Au vu du défi mondial sans précédent que représente la COVID-19, le Groupe de biostatistique présente ici les nombreuses façons dont les statisticiens participent à la recherche sur la COVID-19. Des essais cliniques à la santé des autochtones, de l'impact sur l'enseignement à la modélisation spatiale, des applications locales aux projets internationaux, notre expertise est vaste et nous montrons la voie ! Vous trouverez ci-dessous un petit « échantillon » de ces projets passionnants.
1. Nicole Basta et Erica Moodie, chercheuses à l'Université McGill, sont ravies de partager une nouvelle initiative qu'elles ont récemment lancée : https://covid19.trackvaccines.org/ ! Des chercheurs du monde entier travaillent à la mise au point rapide de vaccins sûrs et efficaces contre la COVID-19. La grande question est de savoir « Combien de temps cela prendra-t-il vraiment ? » Notre équipe rassemble et analyse des données d’essais cliniques vaccinaux provenant de sources multiples, afin de suivre les vaccins expérimentaux conçus spécifiquement pour prévenir la COVID-19 dès qu'ils font partie d'un essai clinique enregistré. Sur le site Web, les internautes peuvent survoler notre carte de suivi du vaccin contre la COVID-19 pour savoir combien d'essais sont en cours dans chaque pays. Notre page de suivi du vaccin utilise un système innovant par cartes, qui affiche le nom, le développeur/sponsor principal, la phase la plus élevée de l'essai clinique en cours, et plus encore. Enfin, les utilisateurs peuvent trouver des informations sur le fonctionnement des vaccins ou soumettre une question. Les informations et le contenu sont mis à jour régulièrement, alors revenez souvent !
2. Une équipe codirigée par Michael Rotondi (Université York), Janet Smylie (Hôpital St. Michael's, Toronto) et Cheryllee Bourgeois (Seventh Generation Midwives Toronto) a reçu 395 460 $ des Instituts de recherche en santé du Canada (IRSC) pour estimer le taux de transmission de la COVID-19 chez les peuples autochtones des villes. Leur équipe utilisera les informations tirées des études Our Health Counts, d’études de recherche sur la santé des populations codirigées par des communautés autochtones utilisant un échantillonnage en fonction des répondants et les réseaux sociaux, à Toronto, London et Thunder Bay. Les études Our Health Counts seront reliées à la base de données provinciale sur la COVID-19 de l'Institute for Clinical Evaluative Sciences (IC/ES) afin de surveiller activement la prévalence et l'incidence de la COVID-19 dans les communautés autochtones urbaines. Bien que les estimateurs de la prévalence pour l'échantillonnage en fonction des répondants soient bien définis, l'estimation de l'incidence et les modèles multivariables pour les études d'échantillonnage en fonction des répondants restent un domaine de recherche méthodologique très actif. En partenariat avec les prestataires de services de santé des communautés autochtones, leur équipe de recherche produira des informations statistiquement valides et représentatives concernant le fardeau de la COVID-19 et son taux de propagation dans ces communautés autochtones urbaines.
3. Les professeurs Grace Y. Yi et Wenqing He codirigent une équipe à l'Université Western qui participe à divers projets de recherche sur la COVID-19. Un projet intitulé « Can the reported COVID-19 data tell us the truth? » a été financé par le Programme de réponse rapide COVID-19 de l'Institut canadien des sciences statistiques (INCASS). Les résultats de recherche sur de multiples sujets produits par les membres de l'équipe et leurs collaborateurs sont affichés sur leur site Web COVID-19 Canada, https://covid-19 canada.uwo.ca/. Ce site Web, développé par l'équipe, offre une vue et une compréhension opportunes de l'évolution de la pandémie au Canada grâce à une plateforme Web interactive en temps réel. Il présente une visualisation des données de l’évolution quotidienne de la COVID-19 au Canada et prévoit les tendances futures via différents modèles de prévision statistique. En outre, il répertorie diverses sources de données publiques qui permettent aux chercheurs et aux professionnels de l'industrie d'avoir un accès rapide aux données sur le virus. Vous y trouverez également une sélection de nouvelles mises à jour sur la COVID-19.
4. Le professeur Robert Platt collabore avec l'équipe de Kristian Filion de l'Université McGill à une étude de population sur l'association entre l'utilisation d'anticoagulants et l’issue de la maladie. Bien que la pandémie de la COVID-19 soit une crise de santé publique mondiale, il existe actuellement peu de traitements connus. De nouvelles données suggèrent qu'une coagulation sanguine anormale peut se produire chez les patients atteints de COVID-19; cette coagulation est associée à un pronostic plus défavorable et à une diminution de la survie. L'hypothèse est que le système immunitaire pourrait répondre à l'infection par le SRAS-CoV-2 en activant une série de réactions qui favorisent la coagulation. Les anticoagulants pourraient donc avoir des effets bénéfiques chez les patients atteints de COVID-19. Financé par l'Initiative interdisciplinaire en matière d'infection et d'immunité de McGill, le Dr Filion et son équipe travaillent avec des collaborateurs de l'Université de Sungkyunkwan en Corée du Sud pour examiner l'efficacité des anticoagulants pour améliorer l’issue de cette maladie en utilisant la base de données nationale coréenne sur les soins de santé. Les résultats de cette étude en cours sont attendus dans le courant de l'année.
