La surveillance sentinelle pour les maladies vectorielles : une étude de cas de la maladie de Lyme au Canada Sentinel surveillance for vector-borne disease : a case study of Lyme disease in Canada
Notice bibliographique
Résumé
Les maladies vectorielles sont en processus d’émergence à travers le monde. Au Canada, la maladie de Lyme (ML) a été identifiée comme une maladie infectieuse émergente prioritaire. La surveillance, si elle est efficace, peut suivre le portrait d’une maladie en évolution afin d'informer les autorités de santé publique; toutefois, en raison de ressources limitées, elle doit être optimisée. La surveillance sentinelle permet de réduire les coûts, car un nombre limité d'unités statistiques sont mesurées de manière répétée dans le temps. Néanmoins, ces unités sentinelles doivent être représentatives du portrait épidémiologique de la maladie pour assurer l'efficacité du système de surveillance. Le premier objectif de cette thèse était d'évaluer la représentativité de la surveillance sentinelle pour décrire le risque de ML au Québec, Canada. Deux types de systèmes de surveillance active acarologique sont déjà en place au Québec : 1) un système sentinelle, où les sites de terrain sentinelles sont maintenus constants et visités à chaque saison de terrain, et 2) un système de surveillance basé sur le risque où les sites accessoires sont priorisés en fonction de leur profil de risque. Des mesures de danger acarologique, en termes d'estimations de la densité de nymphes, ont été dérivées des sites sentinelles entre 2015 et 2019 et comparées à celles obtenues dans les sites accessoires. Les mesures de danger acarologique dérivées des sites sentinelles ont également été corrélées avec le nombre de cas humains rapportés à l'échelle municipale pour déterminer si elles étaient représentatives du risque de ML pour la population humaine. Il a été démontré que le système de surveillance sentinelle était capable de suivre les tendances spatio-temporelles d’incidence de ML dans les populations humaines de la zone d'étude et fournissait un meilleur indicateur de l’incidence de ML par rapport au système de surveillance basé sur le risque. Cependant, bien que les modèles aient pu prédire le risque de maladie de Lyme, les sites sentinelles n'ayant pas été choisis selon une approche validée, on peut émettre l’hypothèse que l’utilisation d'une approche holistique standardisée pour la sélection de sites sentinelles pourrait optimiser le design spatial du système de surveillance. Le deuxième objectif de cette thèse était de développer une telle approche et de l'appliquer à une étude de cas : la surveillance acarologique sentinelle pour le risque de ML à travers le Canada. Une revue de la portée a été utilisée pour inventorier les initiatives précédentes de surveillance sentinelle pour les maladies vectorielles, et pour cataloguer les critères qui ont été utilisés pour sélectionner les emplacements des unités sentinelles dans la zone d'étude. Les articles pertinents ont ensuite été analysés à l'aide d'une revue du type réaliste afin de créer un outil décisionnel permettant de sélectionner des critères pertinents pour la planification du design spatial d'un système de surveillance sentinelle pour les maladies vectorielles. Enfin, l'outil a été utilisé lors de la création d'un nouveau réseau de surveillance sentinelle pour le risque de ML au Canada; les critères retenus ont été incorporés dans une analyse multi-critères spatiale afin de sélectionner les régions sentinelles pour le réseau de surveillance acarologique active. Dans l'ensemble, cette thèse a exploré la surveillance sentinelle pour les maladies vectorielles, et a développé et testé une approche pour optimiser et standardiser la planification du design spatial des systèmes de surveillance sentinelle pour les maladies vectorielles. Dans de futurs travaux, cette approche devrait être mise en œuvre, évaluée et validée pour d’autres maladies et contextes épidémiologiques.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».