Description
Face à l’intensification des vagues de chaleur en Afrique sahélienne, cette étude vise à prédire les hospitalisations induites par ces événements extrêmes dans la région de Matam (Sénégal), en combinant des données climatiques (TMAX, HI) et des techniques d’apprentissage automatique (Random Forest, XGBoost). À partir des données hospitalières du Centre hospitalier régional de Ourossogui (2017–2022), l’analyse révèle un pic de consultations entre 3 et 5 jours après les vagues de chaleur, particulièrement chez les enfants, les personnes âgées et les travailleurs exposés. Les modèles d’intelligence artificielle surpassent les approches statistiques classiques (GAM), avec une performance prédictive robuste (R² ≥ 0.51) validée par une approche de bootstrap (1000 itérations). Ces résultats soulignent l’importance d’intégrer les prévisions climatiques dans les stratégies de santé publique pour améliorer les systèmes d’alerte précoce, renforcer la résilience sanitaire, et mieux cibler les interventions en faveur des groupes vulnérables. Ce travail montre également la pertinence de l’IA dans la santé publique africaine face aux défis climatiques croissants.
| Section | Recherche originale |
|---|---|
| Mot-clé 1 | Vague de chaleur |
| Mot-clé 2 | Apprentissage automatique |
| Mot-clé 3 | Santé publique |
| Mot-clé 4 | Sénégal |
| Mot-clé 5 | Système d’alerte |