5. Rob Deardon (Université de Calgary) a travaillé sur un certain nombre de projets relatifs à la COVID-19. L'un d'entre eux implique une collaboration avec des chercheurs de Calgary et de l'Université des sciences vétérinaires et animales Guru Angad Dev, qui modélise et analyse des données indiennes sur la COVID-19. Cette collaboration a donné lieu à une publication dans Transboundary & Emerging Diseases, qui examine l'effet des mesures de confinement sur le taux de reproduction effectif de la maladie au niveau d’un état. Un deuxième projet, avec un doctorant invité, Zeyi Liu, a consisté à utiliser des méthodes de classification d’apprentissage machine pour produire des méthodes d'inférence rapide qui permettent d’ajuster des modèles de métapopulation spatiaux aux données de plusieurs villes. Le modèle qu'ils ont développé permet de tenir compte de la transmission entre villes en fonction de la distance entre elles, de différencier entre la transmission au sein d'une même ville et entre villes, et de tenir compte à la fois des retards de déclaration et de la sous-déclaration. La méthode a été appliquée à des données provenant de Wuhan et des villes voisines de la province de Hubei, et un article de recherche a été soumis pour publication.
6. La propagation rapide de la COVID-19 dans le monde a créé un besoin urgent de mieux connaître son épidémiologie, ses symptômes et son traitement. Il est notamment nécessaire de déterminer quels symptômes et signes peuvent être utilisés pour recommander le dépistage ou l'isolement d’un individu. Les patients présentant des symptômes légers étant des sources importantes de transmission de la COVID-19, il est nécessaire d'identifier non seulement les symptômes non spécifiques (fièvre, toux et essoufflement) mais aussi les symptômes spécifiques (anosmie, myalgie et douleurs abdominales) afin de freiner la propagation future du virus. Les docteurs Braden O'Neill, Sheila Dunn et Sumeet Kalia (hôpitaux North York General et Women's College, Toronto) émettent l'hypothèse que si l'anosmie est un symptôme très répandu associé à l'infection par la COVID-19, son apparition pourrait être un outil utile pour favoriser l'auto-isolement et réduire la transmission de la maladie. Outre l'estimation des paramètres de diagnostic appropriés, cette étude reposera sur l'utilisation d'estimateurs par rétrécissement basés sur la régression du lasso pour déterminer les symptômes qui prévoient le mieux les cas positifs.
7. Melanie Poulin-Costello (Roche Canada) et ses collègues étudient les effets graves de la COVID-19 sur les essais cliniques. La pandémie de la COVID-19 a eu des répercussions négatives sur l'ensemble des soins aux patients, y compris l'accès aux soins, l'accès aux diagnostics et les régimes de traitement en établissement. Les statisticiens sont confrontés à des défis sans précédent en ce qui concerne les essais cliniques et l'analyse, car le recrutement a considérablement ralenti et la COVID-19 génère des données manquantes, tant pour les patients en quarantaine que pour ceux qui sont trop vulnérables pour se rendre à une visite prévue. En juin 2020, la FDA et l'EMA ont toutes deux publié des directives sur les essais cliniques pendant la COVID-19. Statistics in Biopharmaceutical Research a consacré un numéro spécial à l'impact de la pandémie sur les essais cliniques. Les aspects statistiques incluent les problèmes de sécurité pour les patients atteints de COVID-19, la modification des protocoles d'essais cliniques et des plans d'analyse, les effets des données manquantes sur l'analyse primaire, et en particulier, la définition des paramètres à estimer. Les statisticiens jouent dans ce contexte un rôle important dans le maintien de l'intégrité des essais cliniques.
