal-Spatial Variation in Questing Tick Activity in the Netherlands: The Effect of Climatic and Habitat Factors", Vector-Borne and Zoonotic Diseases, Vol.19, No.7, 494-505, [en ligne]. URL : https://www.liebertpub.com/doi/10.1089/vbz.2018.2369

Hauser G., Rais O., Morán Cadenas F., Gonseth Y., Bouzelboudjen M., Gern L., 2018, "Influence of climatic factors on Ixodes ricinus nymph abundance and phenology over a long-term monthly observation in Switzerland (2000-2014)", Parasites & Vectors, Vol.11, No.1, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-018-2876-7

Herrmann C., Gern L., 2013, "Survival of Ixodes ricinus (Acari: Ixodidae) Nymphs under Cold Conditions Is Negatively Influenced by Frequent Temperature Variations", Ticks and Tick-Borne Diseases, Vol.4, No.5, 445-451, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S1877959X13000575?via%3Dihub

Hilami K., Godard V., Noûs C., 2022, Existe-t-il des conditions climatiques favorables aux piqûres de tiques ? Utilisation de données issues des sciences participatives et des bases de données météorologiques pour décrire la distribution spatiotemporelle des piqûres de tiques sur les humains en France métropolitaine entre 2017 et 2020, [en ligne]. URL : https://hal.archives-ouvertes.fr/hal-03864745

Hubálek Z., Halouzka J., Juricová Z., 2004, "Host-seeking activity of ixodid ticks in relation to weather variables", Journal of vector ecology: journal of the Society for Vector Ecology, Vol.28, 159-165.

Jongejan F., de Jong S., Voskuilen T., van den Heuvel L., Bouman R., Heesen H., Ijzermans C., Berger L., 2019, "“Tekenscanner”: a novel smartphone application for companion animal owners and veterinarians to engage in tick and tick-borne pathogen surveillance in the Netherlands", Parasites & Vectors, Vol.12, No.1, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-019-3373-3

de-Juan-Ripoll C., Chicchi Giglioli I.A., Llanes-Jurado J., Marín-Morales J., Alcañiz M., 2021, "Why Do We Take Risks? Perception of the Situation and Risk Proneness Predict Domain-Specific Risk Taking", Frontiers in Psychology, Vol.12, [en ligne]. URL : https://www.frontiersin.org/articles/10.3389/fpsyg.2021.562381

Kahl O., 1991, "Water management of the non-parasitic phases of Ixodes ricinus in the course of its postembryonic development", Modern acarology.

Kiewra D., Kryza M., Szymanowski M., 2014, "Influence of Selected Meteorological Variables on the Questing Activity of Ixodes ricinus Ticks in Lower Silesia, SW Poland", Journal of Vector Ecology, Vol.39, No.1, 138-145, [en ligne]. URL : https://onlinelibrary.wiley.com/doi/full/10.1111/j.1948-7134.2014.12080.x

Kilpatrick A.M., Andrew D.M.D., Levi T., Salkeld D.J., Swei A., Ginsberg H.S., Kjemtrup A. et al., 2017, "Lyme disease ecology in a changing world: consensus, uncertainty and critical gaps for improving control", Philosophical Transactions of the Royal Society B: Biological Sciences, Vol.372, No.1722, [en ligne]. URL : https://royalsocietypublishing.org/doi/10.1098/rstb.2016.0117

Kosmala M., Wiggins A., Swanson A., Simmons B., 2016, "Assessing data quality in citizen science", Frontiers in Ecology and the Environment, Vol.14, No.10, 551-560.

Krawczyk A., van Duijvendijk G., Swart A., Heylen D., Jaarsma R.I., Jacobs F.H.H., Fonville M., Sprong H., Takken W., 2020, "Effect of Rodent Density on Tick and Tick-Borne Pathogen Populations: Consequences for Infectious Disease Risk", Parasites & Vectors, Vol.13, No.1, [en ligne]. URL : https://royalsocietypublishing.org/doi/10.1098/rstb.2016.0117

Kriz B., Daniel M., Benes C., Maly M., 2014, "The Role of Game (Wild Boar and Roe Deer) in the Spread of Tick-Borne Encephalitis in the Czech Republic", Vector Borne and Zoonotic Diseases, Vol.14, No.11, 801-807, [en ligne]. URL : https://www.liebertpub.com/doi/10.1089/vbz.2013.1569

Kurtenbach K., Hanincová K., Tsao J.I., Margos G., Fish D., Ogden N.H., 2006, "Fundamental Processes in the Evolutionary Ecology of Lyme Borreliosis", Nature Reviews. Microbiology, Vol.4, No.9, 660-669, [en ligne]. URL : https://www.nature.com/articles/nrmicro1475

Laaksonen M., Sajanti E., Sormunen J.J., Penttinen R., Hänninen J., Ruohomäki K., Sääksjärvi I. et al., 2017, "Crowdsourcing-Based Nationwide Tick Collection Reveals the Distribution of Ixodes ricinus and I. Persulcatus and Associated Pathogens in Finland", Emerging Microbes & Infections, Vol.6, No.5, [en ligne]. URL : https://www.tandfonline.com/doi/full/10.1038/emi.2017.17

Lees A.D., Milne A., 1951, "The Seasonal and Diurnal Activities of Individual Sheep Ticks (Ixodes ricinus L.)", Parasitology, Vol.41, No.3-4, 189-208, [en ligne]. URL : https://www.cambridge.org/core/journals/parasitology/article/abs/seasonal-and-diurnal-activities-of-individual-sheep-ticks-ixodes-ricinus-l/9F333F25B2FDA15D184F0F2497813B04

Léger E., Vourc’h G., Vial L., Chevillon C., McCoy K.D., 2013, "Changing Distributions of Ticks: Causes and Consequences", Experimental and Applied Acarology, Vol.59, No.1-2, 219-244, [en ligne]. URL : https://link.springer.com/article/10.1007/s10493-012-9615-0

Lejal E., Marsot M., Chalvet-Monfray K., Cosson J.F., Moutailler S., Vayssier-Taussat M., Pollet T., 2019, "A three-years assessment of Ixodes ricinus-borne pathogens in a French peri-urban forest", Parasites & Vectors, Vol.12, No.1, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-019-3799-7

L’Hostis M., 1994, Babesia divergens en France : épidémiologie descriptive et analytique, thèse de doctorat, Université Montpellier 1, [en ligne]. URL : http://www.theses.fr/1994MON13515.

Lohr B., Müller I., Mai M., Norris D.E., Schöffski O., Hunfeld K.P., 2015, "Epidemiology and Cost of Hospital Care for Lyme Borreliosis in Germany: Lessons from a Health Care Utilization Database Analysis", Ticks and Tick-Borne Diseases, Vol.6, No.1, 56-62, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S1877959X14001885?via%3Dihub

Macleod J., 1932, "The Bionomics of Ixodes ricinus L., The “Sheep Tick” of Scotland", Parasitology, Vol.24, No.3, 382-400, [en ligne]. URL : https://www.cambridge.org/core/journals/parasitology/article/abs/bionomics-of-ixodes-ricinus-l-the-sheep-tick-of-scotland/48D0039D8C20ED586E5DC99C4E7A0B2D

Marsot M., Hoch T., Perez G., Léger E., Verheyden H., Richomme C., Vourc’h G., 2017, "Modification et modélisation du risque de maladies transmises par les tiques", In: Boulanger N., McCoy K.D., Tiques et maladies à tiques : Biologie, écologie évolutive, épidémiologie, Didactiques, Marseille, IRD Éditions, 239-258, [en ligne]. URL : http://books.openedition.org/irdeditions/9056.

Medlock J.M., Hansford K.M., Bormane A., Derdakova M., Estrada-Peña A., George J.C., Golovljova I. et al., 2013, "Driving Forces for Changes in Geographical Distribution of Ixodes ricinus Ticks in Europe", Parasites & Vectors, Vol.6, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/1756-3305-6-1

Mulder S., van Vliet A.J.H., Bron W.A., Gassner F., Takken W., 2013, "High Risk of Tick Bites in Dutch Gardens", Vector-Borne and Zoonotic Diseases, Vol.13, No.12, 865-871, [en ligne]. URL : https://www.liebertpub.com/doi/10.1089/vbz.2012.1194

Ogden N.H., Lindsay L.R., Beauchamp G., Charron D., Maarouf A., O’Callaghan C.J., Waltner-Toews D., Barker I.K., 2004, "Investigation of Relationships between Temperature and Developmental Rates of Tick Ixodes scapularis (Acari: Ixodidae) in the Laboratory and Field", Journal of Medical Entomology, Vol.41, No.4, 622-633, [en ligne]. URL : https://academic.oup.com/jme/article/41/4/622/883565

Ostfeld R.S., Brunner J.L., 2015, "Climate change and Ixodes tick-borne diseases of humans", Philosophical Transactions of the Royal Society B: Biological Sciences, Vol.370, No.1665, [en ligne]. URL : https://royalsocietypublishing.org/doi/10.1098/rstb.2014.0051

Paul R.E.L., Cote M., Le Naour E., Bonnet S.I., 2016, "Environmental Factors Influencing Tick Densities over Seven Years in a French Suburban Forest", Parasites & Vectors, Vol.9, No.1, [en ligne]. URL : https://parasitesandvectors.biomedcentral.com/articles/10.1186/s13071-016-1591-5

Pérez-Eid C., 2007, Les tiques : identification, biologie, importance médicale et vétérinaire, Collection Monographies de microbiologie, Lavoisier, [en ligne]. URL : https://books.google.fr/books?id=Z7BmPQAACAAJ.

Perret J.L., Guigoz E., Rais O., Gern L., 2000, "Influence of Saturation Deficit and Temperature on Ixodes ricinus Tick Questing Activity in a Lyme Borreliosis-Endemic Area (Switzerland)", Parasitology Research, Vol.86, No.7, 554-557, [en ligne]. URL : https://link.springer.com/article/10.1007/s004360000209

Poinsot, D., 2005, R pour les statophobes, [en ligne]. URL : https://perso.univ-rennes1.fr/denis.poinsot/Statistiques_%20pour_statophobes/R%20pour%20les%20statophobes.pdf.

Ranard B.L., Ha Y.P., Meisel Z.F., Asch D.A., Hill S.S., Becker L.B., Seymour A.K., Merchant R.M., 2014, "Crowdsourcing--Harnessing the Masses to Advance Health and Medicine, a Systematic Review", Journal of General Internal Medicine, Vol.29, No.1, 187-203, [en ligne]. URL : https://link.springer.com/article/10.1007/s11606-013-2536-8

Ratnieks F.L.W., Schrell F., Sheppard R.C., Brown E., Bristow O.E., Garbuzov M., 2016, "Data Reliability in Citizen Science: Learning Curve and the Effects of Training Method, Volunteer Background and Experience on Identification Accuracy of Insects Visiting Ivy Flowers", Methods in Ecology and Evolution, Vol.7, No.10, 1226-1235, [en ligne]. URL : https://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210X.12581

Rizzoli A., Silaghi C., Obiegala A., Rudolf I., Hubálek Z., Földvári G., Plantard O. et al., 2014, "Ixodes ricinus and Its Transmitted Pathogens in Urban and Peri-Urban Areas in Europe: New Hazards and Relevance for Public Health", Frontiers in Public Health, Vol.2, [en ligne]. URL : https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2014.00251/full

Salomon J., Vayssier-Taussat M., 2016, "Plan Maladie de Lyme : Les Tiques s’en Réjouissent", The Conversation, [en ligne]. URL : http://theconversation.com/plan-maladie-de-lyme-les-tiques-sen-rejouissent-66351.

Silvertown J., 2009, "A New Dawn for Citizen Science", Trends in Ecology & Evolution, Vol.24, No.9, 467-471, [en ligne]. URL : https://www.cell.com/trends/ecology-evolution/abstract/S0169-5347(09)00175-X?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS016953470900175X%3Fshowall%3Dtrue

Steere A.C., Malawista S.E., Hardin J.A., Ruddy S., Askenase W., Andiman W.A., 1977, "Erythema Chronicum Migrans and Lyme Arthritis. The Enlarging Clinical Spectrum", Annals of Internal Medicine, Vol.86, No.6, 685-698, [en ligne]. URL : https://www.acpjournals.org/doi/10.7326/0003-4819-86-6-685

Steere A.C., Strle F., Wormser G.P., Hu L.T., Branda J.A., Hovius J.W.R., Li X., Mead P.S., 2016, "Lyme Borreliosis", Nature Reviews Disease Primers, Vol.2, No.1, 1-19, [en ligne]. URL : https://www.acpjournals.org/doi/10.7326/0003-4819-86-6-685

Stone B.L., Tourand Y., Brissette C.A., 2017, "Brave New Worlds: The Expanding Universe of Lyme Disease", Vector-Borne and Zoonotic Diseases, Vol.17, No.9, 619-629, [en ligne]. URL : https://www.liebertpub.com/doi/10.1089/vbz.2017.2127

Vayssier-Taussat M., Cosson J.F., Degeilh B., Eloit M., Fontanet A., Moutailler S., Raoult D., Sellal E., Ungeheuer M.N., Zylbermann P., 2015, "How a multidisciplinary ‘One Health’ approach can combat the tick-borne pathogen threat in Europe", Future Microbiology, Vol.10, No.5, 809-818, [en ligne]. URL : https://www.futuremedicine.com/doi/10.2217/fmb.15.15

