Cette histoire a été initialement publiée sur le site Web de l’Institut des océans et des pêches de l’Université de la Colombie-Britannique. Auteur : Riley Tjosvold. Crédit photo : Image by Margo Tanenbaum from Pixabay.
Les narvals, les requins et les ours polaires peuvent aider les professionnels de la santé à améliorer les soins aux patients souffrant de problèmes de santé mentale, et les patients souffrant de troubles tels que la dépression et le trouble bipolaire peuvent offrir des informations qui aideront à la conservation de nombreux animaux sauvages.
C’est ce que propose un projet unique en son genre mené par des chercheurs de l’UBC, de l’Université de Toronto, de l’Université de Windsor et de l’Université Dalhousie.
Le projet, une collaboration entre statisticiens, écologistes et chercheurs en santé mentale, vient de recevoir un financement de 210 000 $ de l’Institut canadien des sciences statistiques (INCASS).
L’ingrédient qui unit ces domaines apparemment disparates est constitué d’instruments de bio-enregistrement – pensez aux Fitbits, aux montres Apple et aux bagues Oura – qui collectent des informations sur les mouvements, l’emplacement et les conditions physiologiques telles que les battements cardiaques et la fréquence respiratoire. Les écologistes utilisent une technologie similaire pour étiqueter et suivre les animaux sauvages.
« Le domaine de la bio-exploitation forestière des animaux et le domaine des dispositifs portables humains fonctionnent dans deux silos distincts », a déclaré la Dre Marie Auger-Méthé, professeure adjointe et statisticienne écologique à l’Institut des océans et des pêches (IOF) de l’UBC et au Département of Statistics, et l’un des principaux chercheurs de l’équipe. « Il y a eu un développement statistique dans les deux domaines pour essayer d’améliorer la détection de certains comportements d’intérêt à l’aide de dispositifs de bio-enregistrement. Les écologistes et les chercheurs médicaux utilisent exactement les mêmes données. Nous examinons des animaux, certains humains et d’autres non humains, et donc les méthodes que nous développons dans les deux domaines partagent de nombreux points communs. »
Les chercheurs en santé mentale ont cherché des moyens d’utiliser des dispositifs de bio-enregistrement portables pour les alerter lorsque les patients ont des changements de comportement qui indiquent une crise, comme une diminution soudaine des mouvements chez les patients souffrant de dépression.
Les chercheurs en écologie utilisent des dispositifs similaires pour suivre les mouvements des animaux et savoir où les animaux adoptent des comportements importants, tels que la recherche de nourriture et le repos, afin de pouvoir localiser les zones de conservation.
Des obstacles communs ont freiné les progrès dans les deux domaines, selon Auger-Méthé.
« Beaucoup de modèles statistiques, que ce soit pour les humains ou les animaux, supposent que tous les individus sont les mêmes », a déclaré Auger-Méthé. « Par exemple, lorsqu’elles se nourrissent, toutes les baleines font la même chose, ou lorsqu’elles traversent une crise, toutes les personnes font la même chose, mais ce n’est clairement pas le cas ».
Les chercheurs espèrent faire avancer le développement d’un outil statistique appelé modèles de Markov cachés. Ces modèles sont utiles pour prédire des comportements qui ne peuvent pas être observés directement, mais qui entraînent des changements dans les données de mouvement enregistrées par des éléments tels que les dispositifs de bio-enregistrement.
En ajustant le cadre caché du modèle de Markov, ils pensent qu’ils peuvent mieux différencier les comportements subtils, par exemple, si une personne souffrant de dépression ne peut pas sortir du lit à cause d’une crise ou si elle diffuse simplement une nouvelle émission de télévision passionnante.
Parmi les autres problèmes auxquels le groupe s’attaquera, citons la compréhension des « boucles de rétroaction », ou comment les processus physiologiques tels que manger et dormir affectent le comportement, et les écarts entre les comportements observés et ceux enregistrés par les dispositifs de suivi.
Tous les membres de l’équipe auront des idées uniques et spécifiques à un domaine à offrir, et l’objectif est de rassembler les gens pour résoudre des problèmes communs, selon le Dr Vianey Leos Barajas, professeur adjoint à l’Université de Toronto au Département des sciences statistiques et de l’école. de l’environnement, statisticien écologique et chercheur principal du projet.
« L’un des avantages de travailler dans le domaine médical est que vous avez un médecin qui recueille des informations auprès de patients qu’elle connaît très bien », a déclaré Leos Barajas. « Vous avez des observations que vous ne pourrez peut-être pas obtenir avec un animal en liberté. Du point de vue de l’écologiste, nous comprendrons peut-être à quel point il est avantageux d’avoir ces informations supplémentaires, cette compréhension de cette personne, de ses tendances, de la variabilité entre les patients et de la manière dont nous pourrions appliquer cela à notre travail avec les animaux en liberté. »
Les chercheurs dans le domaine de la santé mentale devraient également avoir beaucoup à apprendre des écologistes statistiques, selon Leos Barajas.
« Je pense qu’ils auront une idée plus large des types d’inférences que vous pouvez faire à partir de ces ensembles de données, car pour l’instant, je ne sais pas s’ils utilisent autant les données de position que nous le faisons avec les mouvements d’animaux », a-t-elle déclaré. « Ils comprendront comment ce type de données est utilisé sur plusieurs espèces, comment il varie d’une espèce à l’autre et les types d’informations que les écologistes essaient d’obtenir. »
L’équipe se réunira pour des ateliers annuels, en ligne et en personne, et participera à des réunions de recherche semestrielles et à des groupes de lecture mensuels. Les étudiants diplômés et les postdoctorants se réuniront également mensuellement pour examiner et résoudre les problèmes statistiques connexes.
Le financement du projet démarre en avril 2022 et les premières étapes comprendront le recrutement de nouveaux doctorants.