8. Le thème 2020 du Programme de réponse rapide de l’INCASS est la COVID-19. Ce programme est conçu pour appuyer les membres de l’INCASS qui sont en mesure de contribuer aux recherches critiques sur les défis qui se font jour rapidement et qui sont importants pour la société au niveau provincial, national ou international. Le programme s’est axé sur les recherches appliquées avec un fort potentiel d’un impact immédiat. L’appui des étudiants de cycles supérieurs ou des stagiaires postdoctoraux ainsi que les frais de l’acquisition des données pendant une période de 2 à 4 mois sont éligibles pour le soutien de ce programme. Un budget typique pour un tel projet d’une durée de 2 à 4 mois sera de \$5,000 à \$7,000. Cette année, l’INCASS est heureux de soutenir les neuf projets suivants dans ce domaine de recherche prioritaire :
a) Estimating the Number of Hidden COVID-19 Cases, dirigé par Laura Cowen, Junling Ma et Pauline van de Driessche (UVic)
b) Perfectionnement de l’estimation des matrices de contacts sociaux pour la modélisation de l’épidémie de COVID-19 au Canada, dirigé par Alexandre Bureau et Mark Bresson (ULaval) et Mélanie Drolet (Centre de recherche du CHU de Québec)
c) Host Genetics for SARS-CoV-2 Severity and Infection: Power and Control, dirigé par Lloyd Elliott (SFU)
d) Statistical Methods for COVID-19 Mortality Forecasting at the Small-Area Level, dirigé par Jeffrey Rosenthal et Patrick Brown (UofT)
e) Investigating Exposure and Host Genetic Risk Factors in Studies of COVID-19, dirigé par Lei Sun et Lisa Strug (UofT)
f) Nouvelles tables de mortalité 2020 du Québec prenant en compte l’excès de mortalité dû à la COVID-19 et à ses effets indirects, dirigé par Louis Doray, Jean-François Angers et Nadine Ouellette (UdeM)
g) Can the Reported COVID-19 Data Tell us the Truth? dirigé par Grace Yi et Wenqing He (WesternU)
h) Modelling and Visualization of the COVID-19 Outbreak in Canadian Long-Term Care Homes, dirigé par John Braun et Ngan Lyle (UBC-O) et Patrick Brown (UofT)
i) Detecting Anomalies in COVID-19 Indicators, dirigé par Daniel McDonald (UBC) Vous trouverez le détail des projets financés à : http://www.canssi.ca/news-events/projects-from-canssis-rapid-response-program-covid-19/
9. Grâce à notre financement national actuel par l'Institut canadien des sciences statistiques - Projets de recherche en collaboration (INCASS-PRC), nous avons travaillé sur la modélisation spatiale des maladies infectieuses pour améliorer nos connaissances sur les schémas géographiques des maladies infectieuses et, en fin de compte, améliorer la santé des Canadiens. Les membres de notre projet de recherche en collaboration national sont issus de cinq provinces canadiennes : Rhonda Rosychuk, de l'Université de l'Alberta; Rob Deardon, de l'Université de Calgary; Mahmoud Torabi, de l'Université du Manitoba; Charmaine Dean, de l'Université de Waterloo; Eris Rees, de l'Université de Montréal; Cindy Feng, de l'Université Dalhousie. Suite à l'émergence récente de la pandémie de la COVID-19, nous avons reçu deux subventions de recherche supplémentaires de l'Alliance du CRSNG et de Research Manitoba pour faire progresser des techniques de modélisation mathématique/statistique qui permettent de projeter les cas de COVID-19 et d'évaluer les interventions possibles. En particulier, notre objectif de recherche est de mieux comprendre la propagation de la COVID-19 au Canada en utilisant des approches de modélisation sophistiquées afin de mieux prévoir les besoins du système de santé canadien et de planifier les interventions.
10. Dans leur prochain chapitre du livre COVID-19 and Education, Carolyn Augusta et Robert D. E. Henderson (Université de la Saskatchewan) examinent des stratégies pour réduire la mauvaise conduite dans les cours universitaires en ligne, notamment lorsque l’enseignant doit faire passer un cours du présentiel au distanciel et lorsqu'un cours en ligne est élaboré intentionnellement. Des cours qui n'auraient traditionnellement pas été développés pour l'apprentissage en ligne doivent maintenant être réadaptés pour tenir compte des restrictions introduites par la pandémie, ce qui peut introduire des défis supplémentaires s'agissant de garantir l'intégrité académique. Au-delà du plagiat, nous considérons les ressources par abonnement qui permettent la tricherie à plus grande échelle. Nous examinons les motivations de la malhonnêteté académique et suggérons des méthodes pour les atténuer. Nous soulignons la nécessité de promouvoir l'honnêteté et de ne pas se contenter de prévenir la malhonnêteté. Nous abordons la question : En tant qu'enseignant, comment puis-je prévenir au mieux la mauvaise conduite académique dans un environnement en ligne pendant une pandémie?
Par ailleurs, Carolyn Augusta (Université de la Saskatchewan), D.E. Henderson (Université de la Saskatchewan), Rob Deardon (Université de Calgary) et Graham Taylor (Université de Guelph) appliquent un modèle de maladie infectieuse compartimentée à la COVID-19 dans la province de la Saskatchewan. Nous estimons les paramètres du modèle en utilisant des données de cas disponibles publiquement avec une approche d'optimisation bayésienne. En outre, nous examinons les effets de la distanciation physique et suggérons des approches pour minimiser les futures épidémies, en utilisant le nombre cumulé d'admissions quotidiennes dans les hôpitaux et les unités de soins intensifs pour faciliter l'ajustement. Cette approche est utile dans les cas de données d'événements rares et sert d'exemple qui pourrait être adapté à d'autres instances.
Pour plus d'informations sur les défis statistiques de la recherche sur la COVID-19, gardez un œil sur le prochain numéro spécial de La revue canadienne de statistique : COVID-19: Statisticians in Action. Nous attendons avec impatience les résultats de ces projets passionnants ! Prenez soin de vous et nous espérons revoir tout le monde bientôt!
Soumis par : Michael Rotondi (Université York)