|
Vulnerabilité sociale des ménages liée au paludisme dans la ville de Yaoundé: une approche spatialepar Cherif BECHIR BEN Université de Yaoundé I - Master professionnel 2018 |
ConclusionDans ce chapitre, nous avons présenté en première partie de manière logique les motivations, les questions et les objectifs qui vont meubler les axes de ce travail de recherche sur la vulnérabilité des ménages liés au paludisme dans la ville de Yaoundé. Ensuite, nous avons défini quelques termes ou concepts clé de notre sujet. Enfin, nous avons présenté le cadre spatial de zone d'étude. Tour à tour, nous avons présenté le relief, le climat, l'hydrographie et la population de notre zone d'étude. CHAPITRE IV: METHODOLOGIE DE TRAVAILIntroductionPour répondre efficacement aux objectifs de notre travail, nous avons utilisé des outils de collecte et des logiciels de traitement des données spatiales. Les dits outils nous ont permis d'avoir les données. Une fois acquises, ces données ont été traitées dans différents logiciels selon la nature de la donnée (image satellite, fichier GPX ou shapefile) et du type de traitement envisagé. La réalisation de notre travail s'est fondée sur deux étapes essentielles que sont : la phase de terrain pour la collecte des données et la phase de bureau pour le traitement. 4-1. METHODOLOIE CONCEPTUELLE D'un point de vue général, l'étude démarre avec une recherche documentaire dans le domaine du paludisme précisément les différents rapports de l'Organisation Mondiale de la Santé, du Programme National de lutte contre le Paludisme, le Ministère de la Santé Public et autres documents et rapports relatifs à la vulnérabilité liée au paludisme. Cette phase a été suivie par l'approche thématique conduisant à la collecte des données qui a été effectuée sur le terrain et dans plusieurs institutions telles que le PNLP, l'OCEAC et le Ministère de la santé Public. A partir des outils, logiciels et données, la méthodologie de travail a été subdivisée en trois principales phases à savoir : la phase préparatoire, la phase traitement des données et la phase interprétation des résultats obtenus.
Traitement Acquisition des données Recherches documentaire Waypoints Données Fichiers INC Interviews des Rapports Minsanté Rapports PNLP Figure 7: Schéma méthodologique de notre sujet
Composante principales Distribution Evaluation de la vulnérabilité RESULTATS ET Dans le cadre de cette étude, nous avons opté pour une démarche hypothético-déductive. Elle consiste à émettre des hypothèses sur la base d'un raisonnement considéré comme vraisemblable, mais toute fois, destiné à être vérifié par le biais des informations recueillies sur le terrain. L'étude s'appuie sur la collecte de deux types de données : les données secondaires et les données primaires. L'étape ultime a procédé au traitement qui nous a permis de donner un sens aux données collectées. 4-2. DONNES D'ENTREE Une donnée désigne une représentation d'une information codée dans un format permettant son traitement par ordinateur. Elle découle des mesures d'observation sur le terrain ou des fichiers de base et des rapports existants (fichiers cartographiques existants, coordonnées GPS). Nous avons collectés un ensemble de données géographiques constituant la base de notre travail. En effet, elles représentent les données dont nous avons besoin pour créer les bases de données, afin de réaliser les cartes et pour ensuite effectuer des analyses. L'information sur le ménage : dans cette table les informations retrouvées renseigne sur la connaissance du paludisme par les occupants dudit ménage et les méthodes qu'ils entreprennent pour lutter contre le paludisme. Elle informe aussi sur les conditions physiques du ménage qui est très déterminant pour les calculs de vulnérabilité des habitants face au paludisme. Informations sur les enquêteurs : Dans cette table, le plus important est l'information personnelle et détaillée sur tous ceux qui ont mené les enquêtes auprès des ménages. Il peut donc être utile dans la connaissance parfaite du cluster. Informations sur les clusters : Cette étude se fait dans 32 sites ou encore d'étude. Ce sont unités spatiales qui regroupent un ou