Programme de recherche pour le bien social de CANSSI

Recherche pour le bien social

Soutien aux chercheurs qui soutiennent la société.

Le programme Recherche pour le bien social de CANSSI soutient les chercheurs en sciences statistiques qui sont prêts à avoir un impact immédiat sur la société. Il se concentre sur la recherche fortement engagée avec des collaborateurs qui s’attaquent à des problèmes ayant un impact immédiat sur la société, en particulier ceux impliquant des questions sociales.

  • Montant du soutien : Dépend de la portée du projet et du nombre d’étudiants et de boursiers postdoctoraux impliqués.
  • Région : Nationale
  • Dates limites : les candidatures sont examinées au fur et à mesure
  • Durée du programme : 2 à 12 mois
  • Admissibilité : Professeurs, étudiants et stagiaires postdoctoraux

Vous avez des questions sur le programme ?

Aperçu

Aperçu

Le programme Research for Social Good est conçu pour soutenir les statisticiens des instituts membres de la CANSSI qui sont en mesure de fournir un soutien critique à la recherche sur des problèmes émergents ayant un impact immédiat sur des questions importantes pour la société.

L’accent est mis sur le soutien de la recherche collaborative qui promet d’avoir un impact immédiat sur la société à l’échelle provinciale, nationale et/ou internationale, en particulier les projets axés sur les questions sociales.

Ce qui est impliqué

Ce qui est impliqué

Identifier les problèmes appropriés

Les professeurs souhaitant obtenir un soutien dans le cadre du programme Research for Social Good doivent contacter les directeurs pour discuter du projet potentiel.

Candidature au programme

Une demande consiste en une description de 1 à 2 pages de la recherche, du potentiel d’impact immédiat et des aspects d’équité, de diversité et d’inclusion (EDI) du projet proposé, le formulaire biographique de l’INCASS pour les responsables des sciences statistiques, une description des partenaires de la demande et de leurs qualifications pour le projet proposé, et un court budget indiquant les étudiants et les stagiaires postdoctoraux spécifiques à soutenir. Les directeurs de CANSSI sont heureux de conseiller les responsables qui préparent une demande.

Les demandes au Programme de recherche pour le bien social sont évaluées par la Direction de la CANSSI.

Rapports

Les enquêteurs soutenus rédigeront un court rapport décrivant :

  • Les résultats
  • La mesure dans laquelle l’objectif d’avoir un impact immédiat a été atteint.
  • Le potentiel des projets futurs
Qui est éligible

Qui est éligible

Membres du corps professoral

Les chercheurs principaux doivent être des statisticiens des instituts membres de la CANSSI. Ils doivent être en mesure de fournir un soutien critique à la recherche sur des problèmes émergents importants pour la société, en se concentrant sur la recherche appliquée qui a un fort potentiel d’avoir un impact immédiat.

Les propositions sont soumises par les membres du corps professoral.

Étudiants et boursiers postdoctoraux

Les chercheurs soutenus peuvent être des étudiants et/ou des stagiaires postdoctoraux. Ces participants sont sélectionnés par le(s) chercheur(s) principal(aux) et sont généralement indiqués dans la candidature.

Équité, diversité et inclusion (EDI)

Le programme Research for Social Good est une partie importante de CANSSI EDI. L’impact des projets soutenus a généralement des conséquences directes et/ou indirectes sur les questions de diversité et d’équité. Les participants au projet prennent part au programme CANSSI EDI tel que spécifié dans les exigences du programme.

Comment s’inscrire

Comment s’inscrire

Veuillez contacter le directeur pour discuter des projets potentiels.

Budget

Budget

Les budgets des projets dépendent de l’ampleur de la problématique et du nombre d’étudiants et de postdocs qui seront soutenus. Les projets peuvent durer de 2 à 12 mois. Les projets ne sont pas renouvelables.

Ce budget peut être utilisé pour soutenir les étudiants diplômés et les stagiaires postdoctoraux, ainsi que les coûts d’acquisition de données au cours du projet.

Review

Examen

Les demandes sont examinées par la direction de CANSSI.

Date limite de rapport : rapport attendu quatre semaines après la fin du projet

Projets antérieurs

Projets antérieurs du RSG

Estimation du nombre de cas cachés de COVID-19

De nombreux cas de COVID-19 sont passés inaperçus. Cela est dû à des facteurs tels que le volume de tests de dépistage du virus, les patients asymptomatiques, un autodiagnostic incorrect ou le défaut de divulguer l’infection à une autorité sanitaire. Les cas non détectés peuvent entraîner des infections communautaires et réduire l’efficacité des mesures de contrôle. Afin d’enquêter sur les taux de sous-déclaration de la COVID-19 au Canada, les membres de l’INCASS adapteront leurs méthodes issues de l’écologie de la faune afin de mieux quantifier l’étendue réelle de cette pandémie. Ce projet est dirigé par Laura Cowen, Junling Ma et Pauline van den Driessche, qui sont toutes de l’Université de Victoria.

Actuellement, seules les personnes présentant des symptômes sont testées pour la COVID-19, ce qui signifie probablement qu’il y a des cas cachés au Canada en raison de l’approche de test actuelle. En adaptant les méthodes de population cachée, qui sont utilisées dans les études impliquant des utilisateurs de drogues injectables et la population sans abri, cette équipe vise à découvrir plus de données sur les cas cachés de COVID-19. Cela permettra aux autorités sanitaires d’élaborer des politiques de santé publique plus éclairées dans les vagues actuelles et futures de COVID-19. Comprendre l’étendue de cette maladie est essentiel pour évaluer les soins de santé actuels et les réponses sociales. Ce travail peut également être utilisé pour mieux comprendre la sous-déclaration des futures pandémies.

Génétique de l’hôte pour la gravité et l’infection du SRAS-CoV-2 : pouvoir et contrôle

Les personnes qui ont contracté le COVID-19 peuvent disposer d’informations importantes sur leur constitution génétique qui permettent aux chercheurs de mieux comprendre comment la maladie se développe dans le corps d’un individu. Dirigée par Lloyd T. Elliot de l’Université Simon Fraser, cette équipe vise à mieux comprendre comment les différentes variations génétiques des gens peuvent éclairer le développement de vaccins et de médicaments contre la COVID-19. Plus précisément, Lloyd et son équipe réaliseront des études préliminaires sur les gènes impliqués dans les voies infectieuses des coronavirus tels que l’enzyme de conversion de l’angiotensine 2.

De plus, cette équipe utilise des données de la UK Biobank pour mieux comprendre et partager comment des facteurs tels que l’ethnicité et le statut socio-économique peuvent avoir un impact sur la recherche qui étudie le rôle de la génétique humaine dans la réponse de l’organisme au COVID-19. Comme cette pandémie n’en est qu’à ses débuts, les infections suivent les lignées géographiques et familiales. Cela signifie que les chercheurs doivent contrôler les structures socio-économiques pour s’assurer que les solutions développées pour lutter contre le COVID-19 sont exactes et tiennent compte d’une population diversifiée.

Estimation améliorée des matrices de contacts sociaux pour la modélisation de l’épidémie de COVID-19 au Canada

La distanciation physique est importante pour ralentir et contrôler la propagation de la COVID-19. Sans vaccin largement disponible, la réduction des contacts physiques est cruciale, d’où l’importance d’estimer le nombre de contacts sociaux par des enquêtes de population. Ce projet visera à publier des matrices de contacts sociaux qui seront partagées avec les modélisateurs mathématiques et les autorités de santé publique canadiennes pour modéliser l’évolution de la pandémie de COVID-19.

Les matrices de contacts sociaux utiliseront les données de l’enquête CONNECT avant et pendant le confinement au Canada pour établir les contacts attendus avec les réouvertures actuellement en cours à travers le Canada. Ces données seront ensuite intégrées au modèle mathématique dynamique de transmission de la COVID-19 de cette équipe, développé spécifiquement pour guider la prise de décision en santé publique au Québec. Les étudiants de ce projet sont dirigés par Alexandre Bureau , Marc Brisson et Mélanie Drolet de l’Université Laval. Ce projet, mené en collaboration avec l’ Institut national de santé publique du Québec , permettra aux autorités sanitaires de prendre des décisions plus éclairées sur leurs mesures et stratégies de distanciation physique ainsi que sur la levée graduelle de ces mesures.

Méthodes statistiques pour la prévision de la mortalité liée au COVID-19 au niveau des petites régions

Le Center for Global Health Research a récemment développé l’outil Global COVID-19 Assessment of Mortality (GCAM), qui est un modèle statistique ouvert, transparent et continuellement mis à jour qui combine le nombre réel de décès par COVID-19 avec l’inférence bayésienne pour prévoir le COVID-19 des morts.

Dirigé par Jeffrey Rosenthal et Patrick Brown de l’Université de Toronto, les étudiants amélioreront l’outil GCAM actuel en créant des prédictions spatio-temporelles de la mortalité par COVID-19 au niveau d’une petite zone avec un modèle hiérarchique ; et la prise en compte des irrégularités dans les délais de déclaration de la mortalité non hospitalière en traitant les dates réelles des événements comme des variables latentes. En améliorant cet outil, cela permettra à l’équipe de faire le meilleur usage possible des données de mortalité du COVID-19 alors que la pandémie se propage à travers sa première vague, aidant les pays à comprendre les trajectoires nationales de la maladie et préparant le terrain pour anticiper le cours des futures vagues .

Enquête sur les facteurs de risque génétiques de l’exposition et de l’hôte dans les études sur la COVID-19

Face à la pandémie de COVID-19, les chercheurs ont identifié diverses caractéristiques pouvant influencer le risque et le potentiel d’exposition d’un individu à contracter le virus. Ces covariables sont essentielles pour déterminer la présence de conditions sous-jacentes en plus du COVID-19, ainsi que pour améliorer la prédiction de la maladie. Cette recherche dirigée par Lei Sun et Lisa Strug fournira ces données qui seront intégrées à l’effort canadien d’étude de l’association pangénomique sur le séquençage du génome de l’hôte COVID-19.

