Australie : Une étude utilise les données de mobilité Facebook pour tracer la contamination à la Covid-19

Spread the love
  • Yum

Australie : Une étude utilise les données de mobilité Facebook pour tracer la contamination à la Covid-19

Un groupe de chercheurs australiens a découvert que les données de mobilité de Facebook pourraient être utilisées pour estimer la propagation du risque de transmission de la Covid-19 à partir de hotspots identifiés.

Des chercheurs de plusieurs universités australiennes et de l’Etat de Victoria ont utilisé les données du programme “Facebook Data for Good”, qui détaillent le nombre de personnes qui se sont déplacées d’un endroit à l’autre, par intervalles de 8 heures, au travers de trois clusters de l’épidémie de Covid-19. L’objectif est de déterminer dans quelle mesure les schémas de mobilité en temps réel à partir des données agrégées des téléphones portables pourraient être utilisés pour prédire les risques de transmission de la Covid-19.

Les chercheurs ont souhaité réaliser cette étude car « l’infection peut être propagée par des personnes pré-symptomatiques ou asymptomatiques. Une transmission substantielle non détectée est susceptible de se produire avant que les cas cliniques ne soient diagnostiqués. Ainsi, lorsqu’il y a un cluster, il est nécessaire d’anticiper quelles populations et quels lieux sont exposés à un risque accru ».

publicité

Des résultats plus précis concernant les contaminations sur le lieu de travail

Dans le cadre de l’étude, publiée dans le Journal of the Royal Society Interface, les chercheurs soulignent que chaque cas a utilisé les données de mobilité de Facebook pour estimer les futurs modèles de risque de transmission. Cette étude a été suivie d’un examen du degré de corrélation entre les estimations et les données des cas ultérieurs.

« Nos résultats indiquent que la précision de nos estimations varie en fonction du contexte du cluster, avec une corrélation plus élevée pour celui centré sur un lieu de travail, et une corrélation plus faible pour celui d’un rassemblement social », notent les chercheurs.

« Dans le scénario de transmission communautaire sans lieu de transmission bien défini, nous comparons la prédiction de risque basée sur les données de mobilité à une prédiction nulle basée uniquement sur le nombre de cas actifs. Nos résultats indiquent que la mobilité est plus instructive pendant les phases initiales du cluster, lorsque les cas détectés sont localisés dans l’espace et que de nombreuses régions ne disposent pas de données sur les cas. »

Prédire le risque de transmission

Les chercheurs reconnaissent toutefois les limites de leur étude. Notamment, ils mettent en avant la nécessité de respecter la vie privée et les considérations éthiques lors de l’utilisation des données de mobilité pour la surveillance des maladies. De plus, les données de mobilité fournies par Facebook sont biaisées car elles « représentent un échantillon non-uniforme et essentiellement non caractérisé de la population ».

Néanmoins, les chercheurs concluent que leur modèle d’évaluation pourrait être utilisé pour “prédire” le risque de transmission, en particulier dans les clusters impliquant « des lieux de travail ou d’autres environnements associés à des modes de déplacement répétitifs ».

« Pour les scénarios de transmission au sein d’une communauté, nos résultats démontrent que les données sur la mobilité apportent la plus grande valeur ajoutée aux prévisions de risque lorsque le nombre de cas est faible et regroupé dans l’espace », précisent les chercheurs. Selon eux, cette méthode pourrait être utilisée pour aider le système de santé à déterminer comment allouer les ressources pour les tests, et quelles restrictions de déplacement appliquer.

Source : ZDNet.com

Leave a Reply

%d bloggers like this: