Prévention de la maladie de Lyme : facteurs sociaux et priorisation des interventions
Bibliographic record
Abstract
La maladie de Lyme est la maladie vectorielle la plus fréquente dans les pays tempérés et est en émergence dans plusieurs régions du monde. Plusieurs stratégies de prévention existent et comprennent des interventions qui visent les individus, comme le port de vêtements protecteurs, et d’autres qui sont implantées au niveau collectif, dont des interventions de contrôle des tiques dans l’environnement. L’efficacité de ces stratégies peut être influencée par divers facteurs, dont des facteurs sociaux tels que les connaissances, les perceptions et les comportements de la population ciblée. Elles peuvent également avoir des impacts parallèles non désirés, par exemple sur l’environnement et l’économie, et ces derniers peuvent s’opposer aux bénéfices des interventions jusqu’à remettre en cause la pertinence de leur mise en œuvre. Aussi, ces facteurs sociaux et les impacts des interventions sont susceptibles de varier selon la population ciblée et en fonction du contexte épidémiologique et social. L’objectif de cette thèse était donc d’étudier les principaux facteurs sociaux et enjeux d’importance à considérer pour évaluer l’efficacité et prioriser des interventions de prévention pour la maladie de Lyme dans deux populations exposées à des contextes différents, notamment en ce qui concerne leur situation épidémiologique, soient au Québec, où l’incidence de la maladie de Lyme est faible mais en émergence, et en Suisse, où elle est élevée et endémique depuis plus de trois décennies. L’approche choisie et le devis général de l’étude sont basés sur deux modèles théoriques principaux, soient le modèle des croyances relatives à la santé et celui de l’aide à la décision multicritère. Dans un premier temps, les facteurs associés à la perception du risque pour la maladie de Lyme, c’est-à-dire l’évaluation cognitive d’une personne face au risque auquel elle fait face, ont été étudiés. Les résultats suggèrent que les facteurs significatifs sont différents dans les deux régions à l’étude. Ensuite, l’impact des connaissances, de l’exposition, et des perceptions sur l’adoption de comportements préventifs individuels et sur l’acceptabilité des interventions de contrôle des tiques (acaricides, modifications de l’habitat, contrôle des cervidés) a été comparé. Les résultats suggèrent que l’impact des facteurs varierait en fonction du type du comportement et des interventions, mais que la perception de l’efficacité est un facteur commun fortement associé à ces deux aspects, et pourrait être un facteur-clé à cibler lors de campagnes de communication. Les résultats montrent également que les enjeux relatifs aux interventions de contrôle des tiques tels que perçus par la population générale seraient communs dans les deux contextes de l’étude, et partagés par les intervenants impliqués dans la prévention de la maladie de Lyme. Finalement, un modèle d’analyse multicritère a été développé à l’aide d’une approche participative pour le contexte du Québec puis adapté pour le contexte suisse et a permis d’évaluer et de prioriser les interventions préventives selon les différentes perspectives des intervenants. Les rangements produits par les modèles au Québec et en Suisse ont priorisé les interventions qui ciblent principalement les populations humaines, devant les interventions de contrôle des tiques. L’application de l’aide à la décision multicritère dans le contexte de la prévention de la maladie de Lyme a permis de développer un modèle décisionnel polyvalent et adaptable à différents contextes, dont la situation épidémiologique. Ces travaux démontrent que cette approche peut intégrer de façon rigoureuse et transparente les multiples perspectives des intervenants et les enjeux de la prévention relatifs à la santé publique, à la santé animale et environnementale, aux impacts sociaux, ainsi qu’aux considérations économiques, opérationnelles et stratégiques. L’utilisation de ces modèles en santé publique favoriserait l’adoption d’une approche « Une seule santé » pour la prévention de la maladie de Lyme et des zoonoses en général. Mots-clés : maladie de Lyme, prévention, facteurs sociaux, perception du risque, comportements préventifs, acceptabilité, priorisation des interventions, contrôle des tiques, aide à la décision multicritère, analyse multicritère, Québec, Suisse, « Une seule santé »
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.026 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".