Les recherches en ligne peuvent aider à prédire les augmentations et baisses ultérieures des cas de COVID-19

Recherches en ligne pour les activités mobiles et isolées peut aider à prédire les surtensions et les baisses ultérieures des cas de COVID-19, a découvert une équipe de chercheurs. Ses résultats, basés sur une analyse de quatre mois de recherches en ligne, offrent un moyen potentiel d’anticiper les voies de la pandémie – avant que de nouvelles infections ne soient signalées.

« Il s’agit d’une première étape vers la création d’un outil qui peut aider à prédire les poussées de cas de COVID en capturant les activités à haut risque et la mobilité prévue, ce que la recherche de gymnases et de repas en personne peut éclairer », déclare Anasse Bari, professeure adjointe clinique en informatique science au Courant Institute of Mathematical Sciences de l’Université de New York et l’un des auteurs de l’article, qui apparaît dans la revue Analyse des réseaux sociaux et exploitation minière.

« L’utilisation de ces ‘données alternatives’ n’a rien de nouveau et a été appliquée à d’autres fins – par exemple, des données alternatives ont été utilisées dans la finance pour générer des investissements basés sur les données, comme l’étude d’images satellites de voitures dans les parkings pour prédire les bénéfices des entreprises. . « 

Notre recherche montre que les mêmes techniques pourraient être appliquées pour lutter contre une pandémie en repérant, à l’avance, où des épidémies sont susceptibles de se produire. L’élaboration d’un baromètre du comportement permettrait, avec des travaux et une validation supplémentaires, aux décideurs politiques et aux épidémiologistes de suivre l’impact des interventions sociales et de se préparer à la montée des flambées. « 

Megan Coffee, professeure adjointe de clinique, Division des maladies infectieuses et d’immunologie, Grossman School of Medicine, New York University

La recherche a également montré une association entre les activités prévues à l’extérieur du domicile après la levée des restrictions de verrouillage, indiquant comment les effets des décisions politiques peuvent être mesurés à l’aide de données alternatives.

Depuis le début de la pandémie, les gouvernements ont limité les activités, souvent basées sur des poussées de cas de COVID-19, puis ont assoupli ces restrictions après des déclins. Cependant, ces actions répondent aux taux d’infection et visent à limiter la propagation des cas futurs.

dans le Analyse des réseaux sociaux et exploitation minière étude, les chercheurs ont cherché à déterminer s’il existait des moyens de repérer les comportements connus pour être à risque pendant la pandémie (par exemple, les visites dans les salons de coiffure et les salons de manucure) avant les éclosions locales et régionales – et inversement, d’identifier les comportements connus pour être moins risqués ( par exemple, faire de l’exercice à domicile) avant le déclin des cas de coronavirus.

«Notre objectif était de capturer la dynamique sociale sous-jacente d’une pandémie sans précédent en utilisant des sources de données alternatives qui sont nouvelles dans l’épidémiologie des maladies infectieuses», explique Bari. « Quand quelqu’un cherche l’heure de fermeture d’un bar local ou cherche les directions pour un gymnase local, il donne un aperçu des risques futurs qu’il pourrait avoir. »

Pour examiner cela, ils ont étudié les recherches en ligne de mars à juin en 2020 dans les 50 États. Ici, ils ont divisé les recherches en deux catégories – ou «pistes»: une piste d’index de mobilité, qui catégorise les recherches liées aux interactions avec d’autres personnes en dehors de la maison (par exemple, «théâtres à proximité», «billets d’avion») et un index d’isolement track, qui catégorise les recherches liées aux activités faites à la maison («livraison de nourriture», «yoga à la maison»).

Le choix des mots-clés de recherche par l’équipe a été éclairé par une récente enquête du Fonds pour la démocratie + UCLA Nationscape qui a suivi les activités que les individus ont indiqué qu’ils prioriseraient d’assister si «les restrictions étaient levées sur les conseils des responsables de la santé publique concernant les activités». Les résultats les plus populaires comprenaient «aller à un stade / concert», «aller au cinéma» et «assister à un événement sportif».

À l’aide des données de Google Trends, les chercheurs ont suivi les tendances de recherche liées à la mobilité et à l’isolement pour développer des index de mobilité et d’isolement. Ils les ont complétés par un «indice de mouvement net», qui était la différence entre l’indice de mobilité et l’indice d’isolement.

Les chercheurs ont ensuite examiné la croissance des cas de COVID-19 10 à 14 jours plus tard – le décalage prévu entre l’exposition et les symptômes – au niveau de l’État en examinant les données des agences de santé nationales et locales.

Dans l’ensemble, ils ont constaté que l’indice de mouvement net était corrélé aux nouveaux cas de COVID-19 – signalés chaque semaine – dans 42 des 50 États au cours de la période étudiée (mars-juin 2020).

Les chercheurs ont également examiné de plus près cinq États (Arizona, Californie, Floride, New York et Texas) pour déterminer l’impact de la fin des ordonnances au domicile sur les recherches. Dans tous ces états, l’indice de mobilité, qui a diminué au cours de la phase de verrouillage initiale, a augmenté au fur et à mesure que les réouvertures ont commencé. Par la suite, les cas de COVID-19 ont de nouveau augmenté dans tout le pays en juin 2020 et ont augmenté en Arizona, en Californie, en Floride et au Texas.

En revanche, une forte baisse antérieure des indices de mobilité a été suivie d’une forte baisse des données sur la croissance des cas dans ces cinq mêmes États.

«À partir de ces travaux, nous espérons construire une base de connaissances sur le changement de comportement humain à partir de données alternatives au cours du cycle de vie de la pandémie afin de permettre à l’apprentissage automatique de prédire le comportement lors d’épidémies futures», déclare Aashish Khubchandani, étudiant de premier cycle à NYU les auteurs de l’article.

Les chercheurs reconnaissent que les méthodes basées sur la recherche pour prédire les épidémies d’infection soulèvent des problèmes de confidentialité. Cependant, ils soulignent que leur outil utilise de gros volumes de requêtes de recherche, pas des requêtes individuelles, et s’appuie sur des données anonymisées afin de proposer des projections liées à la santé.