Pipeline de données pour la surveillance épidémiologique du paludisme au Sénégal
# Pipeline de données — Surveillance du paludisme au Sénégal
Pipeline ETL complet pour la surveillance épidémiologique
du paludisme au Sénégal (2000-2024). Intègre quatre sources
internationales, modélise une base SQL Server en schéma en
flocon, produit un tableau de bord Power BI interactif et
prédit l'incidence à l'horizon 2030 avec Prophet.
---
## Stack technologique
- Python 3.x — pandas, sqlalchemy, unicodedata, prophet, scipy
- SQL Server Express — schéma en flocon (6 tables)
- Power BI Desktop — 13 mesures DAX
- Prophet (Meta) — prévisions 2025-2030
---
## Sources de données
| Source | Couverture |
|---|---|
| OMS / HDX | Indicateurs nationaux 2000-2024 |
| DHS / HDX | Prévalence régionale 2010-2017 |
| Banque Mondiale / HDX | Indicateurs prévention 2000-2021 |
| HDX | 1 345 structures sanitaires géolocalisées |
---
## Résultats
- Réduction de 84% du taux d'incidence entre 2000 et 2024
- Disparité régionale : Kédougou 17,25% vs Dakar 0,43%
- Prédiction Prophet 2030 : 29,11/1000 — écart OMS : +6,07 points
---
## Tableau de bord Power BI
**Vue Nationale — évolution sur 25 ans**
**Analyse Régionale — disparités géographiques**
**Vue Préventive — programmes de prévention**
---
## Prévision Prophet 2025-2030
---
## Schéma en flocon — base paludisme_senegal
---
## Structure du projet
```
├── 03_scripts/
│ ├── 02_transformation/
│ │ ├── 01_nettoyage.py
│ │ └── 02_transformation.py
│ └── 03_chargement/
│ └── chargement_etl.py
├── 04_base_donnees/
│ └── create_tables.sql
├── 06_ml_models/
│ └── 01_prophet_incidence.py
└── 07_outputs/
├── previsions_incidence_2025_2030.csv
├── prophet_prediction_incidence.png
├── schema_flocon_paludisme.png
├── dashboard_vue_nationale.png
├── dashboard_analyse_regionale.png
└── dashboard_vue_preventive.png
## Installation
```bash
pip install pandas sqlalchemy pyodbc prophet matplotlib scipy
```
Créer un fichier `.env` :
DB_SERVER=ANNA/SQLEXPRESS
DB_NAME=paludisme_senegal
DB_USER …