Modélisation mathématique-; qui combine les mathématiques, les statistiques, l’informatique et les données ; est un outil essentiel pour les professionnels de la santé publique, qui l’utilisent pour étudier la propagation des maladies, prédire l’évolution future des épidémies et évaluer les stratégies de contrôle des épidémies.
Alors que la pandémie de COVID-19 a conduit à la prise de décision en matière de santé publique à l’échelle nationale, un large éventail de modèles de maladies ont proliféré. Dans tout le pays, les responsables des villes, des comtés et des États ont travaillé avec des équipes de modélisation universitaires pour développer des modèles personnalisés afin de prédire ce qui se passerait dans leurs juridictions. Les municipalités qui n’avaient pas les ressources nécessaires pour développer des modèles spécifiques à leur emplacement ont été obligées d’extrapoler les données d’autres modèles et de prendre des décisions basées sur des informations moins qu’idéales. Puisqu’il n’y avait pas d’infrastructure informatique pour exécuter ces modèles de manière standardisée, la confusion causée par la cacophonie de modèles incohérents a très probablement érodé la confiance du public dans la modélisation en tant qu’outil puissant.
Le professeur adjoint Joe Mihaljevic de la School of Informatics, Computing, and Cyber Systems (SICCS) de la Northern Arizona University a travaillé avec des partenaires de santé publique à travers l’État et le pays pour partager des modèles informatiques cartographiant la propagation du coronavirus. Mihaljevic, un écologiste des maladies qui applique des techniques de modélisation épidémiologique à la faune et, plus récemment, aux maladies humaines, a reçu plus de 3,5 millions de dollars des National Institutes for Health pour faire passer la modélisation au niveau supérieur avec EpiMoRPH (Epidemiological Modeling Resources for Public Health) , ce qui automatisera et accélérera considérablement le développement de modèles épidémiologiques.
« Tout au long de la pandémie, nous avons réalisé que nous avions besoin de modèles à des échelles spatiales pertinentes pour les besoins de partenaires de santé publique spécifiques », a déclaré Mihaljevic. « Dans tout le pays, les petites municipalités, comme les villes, ont souvent été obligées d’éclairer leurs décisions sur la base de modèles développés à des échelles spatiales plus grandes, comme des échelles de comté ou même à l’échelle de l’État, alors qu’elles avaient vraiment besoin d’un modèle personnalisé pour leur emplacement. Comme nous avons réfléchi aux défis complexes auxquels nous étions confrontés et aux choses que nous avons apprises en modélisant le coronavirus, nous avons posé cette question : si une nouvelle épidémie ou pandémie devait émerger, pourrions-nous imaginer un système qui faciliterait la mise en place et le fonctionnement des modélisateurs ? et pour collaborer entre les groupes ? Et pourrions-nous utiliser cela pour développer des modèles personnalisés localement qui sont meilleurs pour la prise de décision ? »
« Alors que nous développions la proposition d’EpiMoRPH, nous avons essayé de définir une partie gérable de cette réponse que nous pourrions accomplir dans un délai de cinq ans, pour développer un bon système de modélisation de preuve de concept pour ce que nous envisageons comme la » prochaine génération « de modélisation épidémiologique qui augmente l’automatisation, favorise le partage et la collaboration, accélère la découverte et fait progresser rapidement notre compréhension des épidémies », a-t-il déclaré.
Le projet utilisera deux maladies virales différentes comme études de cas : COVID-19 et SLEV (virus de l’encéphalite de Saint-Louis), mais EpiMoRPH fonctionnera avec tout agent pathogène transmissible affectant les humains, les animaux ou même les plantes.
« EpiMoRPH fournira un cadre pour caractériser les modèles de maladies de méta-population », a déclaré Mihaljevic, « soutenir le développement rapide de modèles et l’évaluation uniforme des modèles par rapport aux données de référence. Au-delà de cela, cependant, EpiMoRPH fournira une interface accessible aux professionnels de la santé publique pour identifier les modèles pertinents pour leur région et d’utiliser ensuite ces modèles pour générer des prévisions spécifiques à la municipalité. »
Sommaire
Collaboration multi-institutionnelle pour inclure le Conseil consultatif de la santé publique
Les co-chercheurs de Mihaljevic sur le projet sont le professeur Eck Doerry du SICCS, qui dirigera le développement de logiciels et l’informatique basée sur le cloud ; Crystal Hepp, professeure associée au SICCS, également au Translational Genomics Research Institute (TGen), qui dirigera l’acquisition et la gestion des données de surveillance sur les cas viraux ; et Samantha Sabo, professeur agrégé du Centre de recherche sur l’équité en santé de la NAU, qui aidera à mobiliser et à assurer la liaison avec les partenaires de santé publique et dirigera les efforts d’évaluation formelle.
Les enquêteurs de la NAU travailleront avec des chercheurs de plusieurs autres institutions, dont Esma Gel de l’Université du Nebraska, qui participera à la théorie de l’optimisation et au développement d’algorithmes ; Sanjay Mehrotra de la Northwestern University, qui dirigera l’ensemble des travaux sur le développement de la théorie de l’optimisation ; et Timothy Lant de l’Arizona State University, qui aidera à mobiliser et à coordonner un conseil consultatif de santé publique.
L’équipe formera un Conseil consultatif de santé publique (ASPC) composé de 15 intervenants locaux, régionaux et nationaux en santé publique et en modélisation épidémiologique qui fourniront des commentaires et une évaluation essentiels sur le système au fur et à mesure de son développement. Des collaborateurs du département des services de santé de l’Arizona, avec qui Mihaljevic et son équipe ont beaucoup travaillé pendant la pandémie de COVID-19, feront partie de cet effort.
« L’ASPC nous aidera à mieux comprendre les contraintes logistiques et à piloter le développement de l’interface utilisateur afin qu’elle reflète le niveau de détail requis par les utilisateurs prévus », a déclaré Mihaljevic. « Nous travaillerons en étroite collaboration avec le conseil consultatif pour évaluer et affiner nos technologies, en veillant à ce que nos innovations répondent aux besoins changeants des partenaires de santé publique, tout en faisant appel à la communauté des modélisateurs épidémiologiques. »
De plus, de nombreux étudiants diplômés et de premier cycle en informatique et en informatique participeront aux efforts de développement des cyberinfrastructures Web, de codage de scripts d’automatisation et de rédaction de documentation technique. Deux chercheurs de premier cycle en santé publique aideront l’équipe à mener des évaluations formelles de la technologie et à développer des méthodes de sensibilisation avec l’ASPC.
EpiMoRPH pourrait-il aider à rendre la prévision des épidémies aussi fiable que la prévision du temps ?
« Une fois EpiMoRPH construit, un utilisateur typique pourrait être quelqu’un qui représente la santé publique à Flagstaff, par exemple. Pendant la pandémie, cet utilisateur aurait peut-être voulu comprendre à quoi il devrait s’attendre avec COVID-19 en termes d’hospitalisations dans les 30 prochains jours Parce que notre modèle à l’époque était à l’échelle du comté de Coconino, nous pouvions leur dire ce qui se passait au niveau du comté, mais pas spécifiquement pour Flagstaff », a déclaré Mihaljevic.
« Et donc, une fois EpiMoRPH en place, si un modèle n’a pas été construit pour Flagstaff, un responsable de la santé publique pourrait saisir certaines caractéristiques de cet endroit particulier, telles que la densité de population, la géographie, etc., et voir immédiatement quels modèles sont Et puis le système EpiMoRPH utiliserait ces modèles pour développer une prévision personnalisée pour Flagstaff.
« Dans le scénario idéal, les modélisateurs de la communauté pourraient contribuer des modèles et les professionnels de la santé publique pourraient également fournir des données. Notre système associerait les modèles et les données et les opposerait les uns aux autres et essaierait de déterminer quels modèles sont les meilleurs pour des besoins spécifiques. Emplacements.
« À terme, à mesure que les modèles deviennent de plus en plus précis, la prévision des épidémies pourrait devenir aussi routinière et aussi fiable que la prévision de la météo », a déclaré Mihaljevic.
Révolutionner la façon dont la modélisation est faite
« C’est une toute nouvelle façon de penser au développement de modèles à grande échelle », a déclaré le co-chercheur Doerry, « afin que la prochaine fois que nous aurons une pandémie, nous soyons prêts et puissions produire des modèles cohérents, intelligibles et cohérents dès le début. .
« Notre objectif ultime est de révolutionner la façon dont la modélisation est effectuée en définissant une norme conceptuelle uniforme avec laquelle tous les modèles actuels et existants peuvent être caractérisés. Cela permettra une automatisation massive de la validation des modèles et du raffinement des paramètres et permettra de les tester automatiquement sur des milliers de modèles différents. locales pour découvrir quel modèle est le mieux adapté à n’importe quel ensemble de conditions locales. Enfin, nous ajouterons une infrastructure de cloud computing infiniment évolutive qui peut apporter une puissance de calcul massive pour faire tout ce gros travail. EpiMoRPH est si puissant précisément parce qu’il explore ce que vous pourrait réaliser si vous preniez une modélisation de pointe des agents pathogènes infectieux et la combiniez avec la pointe du calcul de données volumineuses basé sur le cloud. »
EpiMoRPH contribuera à la communauté nationale de modélisation
En mettant davantage l’accent sur la modélisation des maladies, la plate-forme EpiMoRPH pourrait potentiellement être adoptée comme plaque tournante nationale. Les laboratoires universitaires et les organisations nationales à travers le pays se précipitent pour rendre la modélisation des épidémies plus accessible, plus utile et plus précise. Par exemple, les Centers for Disease Control and Prevention (CDC) ont récemment lancé leur Center for Forecasting and Outbreak Analytics (CFA), qui améliorera la capacité du pays à utiliser des données, des modèles et des analyses pour permettre une prise de décision rapide et efficace en réponse à menaces de santé publique pour le CDC et ses partenaires de santé publique. Mihaljevic espère qu’EpiMoRPH pourrait apporter une forte contribution aux efforts nationaux de normalisation et d’automatisation de la modélisation des épidémies, dans le but de créer des prévisions fiables pour les décideurs locaux.
