Géoinformatique et géostatistique : un aperçu

Comparaison des modèles de régression spatiale et conventionnelle pour déterminer la prévalence du trachome et les facteurs de risque associés

Pius Kipngetich Kirui, Benson Kipkemboi Kenduiywo et Edward Hunja Waithaka

Le trachome est une maladie tropicale négligée et la principale cause infectieuse de cécité. Au Kenya, il représente 19 % des cas de cécité. Les recherches antérieures sur les facteurs de risque associés au Kenya se sont appuyées uniquement sur les données des enquêtes d'impact traditionnelles. Cependant, la distribution non uniforme de la prévalence dans les zones d'endémie suspectées, malgré des mesures d'intervention similaires, appelle à la nécessité d'inclure les facteurs de risque potentiels environnementaux et climatiques dans la modélisation de la transmission du trachome. Notre étude vise donc à déterminer la prévalence du trachome et ses facteurs de risque associés en utilisant des modèles de régression spatiale dans la sélection, l'estimation et la prédiction des variables par rapport aux modèles de régression conventionnels. Grâce à l'utilisation de données provenant d'enquêtes sur le trachome et de données environnementales et climatiques obtenues par télédétection, des modèles de régression spatiale et non spatiale ont été mis en œuvre. Les résultats de la régression ont ensuite été utilisés dans l'interpolation spatiale à l'aide du krigeage et de la régression pondérée géographiquement. Les précipitations, la présence de mouches sur le visage des enfants, les visages sales des enfants et l'aridité se sont avérés être les variables importantes qui contribuent à la transmission du trachome. Français Le modèle de décalage spatial avait la plus faible valeur du critère d'information d'Akaike de 385,08, ce qui lui a valu des résultats relativement meilleurs par rapport aux autres modèles de régression. Dans l'estimation de la prévalence dans les endroits où les données n'ont pas été collectées, le krigeage de régression multivariée a donné de meilleurs résultats que la régression pondérée géographiquement. L'étude montre que les modèles de régression spatiale sont plus performants que les modèles de régression conventionnels, à la fois dans la sélection des variables et dans la prédiction spatiale de la prévalence du trachome. Parmi les régressions spatiales, les variables significatives obtenues étaient similaires, bien que le décalage spatial ait été relativement meilleur par rapport aux autres modèles de régression dans la sélection des variables basée sur la valeur AIC et R-carré. Il y avait une variation minime entre les deux méthodes d'interpolation spatiale.