plusieurs quartiers et connues sous le nom de clusters. En cartographie nous l'appelons assiette de données. Le cluster est l'unité spatiale sur laquelle seront représentées toutes tous les données de terrain nécessaire pour la modélisation des phénomènes recherchés facteurs non négligeable dans ce projet de lutte anti-vectorielle. Informations sur les cours d'eau : La présence de l'eau (cours d'eaux, marécages, lacs, étangs) est un facteur nécessaire au développement et à la distribution des moustiques. la table hydrographie pris en compte dans ce travail est très indispensable à l'orientation et à la localisation des zones à gîtes larvaires potentielles. Informations sur la voirie : La voirie désigne ici toutes les voies de communication qui relient les unités spatiales de recherche. Elle permet de retrouver toutes les routes possibles pour arriver non seulement dans les sites de recherche mais aussi l'accessibilité des décideurs pour l'exécution de leurs décisions telles le traitement intra-domicile, le traitement des gîtes larvaires temporels, le partage systématique des moustiquaires imprégnés d'insecticides. Informations sur les moustiques : Ce sont des agents vecteurs directe de plusieurs maladie mais selon les espèces. Les informations contenues dans cette table doivent renseigner sur les corrélations entre les moustiques issus des captures nocturnes du même projet et les types de larves retrouvés lors des prospections des gîtes larvaires. Informations sur les larves : Plusieurs espèces de larves sont retrouvées pendant les prospections. Mais seules les larves d'anophèles ont été notée importante pour notre étude. Pour ce travail, il s'agit de la lutte anti-vectorielle du paludisme. Dès lors pour arriver à cet objectif, les larves d'anophèle sont prise en considération et peut donc orienter géographiquement où sont les espèces recherchées. Informations sur les gîtes larvaires : La localisation géographique des gîtes larvaires potentiels par GPS, les espèces, la densité des larves et la croissance des gites sont les informations importantes. 4-3. COLLECTE DES DONNEES C'est une phase de terrain qui a permis de collecter des données nécessaires pour la réalisation de ce travail. Cette collecte des données a été menée d'une par les géographes (pour les levées des coordonnées des gites larvaires) et d'autre part par les entomologistes (prospections et collecte des larves pour analyse au laboratoire). Les descentes sur le terrain ont été effectuées en équipe constitué de trois personnes dont un géographe et deux entomologistes donc un comme chef d'équipe. 4-3-1. Le rôle des géographes Equiper d'un GPS pour la prise des coordonnées géographiques des gites larvaires et d'une fiche pour noter ces coordonnées, le géographe est indispensable car il est chargé de la collecte des données qui seront stockées et visualisées plus tard.
A B Cliché: BECHIR B.C., Juin 2017 Figure 8: les clichés A et B montrent la levée des gîtes avec le GPS Ces clichés ont été prisent pendant la deuxième phase dans les clusters nouvelle route bastos (A) et Essos (B). Ils montrent les géographes en train de prendre les coordonnées géographiques des gîtes larvaires. 4-3-2. Le rôle des entomologistes Composer en deux groupes, les entomologistes qui effectuent les captures des moustiques dans les ménages et les prospecteurs des gîtes qui effectuaient cette tâche dans chaque gîte pour pouvoir vérifier l'existence ou non de larves de moustiques. Ensuite ils notaient les caractéristiques des gîtes dans une fiche et procéderont à la saisie une fois au bureau. Ce travail étaient d'au tend plus complexe que méticuleuse, car un entomologiste ne pouvait le faire seul. Les clichés suivants présentent la collecte des données par les entomologistes.
Cliché: BECHIR B.C., Mai 2017 Figure 9: les clichés A et B montrent les entomologistes sur le terrain Les entomologistes qui effectuaient plutôt les captures des moustiques dans les ménages travaillaient avec la coopération de certains chefs de ménages pour effectuer les captures à l'intérieur et à l'extérieur de leurs maisons. Les captures des moustiques se font entre 19 heures et 5heures du matin.
