Modélisation de l'impact de l'environnement sur la propagation de la fièvre typhoïde à Mayotte et construction d'outils d'aide à la décision pour la gestion des maladies hydriques // Modeling the impact of the environment on the spread of typhoid fever in

La question de l'accès à l'eau potable est cruciale pour Mayotte qui a connu en 2023 une séche-resse sans précédent. En 2024, environ 320 900 habitant·es vivent sur le territoire dont la moitié est âgée de moins de 18 ans. Un·e habitant·e sur trois n'a pas à accès à l'eau à l'intérieur de son logement et irait s'alimenter chez un·e voisin·e, à une borne fontaine monétique (BFM), au puits ou encore à la rivière et peut recourir à un stockage de l'eau dans des conditions douteuses. Par ailleurs, des coupures d'eau 2 jours sur 3 sont périodiquement en place. A ce contexte de très forte précarité s'ajoute l'absence d'un système d'assainissement de qualité.

La fièvre typhoïde est une maladie endémique à Mayotte dont la déclaration est obligatoire. Elle est causée par une bactérie et se transmet par ingestion de boissons ou d'aliments souillés par les selles d'une personne infectée. Sa transmission est donc fortement liée au niveau d'hygiène de la population et à la présence de réservoirs d'eau contaminée. Entre 2018 et avril 2024, 339 cas ont été recensés sur l'île.

Le but de ce projet est d'analyser et de mesurer l'impact des conditions l'accès à l'eau potable et de la pluviométrie sur la propagation de la fièvre typhoïde à Mayotte. L'absence de pluies pourrait être bénéfique par la diminution des réservoirs d'eau contaminée, mais les restrictions d'eau pourraient entrainer des baisses du niveau d'hygiène menant au contraire à une hausse des cas.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Access to drinking water is a crucial issue for Mayotte, where an unprecedented drought ocurred in 2023. In 2024, approximately 320,900 inhabitants live in the territory, half of whom are under 18 years old. One in three inhabitants does not have access to water inside their homes and would go to a neighbor's house, to a public payment standpipe (BFM), to a well or even to the river and may resort to storing water in questionable conditions]. In addition, water cuts occur periodically 2 days out of 3. Added to this context of very high precariousness is the absence of a quality sanitation system.

Typhoid fever is an endemic disease in Mayotte that must be declared. It is caused by a bacterium and is transmitted by ingestion of drinks or food soiled by the stools of an infected person. Its transmission is therefore strongly linked to the level of hygiene of the population and the presence of contaminated water reservoirs. Between 2018 and April 2024, 339 cases were recorded on the island.

The aim of this project is to analyze and measure the impact of access to drinking water and rainfall on the spread of typhoid fever in Mayotte. The lack of rain could be beneficial by reducing contaminated water reservoirs, but water restrictions could lead to drops in the level of hygiene leading to an increase in cases.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Université de Montpellier

166 I2S - Information, Structures, Systèmes

Titulaire d'un Master de 2 de statistique ou probabilité : processus de Markov, séries temporelles, modèles linéaires généralisés, statistique des processus, statistique multivariée, maîtrise de R ou Python, autonomie, rigueur.
Master's degree in statistics or probability: Markov processes, time series, generalized linear models, statistics for processes, multivariate statistics, advanced programming skills in R or Python, autonomy, rigor.