Cette thèse porte sur l’analyse spatiale de problèmes de santé publique rencontrés en Afrique subsaharienne. Dans une première étude, nous avons analysé les variations spatiales de la prévalence du VIH au Burundi et les déterminants socio-comportementaux chez les personnes âgées de 15 à 49 ans à partir des données de l’Enquête Démographique et de Santé (EDS) de 2010. Dans une deuxième étude, nous avons analysé l’évolution de la répartition spatiale de la prévalence du retard de croissance chez les enfants âgés de moins de 3 ans en Côte d’Ivoire à partir des données des EDS de 1994, 1998-1999 et 2011-2012. Pour ces deux études, nous avons tout d’abord prédit en des points non échantillonnés les niveaux de prévalence du problème étudié, soit par la méthode des noyaux, soit par la méthode du krigeage ordinaire. Nous avons ensuite procédé à la détection des agrégats spatiaux ou clusters par la méthode de Kulldorff puis à l’identification de zones de différents risques par la méthode du partitionnement oblique du territoire. Finalement, nous avons utilisé la modélisation spatiale pour identifier les facteurs associés. Ces techniques d’analyse spatiale présentent de nombreux avantages mais également de nombreuses limites que nous soulignons. / This thesis is about the spatial analysis of public health issues in sub-Saharan Africa. In a first study, we analysed the spatial variations of HIV prevalence and the socio-behavioral determinants among people aged 15 to 49 in Burundi using 2010 Demographic and Health Survey (DHS) data. In a second study, we analysed the evolution of the spatial distribution of stunting prevalence among under-three children in Côte d’Ivoire using 1994, 1998-1999 and 2011-2012 DHS data. For both studies, we first predicted the prevalence levels of the public health issue under study in unsampled points by the kernel method or ordinary kriging. We then identified clusters using the Kulldorff’s method and zones of different risks using the oblique partitioning method of the study area. Finally, we used spatial modeling to identify associated risk factors. These spatial analysis techniques have not only many advantages but also many limitations that we emphasize.
Identifer | oai:union.ndltd.org:theses.fr/2016MONTT048 |
Date | 18 November 2016 |
Creators | Barankanira, Emmanuel |
Contributors | Montpellier, Laurent, Christian, Molinari, Nicolas |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0018 seconds