Cliché: Landre, Mai 2017 Figure 10: les clichés montrent les captures des moustiques sur le terrain 4-4. MATERIELS ET LOGICIELS UTILISES 4-4-1. Matériels utilisés l'ensemble du matériel utilisé dans le cadre de notre travail est consigné est énuméré comme suit : ? Les ordinateurs portables Les fiches d'enquête ? Le GPS pour la prise des coordonnées des gites larvaires ? Appareil photo ? Matériel roulant pour assurer nos déplacements. ? Fiches d'entretiens et de collectes des données (coordonnées GPS et informations entomologiques) Tableau 1: Description du matériel utilisé
Le tableau précédent nous renseigne sur l'ensemble de matériel que nous avons utilisé pour l'aboutissement de ce travail. 4-4-2. Logiciels utilisés Tout comme le matériel, l'ensemble des logiciels que nous avons utilisés sont les suivant : Arc Gis version 10.2.1 :c'est un logiciel SIG de ESRI (Environmental Systems Research Institute), il est développé pour faciliter la gestion et l'analyse des données spatiales afin de répondre à une problématique donnée. C'est le logiciel dans lequel nous avons fait tous les traitements et toutes les mises en page de nos cartes. C'est aussi dans ce logiciel que nous avons fait les jointures avec les fichiers Excel. Il a aussi été utilisé pour la correction du réseau routier. ? Quantum GIS version 2.6 Brighton: c'est le logiciel dans lequel nous avons déterminés les gites larvaires en points se trouvant dans un cluster (quartier) c'est-à-dire déterminer le nombre de gites larvaire que nous trouvons dans un clusters à travers l'outil point dans un polygone. ? Microsoft Excel version 2013 : C'est un
tableur, il nous a facilités la ? Microsoft Word version 2013 : C'est un
logiciel de traitement de texte. Il IBM SPSS Statistics 20 : est un logiciel de statistique. Nous avons utilisé ce logiciel pour traiter les données issues des entretiens que nous avons eu avec les populations sur le terrain. Nous avons pu réduire dles dimensions, générer les statistiques descriptives et obtenir les différentes composantes principales grace à ce logiciel. Tableau 2: Description des logiciels utilisés
Le tableau précédent nous renseigne sur l'ensemble des logiciels auxquels nous avons fait appel pour la production de ce travail. 4-5. METHODE DE TRAITEMENT ET D'ANALYSE La méthodologie générale de traitement des données repose sur l'utilisation conjointe des plusieurs outils. Elle concerne à la fois les données spatiales et les données sémantiques afin de montrer la vulnérabilité sociale des ménages liés au paludisme pour permettre un diagnostic territorial pour un bien-être des populations. Le travail de terrain nous a permis d'obtenir des données brutes. Ces données ont été traitées grâces à des logiciels spécialisés.
A Cliché: BECHIR B.C., Juillet 2017 Figure 11: les clichés A et B montrent la phase de bureau (traitement des données) Compte tenu de la nature des informations collectées sur le terrain et dans certains services, nous avons procédé au traitement statistique et cartographique. 4-5-1. Traitement des données statistique Dans la première étape du traitement, nous avons procédé à l'organisation et à la structuration des données à partir du logiciel Microsoft Excel 2013 ce qui a permis de faire des jointures entre les données entomologiques en fichier Excel et la table attributaire dans Arc gis.
Dans une seconde étape, nous avons procéder à la réduction des dimensions en utilisant le logiciel de statistique SPSS pour traiter les données issues des interviews avec les populations de notre zone d'étude. L'Analyse à Composante Principale est une technique statistique descriptive multivariée qu'on applique à un ensemble de variables qu'on veut réduire en quelques facteurs ou composantes (nouvelles variables). L'ACP vise à identifier le grand nombre de variables initiales relativement important qui peuvent être regroupés entre eux en vue de faciliter leur interprétation et leur donner un sens. Les différents résultats que nous avons obtenus au cours de notre analyse sont les suivants : Tableau 3: Indice KMO et test de Bartlett
Test de sphéricité de Bartlett Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. Signification de Bartlett Khi-deux approximé Ddl 21 ,634 ,000 193,634 Le tableau précédent mesure la précision de notre échantillonnage. Il convient de préciser que l'indice de KMO (Kaiser-Mayer-Olkin) doit obligatoirement tendre vers 1. Si tel n'est pas le cas, la factorisation n'est plus possible. Dans le cas présent, le KMO est égale à 0,634, même si c'est médiocre, c'est un bon résultat. Apres l'indice de KMO, le prochain tableau nous donnera les informations sur les variables qui concentrent le plus d'informations. Tableau 4: Variance totale expliquée
La lecture du tableau précédent nous permet de constater que seul les valeurs superieur à 1 (critère de Kaiser) sont retenues (2,046 ; 1,780 ;1,348 et 1,088). De ce fait, uniquement les composantes 1, 2, 3 et 4 sont maintenues. Elles concentrent plus de la variances que les variances initiales. C'est pour cela que les 1ère , 2ème , 3ème et 4ème axes sont ceux qui restituent le maximum d'informations. En d'autres termes, ils représentent environ 69,571% de la variance totale parmi les 32 items. Ensemble, les 4 composantes concentrent à elles seules 69,571% (dans la colonne cumulative %) des informations apportées par les 9 variables de départ. Cela signifie que la 1ère composante a une valeur propre de 2,046 et explique environ 19,802% de la variance, la 2ème composante a une valeur propre de 1,780 et explique 18,135% de la variance, la 3ème composante a une valeur propre de 1,348 et explique 16,805% de la variance et enfinla 4ème composante a une valeur propre de 1,088 et explique 14,827% de la variance. Tableau 5: Matrice des composantes après rotation
Dans le tableau de la matrice précédente, on peut constater que les quatres composantes ont une corélation égale à 0. Elle montre les corrélations (de -1 à +1) entre les variables et les composantes. L'interprétation des principales composantes est basée sur la recherche de variables qui sont le plus fortement corrélées avec chaque composante, c'est-à-dire quelles sont celles qui ont de grande valeur et les plus éloignées de 0 dans leur direction positive ou négative. Dans le cas présent, une valeur de corrélation supérieure à 0,5 est jugée importante. Ces corrélations forment quatres composantes principales qui sont indiquées dans le tableau précédent. 4-5-2. Traitement des données cartographique Après le traitement statistique, nous avons procédé au traitement cartographique des données. Cette étape a fait la part belle à la représentation spatiale des données. Pour ce faire, nous avons fait recours au logiciel QuantumGis afin de dénombrer le nombre de gites se trouvant dans un cluster ceux-ci étant en figurés ponctuels. Ceci s'est fait à travers l'outil point dans un polygone dans Outils d'analyse dans le menu vecteur. Le traitement cartographique ici a consisté à : ? Délimitation de la zone d'étude : A travers
l'outil clip, nous avons pu extraire ? La représentation cartographique : Ici nous avons
fait le choix de la symbologie ? Jointures attributaires à travers l'outil Join
and relate. Le fichier support des larvaires au format Shape afin de pouvoir cartographier la distribution spatio-temporelle des gites. La première étape consiste à faire appel dans le logiciel ARCGIS à la couche d'information contenant les entités spatiales sous étude : cas des gites larvaires.
On procède par la suite à l'appel du fichier Excel dans le logiciel ARCGIS de la manière suivante :
Chemin d'accès pour l'ouverture du fichier excel comprenant les attributs à joindre au fichier vecteur
A ce niveau, il est question de relier les attributs contenus dans le fichier excel à ceux du fichier vecteur des Gites larvaires. Pour cela, on procède comme suit :
Fenêtre de jointure. Il est question de préciser le type de jointure qui est tabulaire, le fichier Excel qui sera joint au vecteur, le champ de jointure et de valider en fin de compte la jointure. Chemin d'accès à la fenêtre de la jointure Une fois que la jointure est réalisée, il est nécessaire d'enregistrer le fichier obtenu sous un autre nom car le précedent n'est qu'un fichier temporaire qui n'existera plus si la session en cours est fermée. La procédure d'enregistrement est la suivante :
A partir de là, il est désormais possible de faire des analyses thématiques afin de produire des cartes de ratios. Pour cela, on procède ainsi qu'il suit :
S'agissant du choix de la technique d'interpolation spatiale à mettre en oeuvre, force est d reconnaitre que le couplage des techniques de modélisation spatiale à celles des SIG a beaucoup évolué ces dernières années, grâce aux progrès de l'informatique. D'une part, les logiciels de traitement géostatistique se sont enrichis d'outils simplifiés de représentation géographique, voire, plus récemment, de fonctions d'import/export pour communiquer avec des logiciels SIG; d'autre part, les logiciels SIG ont intégré des outils de modélisation spatiale à travers des extensions spécialisées. Les applications d'interpolation sont de plus en plus nombreuses, et ce dans des domaines variés, notamment en santé publique où l'information disponible se résume souvent à des données directes, obtenues in situ à partir de sondages, et à des données indirectes, de type géophysique ou autre, qui ne renseignent pas directement sur les propriétés mais présentent certaines corrélations avec elles (Gomez et Garcia, 1998). Le choix d'une technique appropriée dépend de nombreuses considérations, et son application nécessite une bonne dose d'expérience et d'expertise (Martin et al. 1989 ; Rogers 2003). La modélisation de surface est un processus mathématique par lequel une surface continue est interpolée à partir d'un jeu de données (x, y, z) distribuées aléatoirement. Le résultat de cette interpolation fournit une donnée structurée appelée « grille ». La précision de la grille obtenue dépend des données de départ (nombre, répartition...) mais également de l'algorithme de calcul des points de la grille (Maron et Rihouey, 2002). Les méthodes d'interpolation sont nombreuses et d'une complexité, comme d'une efficacité, très variable (Drapeau, 2000). La sélection de l'une ou l'autre est logiquement conditionnée par la représentativité espérée des résultats que l'on recherche et des objectifs que l'on se fixe (Renard et Comby, 2006). Dans ce travail, des interpolations spatiales ont été effectuées selon la méthode dite de « pondération inverse de la distance» (Inverse Distance Weighting, IDW) qui fait partir de la famille des méthodes d'interpolation dites déterministes. Elles sont donc fondées sur des fonctions mathématiques qui expriment soit un facteur de pondération des valeurs d'entraînement (pondération inverse de la distance), soit une surface de tendance (polynômes, splines), voire une combinaison des deux (Rogers, 2003). Cette méthode, contrairement au Kriging, a l'avantage de calculer, pour chaque point à estimer, la moyenne des valeurs expérimentales de ses voisins, en privilégiant les points les plus proches ; les facteurs de pondération sont donc calculés proportionnellement à l'inverse de la distance: 1 ÷ d. Cette méthode permet d'obtenir des grilles très rapidement, mais crée des zones circulaires autour des valeurs observées (effet « oeil de boeuf »). Ces techniques déterministes présentent néanmoins des défauts : elles ignorent la structure spatiale de la variable et produisent, du coup, des surfaces interpolées très lisses ; des situations locales très spécifiques peuvent alors être omises (zones de fortes ou de très faibles valeurs). Enfin, aucun critère statistique pour juger la précision de ces cartes n'est formulée.
Spatial analyst tools Interpolation IDW VISUALISATION ET VALIDATION DES RESULTAS Acquisition et structurations des
données Analyse et visualisation des données Modélisation spatiale des données Analyse et exploration des données Inverse Pondéré de la Distance (IDW) Méthode déterministes INTERPOLATION Figure 12: Schéma présentant la démarche de l'interpolation Si l'on veut optimiser la précision des estimations, il faudra utiliser d'autres outils qui feront appel à des modèles probabilistes (Despagne, 2006). La figure 12 décrit la procédure d'élaboration d'une carte d'interpolation. Elle est divisée en plusieurs étapes : la collecte et l'intégration des données existantes, l'exploration des données, le choix des méthodes d'interpolation spatiale et finalement la visualisation et validation des résultats obtenus. |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
