Projets d’équipe de recherche collaborative

Modélisation spatiale des maladies infectieuses : environnement et santé

Ce projet explore les techniques avancées de modélisation statistique utilisées pour cartographier les résultats des maladies infectieuses.

Catégorie de recherche : Santé et biologie
Région : Nationale
Date : 2018-2021

Pourquoi étudier des modèles de maladies infectieuses ?

Les grappes de maladies et les modèles spatiaux de maladies sont importants pour éclairer les politiques, les programmes et les interventions, à l’échelle locale et mondiale.

En raison de processus écologiques complexes, les schémas spatio-temporels de propagation des maladies peuvent s’étendre sur plusieurs échelles. Les biais des données de surveillance, générées à partir de plusieurs juridictions avec des protocoles d’échantillonnage variés, posent des défis importants dans l’interprétation.

Ces problèmes peuvent être difficiles à intégrer dans des cadres quantitatifs et entraver la capacité d’utiliser des données et des modèles pour surveiller avec précision la maladie. Cela limite notre capacité à identifier les populations vulnérables dans l’espace ou dans le temps.

Zones d’exploration

Avancement du modèle au niveau de la zone (ALM)

Comprend le traitement des erreurs de mesure dans les covariables qui sont liées aux résultats des maladies infectieuses, grâce à l’avancement des ALM.

Modélisation des mélanges

Comprend le développement d’un modèle spatial au niveau de la zone pour assouplir l’hypothèse d’avoir la même distribution pour toutes les zones d’une étude de population. Cela se fait en introduisant une approche de modèle mixte pour les résultats des maladies infectieuses.

Modèles spatiaux multivariés

Comprend l’introduction de modèles multivariés au niveau de la zone pour étudier simultanément plusieurs résultats de maladies infectieuses.

Modèles au niveau individuel (ILM)

Comprend l’extension des MLI à une nouvelle classe de MLI géodépendantes, pour tenir compte de la localisation spatiale des individus et de la distance entre les individus sensibles et infectieux.

Modèles de survie spatiaux conjoints

Comprend le développement d’un modèle de survie spatial conjoint, pour modéliser des temps successifs à plusieurs événements à travers les étapes d’une maladie infectieuse.

Résoudre les défis mondiaux

Objectif de l’équipe de recherche

Utiliser la modélisation spatiale avancée pour résoudre les problèmes pratiques liés à la cartographie des résultats des maladies infectieuses. Mieux intégrer les données sur la santé de la population et l’environnement dans ces modèles.

Zone d’impact

Les autorités sanitaires dépendent des alertes fournies par les cliniciens de première ligne ou les membres du public lorsqu’il y a une augmentation de la maladie ou de la maladie (un groupe de maladies). Ces autorités doivent répondre aux demandes de renseignements sur les clusters pour informer le public qu’il n’existe aucun cluster ou pour avertir le public et enquêter sur la cause.

Les modèles spatiaux avancés offrent un reflet plus fidèle de la dynamique des maladies infectieuses et des données imparfaites. Ils peuvent aider les chercheurs et les autorités à mieux comprendre l’écologie des maladies et à conseiller la gestion de la santé de la population.


Les gens derrière le projet

Membres du groupe

Mahmoud Torabi , chef d’équipe | Université du Manitoba

Collaborateurs

Charmaine doyenne | Université de Waterloo

Mike Cornichons | Université du Manitoba

Cindy Fang | L’Université de la Saskatchewan

Rob Deardon | Université de Calgary

Subhash Lele | Université de l’Alberta

Rhonda Rosychuk | Université de l’Alberta

Erin Ree | Agence de la santé publique du Canada et Université de Montréal

Contact

Modélisation spatiale des maladies infectieuses : environnement et santé est un projet d’équipe de recherche collaborative. Ce programme aborde des problèmes complexes à travers un programme de recherche et de formation de trois ans.


L’INCASS offre environ 200 000 $ pour ce type de projet, qui nécessite une équipe de professeurs, de postdoctorants et d’étudiants.