En épidémiologie, une connaissance précise des populations à risque constitue un pré requis aucalcul d'indicateurs de l’état de santé d’une communauté (taux d'incidence). Néanmoins, les effectifsde population peuvent être indisponibles, ou peu fiables, ou insuffisamment détaillés pour un usageépidémiologique.L'objectif principal de ce travail est d'obtenir des taux d'incidence en l'absence de donnéesdémographiques, à une échelle spatiale infra-communale. Les objectifs secondaires sont d'estimerles populations humaines par l'intermédiaire de données satellitaires à très haute résolution spatiale(THRS), d'évaluer l'apport de ces données THRS par rapport aux données à haute résolution spatiale(Landsat) dans un même cadre urbain (Besançon), et de mettre au point une méthodologie simple etrobuste, pour garantir son exportabilité à d'autres zones.Nous proposons une approche en trois étapes, fondée sur la corrélation existant entre la densité depopulation et la morphologie urbaine. La première étape consiste à extraire des bâtiments à partirdes données télédétection THRS. Ces bâtiments sont utilisés dans la deuxième étape pour modéliserla population. A leur tour, ces populations servent de dénominateur, lors de la dernière étape, pourcalculer des taux d’incidence (cancers). Des données de référence sont utilisées à chaque étape pourévaluer les performances de notre méthodologie.Les résultats obtenus soulignent le potentiel de la télédétection pour mesurer l'état de santé d'unecommunauté (sous la forme de taux bruts d’incidence) à une échelle géographique fine. Ces tauxd'incidence estimés peuvent alors constituer des éléments de décision pour mieux adapter l'offre desoins aux besoin de santé, même en l'absence de données démographiques / In epidemiology, a precise knowledge of populations at risk is a prerequisite for calculating state ofhealth indicators of a community (incidence rates). The population data, however, may beunavailable, unreliable, or insufficiently detailed for epidemiological use.The main objective of this research is to estimate incidence rates, in cases of absence of demographicdata, at an infra-communal scale. The secondary objectives are to estimate the human populationthrough satellite data at very high spatial resolution (VHSR), to assess the contribution of this data(VHSR) compared with high spatial resolution data (Landsat) in a same urban framework (Besançon),and to develop a simple and robust methodology to ensure its exportability to other areas.We proposed a three-step approach based on the correlation between population density and urbanmorphology. The first step is to extract buildings from VHSR imagery data. These buildings are thenused in the second step to model the population data. Finally, this population data is used as thedenominator to calculate incidence rates (cancers). Reference data are used at each step to assessthe performance of our methodology.The results obtained highlight the potential of remote sensing to measure the state of health of acommunity (in the form of crude incidence rates) at a fine geographical scale. These estimatedincidence rates can be utilized as elements of decision to adapt better customized healthcare withrespect to the health needs of a given community, even in the absence of demographic data

L’hémolyse post transfusionnelle retardée (HPTR) est une complication potentiellement mortelle de la transfusion dans la drépanocytose. Sa fréquence est sous-estimée et aucun facteur prédictif de sa survenue n'a encore été identifié. Nous avons mené une étude observationnelle prospective monocentrique pendant 30 mois. Nous avons inclus 694 épisodes transfusionnels (ET) chez 311 patients adultes drépanocytaires, divisés en ET ponctuels (ETP = 360) et en ET chronique dans le cadre d’un programme (ETC = 334). Au cours de ce suivi, 15 HPTR ont été enregistrées, exclusivement après un ETP. L'incidence cumulative d’HPTR sur 30 mois était de 4,2 % par ETP (IC 95 % [2,6 ; 6,9]) ou 6,8 % par drépanocytaires transfusés (IC 95 % [4,2 ; 11,3]). Le taux d’incidence était de 16,4 HPTR pour 1000 ETP-Année (IC 95 % [10,1 ; 27,2]) ou 27,1 HPTR pour 1000 Personne-Année (IC 95% [16,7 ; 45,0]). Nous avons étudié 11 HPTR supplémentaires afin de construire un score prédictif. Les variables retenues étaient un antécédent d’HPTR, le nombre d’unités précédemment transfusées et l’état d’immunisation pré transfusionnelle. L’adéquation du score était excellente (Hosmer-Lemeshow = 1,40, p = 0,71), sa capacité discriminante très satisfaisante (aire sous la courbe ROC = 0,85 ; p < 0,0001), une valeur prédictive négative de 98,4 % et une valeur prédictive positive de 50,0 %. La validité interne du score, réalisée par Bootstrap, montre une très bonne performance. Nous rapportons, pour la première fois, l'incidence de l’HPTR et montrons qu’elle survient uniquement suite à un ETP. Nous décrivons également un score simple de prédiction d’une HPTR avant un ETP afin de mieux prendre en charge cette transfusion. / Delayed hemolytic transfusion reaction (DHTR) is a life-threatening complication of transfusion in sickle cell disease (SCD). The frequency of DHTR is underestimated and no predictive fac-tors for identifying patients likely to develop DHTR have yet been defined. We conducted a prospective single-center observational study over 30 months. We included 694 transfusion epi-sodes (TE) in 311 adult patients, divided into occasional TE (OTE: 360) and TE during a chronic program (CTE: 334). During follow-up, 15 cases of DHTR were recorded, exclusively after OTEs. DHTR cumulative incidence durin the 30 months was 4.2% per OTE (95% CI [2.6, 6.9]) or 66.8% per patient (95% CI [4.2, 11.3]). The incidence rate was 16.4 DHTR per 1000 OTE-Year (95% CI [10.1, 27.2]) or 27.1 DHTR per 1000 Person-Year (95% CI [16.7 ; 45.0]). We studied 11 additional DHTR cases to construct a score for predicting DHTR after OTE. Fifteen % of the 26 DHTR patients died. The variables retained in the multivariate model were history of DHTR, number of units previously transfused and immunization status before transfusion. The score adequacy was excellent (Hosmer-Lemeshow = 1.40, p = 0.71), very satisfactory dis-criminant capacity (area under ROC curve = 0.85, p <0.0001), negative-predictive value of 98.4% and a positive-predictive value of 50%. The internal validity of the score, realized by Bootstrap, shows a very good performance.We report, for the first time, the incidence of DHTR and we show that DHTR developed only in OTE. We also describe a simple score for predicting DHTR in patients undergoing occasional transfusion, to facilitate the management of blood transfusion in SCD patients.