Publications du Service canadien des forêts

Risk assessment strategies for early detection and prediction of infectious disease outbreaks associated with climate change. 2019. Rees, E.E.; Ng, V.; Gachon, P.; Mawudeku, A.; McKenney, D.W.; Pedlar, J.; Yemshanov, D.; Parmely, J.; Knox, J. The Public Health Agency of Canada 45(5):119–26.

Année : 2019

Disponible au : Centre de foresterie des Grands Lacs

Numéro de catalogue : 39816

La langue : Anglais

Disponibilité au SCF : PDF (télécharger)

Disponible sur le site Web de la revue ou du journal.
DOI : 10.14745/ccdr.v45i05a02

† Ce site peut exiger des frais.

Sélectionner

Résumé en langage clair et simple

Une nouvelle génération de stratégies de surveillance est en cours d’élaboration afin d’aider à détecter l’apparition d’infections et à cerner les risques accrus des flambées de maladies infectieuses susceptibles de se produire en raison des changements climatiques. Ces stratégies de surveillance comprennent les systèmes de surveillance fondée sur les événements (EBS, event-based surveillance) et la modélisation des risques. Les systèmes EBS s’appuient sur des données Internet à source ouverte, telles que des rapports de médias, des rapports officiels et des réseaux sociaux (tels que Twitter) en vue de déceler l’existence d’une menace nouvelle, et peuvent être utilisés conjointement avec des systèmes de surveillance classiques afin d’améliorer la prévention des menaces pour la santé publique. Plus récemment, les systèmes EBS comprennent des applications d’intelligence artificielle telles que l’apprentissage automatique et le traitement du langage naturel pour augmenter la vitesse, la capacité et la précision du filtrage, de la classification et de l’analyse des données Internet relatives à la santé. La modélisation des risques s’appuie sur des méthodes statistiques et mathématiques pour évaluer la gravité de l’apparition et de la propagation d’une maladie en fonction de facteurs tels que l’hôte (p. ex., le nombre de cas signalés), l’agent pathogène (p. ex., la pathogénicité) et l’environnement (p. ex., l’adaptabilité du climat aux populations de réservoirs). Les types de données figurant dans ces modèles se développent pour y inclure de l’information relative à la santé issue des données Internet à source ouverte et des renseignements des tendances de mobilité des personnes et des biens. Ces renseignements permettent de définir les populations vulnérables et de prévoir les voies par lesquelles les infections pourraient se propager dans de nouvelles zones et de nouveaux pays.