Comme vous avez pu le remarquer dans les dernières mises à jour, nous avons presque terminé la phase actuelle de calcul. Nous recommencerons à fournir du travail lorsque les scientifiques du projet auront préparé les données nécessaires à la prochaine phase de recherche.

Mise à jour : nous avons arrêté la production d'unités le 1er mars

Puisque nous avons du temps, c'est le bon moment pour exposer le travail effectué au cours de ces derniers mois, et surtout expliquer comment seront utilisés les résultats dans le futur.


Le travail actuel


L'objectif principal de la phase actuelle de calcul était d'optimiser nos modèles mathématiques, afin de prédire l'évolution du paludisme aussi précisément que possible. Nous avons utilisé une approche « évolutionniste ». Nous avons en fait commencé avec une version initiale du modèle, puis nous avons créé une série de variations. Ensuite nous avons testé toutes les variations que nous avons confronté aux données réelles, afin de connaître la meilleure variable. Puis, nous avons retenu la meilleure variation, et nous avons répété encore et encore ce processus. Si cette méthode s'est révélée très efficace, elle a nécessité énormément de puissance de calcul. Nous n'aurions pu le faire sans votre aide.

 


Nous pouvons l'illustrer : vous trouverez ci-dessous un graphique issu des calculs les plus récents. Vous pouvez voir et mesurer l'écart entre le modèle et le monde réel (cet écart est mesuré par l'axe des ordonnés, l'axe Y). Plus les valeurs tendent vers 0, plus le modèle est optimisé grâce aux itérations successives (présentées sur l'axe des abscisses, axe X).

runExamples

Une autre façon d'analyser les mêmes données revient à tracer le résultat prévu par le modèle et de le comparer avec les données du monde réel. C'est ce qui est présenté par le graphique ci-dessous, l'incidence de l'âge lors d'une épidémie de paludisme : c'est à dire le nombre de fois ou un individu contracte le paludisme en fonction de son âge. Ici, en ordonné, on peut lire le nombre d'infections par personne et par an. La première des deux courbes montre l'un des premiers résultats obtenus par le modèle évolutionniste, les données recueillies sur le terrain (en rouge) et les prédictions (en noir) sont complétement discordantes. Sur la deuxième image, obtenue après plusieurs processus de sélection, on peut voir que les données réelles et les prédictions convergent.  Le modèle devient plus précis.

 

UEEarly
UELate

Vous voulez certainement savoir ce que signifie "Ndiop" et "Dielmo", il s'agit en fait du nom de 2 villages sénégalais, où ont eu lieu les recherches et qui ont servi de base de données pour étalonner les simulations.


Aller de l'avant


Nous avons mis en oeuvre cet algorithme évolutionniste pour une multitude d'hypothèses différentes. Certains de ces modèles n'ont pas fait un bon travail de prédiction, c'est par exemple le cas de la première courbe qui présentait la prévalence du paludisme en fonction de l'âge des individus. Ces mauvais modèles ont donc été abandonnés. Les autres ont été gardés,  comme le voudrait n'importe quel processus de sélection naturelle. Au final, on obtient un ensemble de modèles qui fonctionnent de manière complétement différente mais qui sont tous efficaces. Le but est maintenant de comparer l'impact prévu par les différents modèles suite à la mise en œuvre de divers plans d'action contre le paludisme (distribution de moustiquaires pour lit, pulvérisation d'un produit anti-moustique dans les maisons, vaccins, prise en charge individuelle des patients, etc). C'est un algorithme d'apprentissage pour des modèles incertains qui est généralement utilisé par les modèles climatiques.

Les deux graphiques présentés ci-dessous, bien que très préliminaires, montrent les progrès de la recherche. Nous avons déjà présenté un programme de pulvérisation d'un produit anti-moustique efficace à l'intérieur des maisons mis en œuvre durant une douzaine d'années puis ensuite stoppé. Ensuite, nous avons représenté les prévisions de l'ensemble des modèles (La prévalence, en ordonnée (axe Y), représente la proportion d'individus qui ont le parasite du paludisme dans leur sang).

 

allModels

modelSummary

L'une des priorités consistera à modéliser et à analyser davantage de simulations de ce type, afin de prévoir l'effet d'un plus grand nombre de plans d'action contre le paludisme. Une fois optimisés, grâce à votre contribution, ces modèles pourront être utilisés intelligemment et efficacement dans des stratégies, visant à, espérons le, sauver de nombreuses vies.


Merci de votre intérêt et de votre soutien,
De la part de l'équipe de modélisation,
Nick

____________
Nicolas Maire
Swiss Tropical and Public Health Institute
http://www.swisstph.ch

 

Article paru sur le forum de malariacontrol