A huge collection of 3400+ free website templates JAR theme com WP themes and more at the biggest community-driven free web design site
Home / Monde / Afrique / Un algorithme pour anticiper la propagation du Covid-19

Un algorithme pour anticiper la propagation du Covid-19

Dans le même esprit que la tentative ratée de Google de prévoir les épidémies de grippe, un groupe international de chercheurs propose un modèle amélioré. Il n’est plus basé seulement sur les recherches dans Google mais aussi sur d’autres données temps-réel.

Pendant plusieurs années, Google s’était enorgueilli de prévoir les épidémies de grippe grâce à l’analyse des mots clefs saisis par les internautes dans son moteur de recherche. Le projet, Google Flu Trends, a été abandonné en août 2015 pour cause de surestimation des cas de maladie à venir. Un groupe de 17 chercheurs, américains, allemand, autrichien, vient pourtant de reprendre cette approche de prévision par les données dans un article en accès libre sur Arxiv, pas encore revu par les pairs. Ils proposent un algorithme anticipant à au moins 14 jours un afflux de cas de malades du Covid-19 sur une zone géographique donnée. C’est assez longtemps à l’avance pour permettre aux pouvoirs publics et aux instances sanitaires de s’organiser.

Multiplication des données

Concrètement, les chercheurs ont eu l’idée de ne plus se baser sur une seule source de données. Les requêtes dans Google contenant des termes liés au Covid-19 sont toujours exploitées mais combinées aux posts géolocalisés d’internautes sur Twitter concernant le Covid-19, aux recherches effectuées par les médecins sur un logiciel de recherche d’informations qui leur est destiné, UpToDate. Des données de mobilité anonymisées issues des smartphones sont également mises à contribution, le nombre de relevés de température faits avec le thermomètre Kinsa Smart connecté à une application et, enfin, les données servant au projet GLEAM (Global Epidemic and Mobility Model), un modèle informatique qui étudie la transmission des maladies par la mobilité des populations.

Test sur février-avril

L’idée de l’étude est de voir comment chacune de ces catégories de données peut être reliée au nombre de malades et de décès dus au Covid-19 dans chacun des 50 Etats américains. Les chercheurs ont utilisé pour cela un algorithme mis au point à la Northeastern University de Boston et l’ont testé sur les données des mois de février à avril 2020. D’un côté ils ont observé les courbes de chaque catégorie de donnée puis celle des cas d’infection survenant quelque temps après. Ils ont d’abord regardé les résultats de leur approche pour le Massachussetts, la Californie et l’Etat de New York, au cours de cinq périodes distinctes.

Ainsi, les courbes révèlent un pic de posts Twitter liés au Covid-19 une semaine avant l’explosion des cas. Quelques jours avant, la mobilité des populations chutait, comme en témoignent les données mises à disposition par Apple et celles d’une société spécialisée dans les données pour le marketing, Cuebiq.

Même si l’évolution du nombre de cas et de décès a été moins brutale en Californie, ces corrélations se vérifient. Enfin, dans les trois Etats, on note un net pic de prises de températures juste avant l’augmentation du nombre de malades.

Les chercheurs restent toutefois prudents, précisant dans leur article que les outils de mesure les plus fiables pour suivre la propagation du Covid-19 restent à trouver et [que] tous ceux abordés dans cette étude comptent des limites importantes”. L’équipe considère encore moins que cet outil puisse empêcher l’épidémie, mais le voit comme un moyen de mieux la contrôler et de mieux y faire face.

Source: sciencesetavenir.fr

A propos ithry-laib

Voir aussi

Un dangereux malware sur iPhone et Android démasqué par une ado

Des chercheurs de l’éditeur Avast ont identifié un malware installé sur 2,4 millions de smartphones …

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *