Modélisation mathématique pour la préparation aux pandémies au Canada : leçons de la COVID-19
Notice bibliographique
Résumé
Contexte : La pandémie de COVID-19 a mis en relief la nécessité d'une planification en cas de pandémie, mais a également mis en lumière l'utilisation de la modélisation mathématique pour soutenir les décisions en matière de santé publique.Les types de modèles qui furent nécessaires (à compartiments, à base d'agents, d'importation) sont décrits.Les meilleures pratiques concernant le réalisme biologique (y compris la nécessité de conseillers experts multidisciplinaires pour les modélisateurs), la complexité du modèle, la prise en compte de l'incertitude et la communication aux décideurs et au public sont décrites.Méthodes : Les membres du Réseau externe en modélisation des maladies infectieuses de l'Agence de la santé publique du Canada (REM-MI ASPC), une communauté de pratique nationale sur la modélisation mathématique des maladies infectieuses pour la santé publique, ont élaboré une analyse narrative à partir de l'expérience de la COVID-19.Résultats : La modélisation peut soutenir au mieux la préparation à la pandémie de deux manières : 1) en modélisant pour soutenir les décisions sur les besoins en ressources pour les pandémies futures probables en estimant le nombre d'infections, de cas hospitalisés et de cas nécessitant des soins intensifs, associés aux épidémies d'agents pathogènes pandémiques « hypothétiques, mais plausibles » au Canada; et 2) en disposant de méthodes de modélisation prêtes à l'emploi qui peuvent être facilement adaptées aux caractéristiques d'un agent pathogène pandémique émergent et utilisées pour les prévisions à long terme de l'épidémie au Canada, ainsi que pour explorer des scénarios afin de soutenir les décisions de santé publique sur l'utilisation d'interventions.Conclusion : Les organismes de santé publique au Canada ont besoin d'une expertise en modélisation à l'interne, connectée avec les modélisateurs du milieu universitaire au sein d'une communauté de pratique, dans laquelle les relations établies en dehors des périodes de crise peuvent être utilisées pour améliorer la modélisation pendant les urgences de santé publique.Les difficultés majeures auxquelles fait face la modélisation dans la préparation à une pandémie incluent la disponibilité de données couplées de la santé publique, des hôpitaux et de la génomique au Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».