Deuxièmement, ces chercheurs réalisent une étude qui identifiera spécifiquement les facteurs de risque génétiques du COVID-19, y compris une analyse des chromosomes sexuels, qui peuvent souvent être négligés dans les études scientifiques. L’impact de ce projet sera une source analytique robuste pour aider à augmenter les prévisions précises du risque de COVID-19 en fonction de ces facteurs de risque.

Nouvelles tables de mortalité 2020 pour le Québec : la surmortalité due à la COVID-19 et ses effets indirects

De toutes les provinces du Canada, le Québec a été la plus durement touchée par la pandémie de COVID-19. En septembre 2020, le Québec représentait l’écrasante majorité des décès liés à la COVID-19, d’où la nécessité de mises à jour des tables de mortalité à la lumière des taux de mortalité de la province qui ont été touchés par le virus. Comme un vaccin contre le COVID-19 n’est pas attendu avant 2021 au plus tôt, les taux de mortalité continueront d’être affectés par le virus dans un avenir prévisible jusqu’à ce que toute la population soit immunisée.

Les étudiants de ce projet de recherche construiront des tables de mortalité mises à jour pour la province de Québec, en utilisant des informations qui tiennent compte de l’augmentation de la mortalité due à la COVID-19 ainsi que de l’âge et du sexe d’un individu. Les informations statistiques concernant les taux de mortalité font partie intégrante du travail actuariel. Cela comprend les compagnies d’assurance-vie qui utilisent ces données pour calculer les primes d’assurance-vie, ainsi que l’Institut canadien des actuaires et la Society of Actuaries qui utiliseront la méthodologie développée dans d’autres régions géographiques. Le projet est mené par Louis Doray , Jean-François Angers et Nadine Ouellette .

Les données COVID-19 rapportées peuvent-elles nous dire la vérité ?

La gestion efficace de la pandémie de COVID-19 repose sur la communication précise des données sur la COVID-19. Cependant, les données collectées contiennent généralement des erreurs et ont tendance à sous-déclarer le nombre de cas en raison d’une incapacité actuelle à traiter le nombre de cas infectés asymptomatiques. Si les données analysées ne sont pas fiables, il devient impossible de déterminer un jugement pour un contrôle rapide et efficace des infections.

Afin de résoudre ce problème, Grace Yi et Wenqing He travaillent avec des étudiants diplômés pour analyser les données COVID-19 à l’aide de modèles d’erreur de mesure afin d’éliminer les écarts et de mettre en évidence les défauts dans les données. Cela permettra de mieux comprendre le taux de létalité, qui est le rapport entre le nombre de décès et le nombre de cas infectés. Le renforcement de la qualité des données qui éclairent notre connaissance du virus conduira à des informations tangibles qui aideront les professionnels de la santé dans l’effort de réponse au COVID-19.

Modélisation et visualisation de l’éclosion de COVID-19 dans les foyers de soins de longue durée au Canada

La COVID-19 a créé un impact tragique dans les foyers de soins de longue durée au Canada, représentant environ 50 % des décès liés à la COVID-19. Afin de régler ce problème, il faut évaluer les facteurs associés au potentiel d’éclosion d’une maison. À l’aide de données accessibles au public de Statistique Canada et du gouvernement de l’Ontario, ce projet analysera les facteurs géographiques, opérationnels et structurels qui contribuent à la propagation de la COVID-19 dans les foyers de soins de longue durée, afin de mieux comprendre comment les bases de données peuvent être à utiliser pour lutter efficacement contre la propagation.

John Braun , Patrick Brown et Ngan Lyle travailleront avec des étudiants diplômés pour constituer une base de données pour la province de la Colombie-Britannique afin d’aider à l’expansion de l’analyse des données concernant la COVID-19. Cette recherche jouera un rôle important dans l’orientation des tactiques d’intervention qui réduiront l’impact de la COVID-19 sur la présence à long terme du virus.

Détection des anomalies dans les indicateurs COVID-19

S’appuyant sur un projet de modélisation COVID-19 entrepris par l’équipe de prévision épidémiologique DELPHI de l’Université Carnegie Mellon, Daniel McDonald et son équipe développeront et mettront en œuvre des procédures statistiques qui signalent les problèmes potentiels de qualité des données, avant qu’elles ne soient utilisées par DELPHI ou diffusées au public via l’API. Un défi auquel l’équipe de modélisation de DELPHI est confrontée est l’identification rapide des valeurs d’indicateurs anormales, ce qui peut entraîner des problèmes de qualité des données pour les consommateurs de données internes et externes puisque ces données sont rendues publiques sans aucun décalage. Cela rend difficile la détection systématique et rapide de ces problèmes.

Les résultats de ce projet seront utilisés en interne par l’équipe de modélisation et intégrés dans le pipeline de prévisions. De plus, l’équipe de Daniel travaillera avec l’équipe de visualisation pour intégrer les outils de diagnostic développés dans le site Covidcast au profit des consommateurs de données externes.

Contact

Des questions? Contactez-nous

COORDINATRICE DE PROGRAMME

Louisa Benhamida


louisa_benhamida@sfu.ca

Renseignements généraux

canssi_sc@sfu.ca