No description available.

Première des maladies infectieuses jugées comme prioritaire en Guyane, la dengue fait l’objet d’une forte mobilisation des pouvoirs publics. L’amélioration des connaissances relatives aux facteurs climatiques et environnementaux qui influencent la dengue est un préalable indispensable pour le développement de modèles de prédiction nécessaires pour anticiper et adapter les mesures de gestion aux différentes échelles du département. Cette thèse poursuit un double objectif : i) analyser aux différentes échelles de la Guyane (département, territoires, communes), l’effet des facteurs climatiques et environnementaux sur la dynamique des épidémies de dengue et ii) développer des modèles de prédiction des épidémies. A cet égard, des outils statistiques, de fouille de données et de modélisation complémentaires on été utilisés pour étudier l’influence des facteurs climatiques et environnementaux sur la dynamique de la dengue. Un modèle de prévision climatique des épidémies à l'échelle du départeent, présentant une bonne valeur prédictive a été développé. Ce modèle prédit une épidémie pour 2016. / Dengue is the most prioritized infectious disease in French Guiana with an intense mobilization of public health authorities. In this context, the improvement of knowledge on the climatic, environmental and demographic determinants of dengue transmission is a necessary condition to the development of epidemic prediction model for the planning of control activities at each level of organization of the territory. This thesis had two objectives: i) assess the effect of climatic and environmental factors on dengue spread; ii) develop prediction models of epidemic to anticipate and plan prevention and control activities. We used complementary statistical, data mining and modeling tools to show that climatic and environmental factors interplay with dengue incidence differently at different territory scales. A predictive model with a good performance was developped considering the whole territory of French Guiana. This model indicates that a dengue epidemic is likely to occur in 2016.