Show simple item record

dc.contributor.authorDiarra, Mamadou Molo
dc.date.accessioned2023-03-03T14:36:05Z
dc.date.available2023-03-03T14:36:05Z
dc.date.issued2021
dc.identifier.urihttps://www.bibliosante.ml/handle/123456789/6254
dc.description.abstractIntroduction : Le paludisme tue environ 655 000 personnes par an ; 81 % des décès surviennent en Afrique subsaharienne[1], principalement chez les enfants de moins de cinq ans[2]. En Afrique de l'Ouest, le paludisme représente 36,5% des motifs de consultation dans les structures de santé, c'est l’une des causes majeure de morbidité et de mortalité des enfants de moins de cinq ans et la première cause d'anémie chez les femmes enceintes[3]. Méthode et Matériel : Il s’agissait d’une étude observationnelle de type écologique avec des données collectées à partir du système de surveillance de sanitaire du cercle de Gourma Rharous entre 1 er janvier 2017 au 31 Décembre 2020 sur les chez résidents du district sanitaire de Gourma Rharous Variables relatives au paludisme à savoir les cas de paludisme par aire de santé et de population (DHIS2) avec comme variables météorologiques sur le site Giovanni de la (NASA) à savoir précipitation, humidité du jour, humidité de nuit, température minimale, température moyenne, température maximale, eau de surface, vitesse de vent. Les Analyses ont été realises par les logiciels suivants : Logiciels: R version 3.6.2, SaTScan version 9.6 et Microsoft Excel 2013, Analyse en composante principale (ACP) : la colinéarité, Modèle additif généralisé (GAM): régression en uni et multivariée, La fonction offset: l’effet de la population, La fonction spline (s): non linéarité entre les variables explicatives et la variable à expliquer. Régression quasi poisson pour prendre en compte la sur dispersion des cas de paludisme.La statistique de Kulldorf (SaTScan) a été réalisée sur chaque période pour déterminer les différents (clusters) qui etaient plus a RR de faire le paludisme dans district sanitaire. Résultats : Notre étude a trouvé un total de cas de paludisme = 47948 reparti comme suit : Cas de paludisme simple= 40252 soit (84%) Cas de paludisme grave= 7696 soit (16%) L’incidence est toujours élevé en Septembre quel que soit l’année sauf pour l’année 2020 ou on constate un second pic en Novembre (Figure 1). Cette figure (7) est constituée de trois composantes dont 2 évoluent dans le même sens que l’incidence soit composante 2 et composante 3. Dans l’analyse univariee avec décalage on trouve que les deux premières composantes expliquent mieux l’incidence du paludisme que la troisième composante Tableau (1). Ce modèle général explique mieux l’incidence du paludisme avec une déviance expliquée à 95% que les autres modèles que ce soit une analyse univariée avec les trois axes ou que ce soit une analyse multivariée avec les deux premiers modèles. Tableau(3) Conclusion : Le changement climatique étant susceptible d’agir sur la dynamique du paludisme l’accent doit être mis sur ces facteurs pour mieux prévenir le paludisme en mettant des stratégies de prévention en fonction de l’incidence du paludisme et en combinaison avec d’autres fonctions comme l’hydrologie et l’environnementaliste.fr_FR
dc.language.isofrfr_FR
dc.publisherUSTTBfr_FR
dc.relation.ispartofseriesMémoire;
dc.subjectAnalyse spatio-temporellefr_FR
dc.subjectPaludismefr_FR
dc.subjectFacteurs météorologiquesfr_FR
dc.subjectGourma Rharousfr_FR
dc.titleAnalyse spatio-temporelle du paludisme et facteurs météorologiques dans le district sanitaire de Gourma Rharous au Mali 2017-2020fr_FR
dc.typeOtherfr_FR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record