Modélisation de la dynamique de la COVID-19 au Canada

2021

Data Source: 

Any data publicly available

Organizer: 

Dr Kathryn Morrison with (Dr. Chel Hee Lee, Dr. Ehsan Karim,and Dr. Zhaozhi Fan)

Contexte

Les modèles à compartiments font référence à une large classe de modèles de maladies infectieuses qui cherchent à comprendre comment les maladies infectieuses se propagent dans les populations sensibles. Le modèle SIR de base signifie susceptible, infecté et rétabli, indiquant les états (ou compartiments) des individus à un moment donné. Des versions plus complexes du modèle incluent, par exemple, des compartiments où les individus sont exposés mais pas encore infectieux (période de latence) ou un retour à la susceptibilité après le rétablissement. La vitesse à laquelle les individus passent d'un état à l'autre est généralement modélisée par des équations différentielles ordinaires, bien qu'il existe des versions déterministes et stochastiques de ces modèles. L'objectif de l'application des modèles à compartiments n'est pas de modéliser ou de prédire de manière réaliste et exacte l'épidémie, mais plutôt d'explorer des scénarios plausibles pour les infections compte tenu de divers paramètres et contraintes d'entrée.

 

Objectifs de l'étude de cas 

L'objectif de cette étude de cas est d'explorer la dynamique du SRAS-CoV-2 au Canada à l'aide d'un modèle compartimenté, et de définir une à trois questions de recherche claires que votre modèle cherche à aborder. Vous pouvez choisir n'importe quel type de modèle à compartiments dans cette vaste catégorie et utiliser toutes les données ou paramètres trouvés dans des sources publiques et/ou dans la littérature publiée pour effectuer vos simulations. 

 

Research Question: 

Vous trouverez ci-dessous quelques exemples de questions de recherche ; vous pouvez en choisir une ou en choisir une vous-même. Si vous n'êtes pas sûr que votre ou vos questions de recherche répondent aux critères du concours d'études de cas, veuillez vérifier auprès de M. Morrison. 

 

Exemple de question de recherche 1 : Quel aurait été l'impact d'une diminution ou d'une absence d'interventions / fermetures en matière de santé publique sur le nombre total de cas et de décès de COVID-19 au Canada en 2020 ? (Vous pourriez plutôt vous concentrer sur une zone géographique particulière au Canada, comme une ville ou une province). 

 

Exemple de question de recherche 2 : Les premières étapes de l'épidémie de COVID-10 au Canada ont été difficiles pour la santé publique pour de nombreuses raisons, l'une étant le manque de tests suffisants pour connaître le nombre réel d'infections dans la communauté. Étant donné le nombre de décès survenus au Canada (ou dans une zone géographique donnée de votre choix) et les meilleures estimations du taux de mortalité de COVID-19, quel était le nombre réel probable d'infections au fil du temps, compte tenu du stade initial de l'épidémie en mars et avril 2020? 

 

Votre rapport d'étude de cas et votre affiche doivent inclure :

  • La ou les questions de recherche que vous avez cherché à aborder avec votre analyse. 
  • La source de tous les paramètres utilisés dans vos modèles de simulation (par exemple, chiffres de population, taux de reproduction, durée de la période d'incubation).
  • Une discussion sur l'impact de vos hypothèses et paramètres et les limites de ces types de modèles. 
  • Au moins une visualisation de vos données simulées dans le temps. 
  • Un résumé des principales conclusions de votre analyse. 

 

Évaluation et points de classement

Chaque équipe doit concevoir une affiche qui évalue sa ou ses questions de recherche et présenter ses résultats pendant environ 10 minutes (plus 8 à 10 minutes supplémentaires pour la discussion). Le concours d'études de cas sera évalué comme suit:

§  Visualisations créatives des données (20 %)

§  Données d'entrée bien conçues pour la question de recherche donnée (10 %)

§  Pertinence, créativité et compréhension des points forts et des limites du modèle proposé (50 %)

§  Qualité et clarté de la présentation (20 %)

 

Ressources pour démarrer

Il existe de nombreux progiciels pour la modélisation des compartiments, ainsi que de nombreux tutoriels pour comprendre le fonctionnement des différentes versions de ces modèles.

 

Articles utiles

  • He, Shaobo, Yuexi Peng et Kehui Sun.
    « SEIR modeling of the COVID-19 and its dynamics. » Nonlinear Dynamics 101.3 (2020): 1667-1680.
     
  • Iwata, Kentaro et Chisato Miyakoshi.
    « A Simulation on Potential Secondary Spread of Novel Coronavirus in an Exported Country Using a Stochastic Epidemic SEIR Model. » Journal of Clinical Medicine 9.4 (2020): 944.
     
  • Ganyani, Tapiwa, Christel Faes et Niel Hens.
    ​« Simulation and Analysis Methods for Stochastic Compartmental Epidemic Models. » Annual Review of Statistics and Its Application 8 (2020).

Variables: 

Toutes les variables disponibles dans la base de données choisie pour l'étude.

 

Data Access: 

Accès libre.

Progiciels R

 

Progiciels Python

 

Coordonnées de l'organisatrice

Cette étude de cas a été préparée par Kathryn Morrison avec l'aide et les conseils des autres membres du comité des études de cas de la Société statistique du Canada (Chel Hee Lee, Ehsan Karim et Zhaozhi Fan). Pour toute question ou préoccupation, veuillez contacter : kathryn@precision-analytics.ca.