Ekimetrics: big data specialists

Data science for business

Retour aux articles

Alcov2 : enquête de grande ampleur sur la transmission de SARS-Cov2

Alcov2 : enquête de grande ampleur sur la transmission de SARS-Cov2

Une équipe composée de chercheurs et chercheuses en mathématiques, statistiques et épidémiologie (Sorbonne Université, CNRS, Collège de France, Oxford University, Ekimetrics, Datacraft) a lancé une enquête à destination des foyers français ayant expérimenté la présence du nouveau coronavirus pendant la période de confinement.

Date : 6 mai 2020

Catégorie : Actualités

Participez à l'enquête

Quelle idée a été à la base de ce projet ? Les histoires des foyers où au moins une personne a ressenti des symptômes pouvant être liés à Covid-19 (fièvre, maux de tête ou de gorge, toux, courbatures, fatigue, frissons, nausées, perte de goût ou d’odorat, gêne respiratoire, oppression ou douleur thoracique, etc.) sont autant de répétitions indépendantes d’un même processus micro-épidémique de transmission interne au foyer.

Ce processus stochastique (de nature probabiliste), sera finement modélisé à l’aide de différents paramètres : le taux d’infection journalier par personne du foyer, la probabilité d’être asymptomatique, la décroissance de ce taux d’infection en fonction du temps écoulé depuis l’infection et la dépendance de ce taux d’infection à la sévérité des symptômes. En interrogeant les foyers français sur le nombre de personnes du foyer ayant ou n’ayant pas ressenti de symptômes potentiellement liés à Covid-19, leurs facteurs de risque, le tableau clinique précis de chaque cas et surtout pour, chacun de ces cas, la date d’apparition des premiers symptômes, les scientifiques pourront reconstruire les paramètres de ce processus micro-épidémique.

Quelles sont les étapes de cette reconstruction ?

1/ Elaborer un algorithme de classification non supervisée, permettant de classer les cas en fonction de leur tableau clinique et de leurs facteurs de risque, et de leur associer un score quantifiant la probabilité qu’ils soient effectivement infectés.

2/ Inférer les paramètres du modèle épidémique, en intégrant l’incertitude sur la présence du virus grâce à l’étape précédente (par une approche dite bayésienne), et l’incertitude sur la présence d’individus infectés asymptomatiques ou pauci-symptomatiques (par l’utilisation de chaînes de Markov cachées).

À l’interface entre la statistique et la médecine, les mathématiques de la modélisation, ce travail met en commun des compétences complémentaires, y compris celles de data scientists venus d’horizons très variés (Sorbonne Université, Ekimetrics) et fédérés au sein du Club datacraft. l’objectif de cette collaboration est de mettre 2 nouveaux outils à la disposition de la communauté scientifique, à savoir :

1)    Un algorithme capable de calculer la probabilité d’avoir été malade du Covid-19, et ce en fonction des facteurs de risque et des symptômes ressentis

2)    Une estimation fine des paramètres cruciaux de la transmission du virus, en particulier les variations du taux d’infection au cours du temps écoulé depuis l’infection et la fréquence des asymptomatiques

En parallèle, cette enquête est diffusée à un panel national représentatif de 10 000 foyers (Groupe Bilendi et Institut d’études BVA). L’enquête a également vocation à être répliquée dans plusieurs autres pays.

Participez à l'enquête

Plus les réponses seront nombreuses, plus les résultats seront précis : merci de répondre à cette enquête si vous êtes concerné.e et à la diffuser largement autour de vous dans tous les cas !

Pour en savoir plus, veuillez contacter Soline Aubry ou Nicolas Chesneau.

Toutes nos industries

Dernières actualités

Contactez-nous !

  • Nous nous engageons à respecter votre vie privée. Ekimetrics utilise les informations que vous nous fournissez pour répondre à votre demande. Pour plus d'informations sur la manière dont vos données sont gérées et sur vos droits, veuillez consulter notre Politique de confidentialité.
  • Ce champ n’est utilisé qu’à des fins de validation et devrait rester inchangé.