Vayssier-Taussat M., Kazimirova M., Hubalek Z., Hornok S., Farkas R., Cosson J.F., Bonnet S. et al., 2015, "Emerging horizons for tick-borne pathogens: from the ‘one pathogen–one disease’ vision to the pathobiome paradigm", Future Microbiology, Vol.10, No.12, 2033-2043, [en ligne]. URL : https://www.futuremedicine.com/doi/10.2217/fmb.15.114

Wang Wei J., Benjamin P.Y.H. Lee, Low Bing Wen, 2016, "Citizen Science and the Urban Ecology of Birds and Butterflies - A Systematic Review", In: Goffredo S. (Ed.), PLOS ONE, Vol.11, No.6, [en ligne]. URL : https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0156425

Ward S.E., Brown R.D., 2004, "A Framework for Incorporating the Prevention of Lyme Disease Transmission into the Landscape Planning and Design Process", Landscape and Urban Planning, Vol.66, No.2, 91-106, [en ligne]. URL : https://www.sciencedirect.com/science/article/abs/pii/S0169204603000975?via%3Dihub

Wijngaard C.C. van den, Hofhuis A., Wong A., Harms M.G., de Wit G.A., Lugnér A.K., Suijkerbuijk A.W.M., Mangen M.J.J., van Pelt W., 2017, "The Cost of Lyme Borreliosis", European Journal of Public Health, Vol.27, No.3, 538-547, [en ligne]. URL : https://academic.oup.com/eurpub/article/27/3/538/3751227

Zeman P., Benes C., Markvart K., 2015, "Increasing Residential Proximity of Lyme Borreliosis Cases to High-Risk Habitats: A Retrospective Study in Central Bohemia, the Czech Republic, 1987-2010", EcoHealth, Vol.12, No.3, 519-522, [en ligne]. URL : https://link.springer.com/article/10.1007/s10393-015-1016-5

Haut de page

Notes

1 [En ligne]. URL : https://books.openedition.org/irdeditions/9062, consulté le 29/10/2023.

2 [En ligne]. URL : https://websenti.u707.jussieu.fr/sentiweb/?page=carte, consulté le 16/01/2023

3 [En ligne]. URL : http://www.natuurkalender.nl, consulté le 16/01/2023

4 [En ligne]. URL : https://www.tekenradar.nl/, consulté le 16/01/2023

5 [En ligne]. URL : https://www.citique.fr/, consulté le 16/01/2023

6 [En ligne]. URL : https://www.inrae.fr/actualites/signalement-tique-nouvelle-version-lapplication-signaler-piqures-tiques, consulté le 16/01/2023.

7 [En ligne]. URL : https://www.citique.fr/signalement-tique/, consulté le 16/01/2023

8 [En ligne]. URL : https://www.citique.fr/actualites-2/, consulté le 16/01/2023

9 [En ligne]. URL : https://www.arb-idf.fr/article/rencontres-naturalistes-2018/, consulté le 16/01/2023

10 Des études sur le profil des participants sont en cours. Les derniers, actuellement accessibles, sont consultables en ligne. URL : https://www.citique.fr/citique-chiffres-2017-2019/

11 [En ligne]. URL : http://www.vbornet.eu/, consulté le 16/01/2023

12 [En ligne]. URL : https://efsa.onlinelibrary.wiley.com/doi/10.2903/j.efsa.2010.1723, consulté le 16/01/2023

13 La plate-forme acquise par Apple inc. en Mars 2020 maintient une API fonctionnelle jusqu’à fin novembre 2022 pour les développeurs ayant souscrit un compte avant la date d’acquisition. Le reste des services a été suspendu. Plus de détails en ligne. URL : https://blog.darksky.net/, consulté le 16/01/2023

14 [En ligne]. URL : https://www.citique.fr/signalement-tique/, consulté le 16/01/2023

15 [En ligne]. URL : https://www.citique.fr/telechargements/download-info/formulaire-papier-signaler-une-et-envoyer-une-piqure-de-tique/, consulté le 16/01/2023

16 Le détail des prétraitements est développé dans Hilami et al., 2022

17 [En ligne]. URL : https://www.iso.org/fr/iso-8601-date-and-time-format.html, consulté le 16/01/2023

18 Application Programming Interface (Interface de programmation d'applications)

19 [En ligne]. URL : https://darksky.net/dev/docs#time-machine-request, consulté le 16/01/2023

20 [En ligne]. URL : https://darksky.net/dev/login?next=/docs, consulté le 16/01/2023

21 [En ligne]. URL : https://github.com/spicysardine/pycitique/tree/master/PDF/documentation, consulté le 16/01/2023

22 [En ligne]. URL : https://github.com/spicysardine/pycitique, consultation le 16/01/2023

23 [En ligne]. URL : https://donneespubliques.meteofrance.fr/?fond=produit&id_produit=93&id_rubrique=32, consulté le 16/01/2023

24 [En ligne]. URL : https://github.com/spicysardine/pycitique, consulté le 17/01/2023

25 [En ligne]. URL : https://darksky.net/attribution, consulté le 17/01/2023

26 [En ligne]. URL : https://ggplot2.tidyverse.org/reference/geom_smooth.html, consulté le 17/01/2023

27 [En ligne]. URL : https://ggplot2.tidyverse.org/index.html, consulté le 17/01/2023

28 [En ligne]. URL : https://www.britannica.com/science/dew-point-temperature, consulté le 17/01/2023

29 [En ligne]. URL : https://darksky.net/dev/login?next=/docs, consulté le 17/01/2023

30 [En ligne]. URL : https://www.citique.fr/distribution_signalements_2019/, consulté le 16/01/2023

Haut de page

Table des illustrations

Titre Carte 1 : Répartition des signalements de piqûres de tiques sur les humains en France entre janvier 2017 et avril 2020 (1191 jours)
Crédits Hilami, 2023 Sources : données du programme CiTIQUE, fond OpenStreetMap project
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-1.png
Fichier image/png, 631k
Titre Carte 2 : Répartition des 42 stations synoptiques de Météo-France et du maillage systématique pour extraire la donnée climatique de Dark Sky
Crédits Hilami, 2020. Sources : données Météo France et Dark Sky, fond OpenStreetMap project
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-2.png
Fichier image/png, 342k
Titre Figure 1 : Répartition temporelle des signalements en France entre janvier 2017 et avril 2020 (1191 jours)
Crédits Hilami, 2021.Sources : données du programme CiTIQUE
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-3.png
Fichier image/png, 68k
Titre Figure 2 : Profil-type de l’activité d’I. ricinus sur une année
Crédits Sources : Kurtenbach et al., 2006 (in Cat, 2017)
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-4.png
Fichier image/png, 263k
Titre Figure 3 : Profils comparés de 11 paramètres climatiques pour 42 stations synoptiques de Météo-France et leur équivalent Dark Sky
Légende Légende : courbe bleue - semis régulier Dark Sky ; diagramme en barres vert - stations synoptiques Météo France.
Crédits Hilami, 2021. Sources : données climatiques Météo-France et Dark Sky
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-5.png
Fichier image/png, 144k
Titre Figure 4 : Profils temporels des variables météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux, en France du 31 mars 2017 au 5 avril 2020 (1100 jours)
Crédits Hilami, 2021. Sources : données du programme CiTIQUE, données Dark Sky
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-6.png
Fichier image/png, 579k
Titre Figure 5 : Profils météorologiques associés aux 14 657 lieux et dates de signalements comparés à ceux des mêmes dates mais pour un semis régulier de lieux en France de janvier 2017 au 5 Avril 2020 (1191 jours)
Légende Légende : courbe bleue - semis régulier (random) Dark Sky ; histogramme vert - météo associée aux signalements (reporting).
URL http://journals.openedition.org/cybergeo/docannexe/image/40927/img-7.png
Fichier image/png, 96k
Haut de page

Pour citer cet article

Référence électronique

Khaldoune Hilami, Vincent Godard et Camille Noûs, « Explorer la répartition spatiotemporelle des piqûres de tiques sur les humains en France : la température moyenne comme indicateur du risque acarologique », Cybergeo: European Journal of Geography [En ligne], Environnement, Nature, Paysage, document 1063, mis en ligne le 20 mars 2024, consulté le 22 avril 2024. URL : http://journals.openedition.org/cybergeo/40927 ; DOI : https://doi.org/10.4000/cybergeo.40927

Haut de page

Auteurs

Khaldoune Hilami

Université Paris 8, CNRS-UMR7533/LADYSS, F-93200 Saint-Denis, France, CEV master G2M, hilami@free.fr

Vincent Godard

Université Paris 8, CNRS-UMR7533/LADYSS, F-93200 Saint-Denis, France, PU, vgodard@univ-paris8.fr

Articles du même auteur

Camille Noûs

Laboratoire Cogitamus, https://www.cogitamus.fr/, France, camille.nous@cogitamus.fr

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