John Libbey Eurotext

Environnement, Risques & Santé

MENU

Modélisation de la distribution de l’infection à Mycobacterium ulcerans dans la commune de Lalo, Bénin Article à paraître

Illustrations

  • Figure 1
  • Figure 2
  • Figure 3
  • Figure 4
  • Figure 5

Tableaux

Auteurs
1 Centre inter-facultaire de recherche en environnement pour le développement durable
Université d’Abomey-Calavi
01 BP 256 Cotonou
Bénin
2 Institut régional de santé publique
BP 384 Ouidah
Bénin
3 Laboratoire de botanique forestière
École supérieure des sciences agricoles et de la vie
Université de Tokyo
1-1-1, Yayoi, Bunkyo-ku, Tokyo, 113-8657
Japon
4 Centre de dépistage et de traitement de l’ulcère de Buruli de Lalo
05 BP 2572 Cotonou
Bénin
5 Laboratoire de biogéographie et d’expertise environnementale
Faculté des sciences humaines et sociales
Université d’Abomey-Calavi
01 BP 526 Cotonou
Bénin
* Tirés à part
  • Mots-clés : ulcère de la peau, distribution géographique, environnement, entropie maximale, Bénin
  • DOI : 10.1684/ers.2019.1389

Les changements climatiques entraînent des modifications de l’environnement qui affectent à leur tour la distribution géographique des organismes vivants. L’infection à Mycobacterium ulcerans,encore appelée ulcère de Buruli (UB), est une maladie infectieuse nécrosante de la peau causée par une mycobactérie environnementale (Mycobacterium ulcerans) qui se rencontre souvent en milieu tropical et subtropical, où les conditions favorisent le développement de l’agent pathogène. Une modification de l’environnement affecterait la distribution géographique de cette maladie dans les zones endémiques. L’objectif de notre travail est d’étudier l’influence des changements climatiques sur la distribution géographique de l’UB au Bénin dans la commune de Lalo. À l’aide de la méthode maximum entropy, nous avons modélisé la distribution géographique probable de cette maladie sous les conditions climatiques actuelles et futures dans la commune de Lalo, une des communes endémiques de la maladie au Bénin. Cette modélisation a été faite en utilisant les variables bioclimatiques et les points de présence de la maladie. Il en résulte la prédiction d’une diminution de 80 % des zones à risque de la maladie à l’échelle de la commune dans le futur. Les résultats de notre modèle sont superposables aux données épidémiologiques nationales qui montrent une diminution des nouveaux cas de la maladie, qui sont passés de 1 203 cas en 2007 à 267 en 2017.