Decision-making information system, from narrative to simulation: application to epidemiological surveillance of tuberculosis in Gabon
Système d'information décisionnel, de la narration à la simulation : application à la surveillance épidémiologique de la tuberculose au Gabon
Résumé
Tuberculosis (TB) remains a serious public health problem in Gabon. According to the World Health Organisation (WHO), Gabon is now one of the 30 countries in the world with a high burden of tuberculosis. Despite this very worrying epidemiological situation, public health experts and authorities do not currently have the appropriate IT tools to monitor this disease.
It is in this context that we are interested in developing a decision support system for monitoring, surveillance, analysis and simulation of health response policies to help health authorities fight this pandemic effectively.
The construction of such a system poses a number of research problems, including (1) the integration of heterogeneous data (currently processed manually), (2) the resolution of multiple quality issues, (3) the analysis of spatio-temporal data, (4) the restitution of indicators to an audience of public health experts, but not IT experts, and (5) the simulation of various health policies.
To meet these challenges, we are proposing a decision-making system that combines a geographical decision-making information system for tuberculosis (SOLAP-TB) with a multi-agent system for tuberculosis (SMA-TB). The aim is to enable public health experts and authorities to use a single tool to monitor the spatio-temporal evolution of this pandemic using interactive and dynamic indicator dashboards, and to simulate health response policies using a predictive model. In addition, in order to make it easier for public health experts who are decision-makers to understand the TB epidemiological situation, we propose an epidemic intelligence data storytelling process (P-N-D-I-E) derived from the WHO's good practices in data storytelling and epidemic intelligence. Then, using this process, we produced a data narrative on the tuberculosis pandemic in Gabon that presents the findings extracted from the data analyses carried out in SOLAP-TB.
Finally, the SOLAP-SMA TB decision-making system we proposed is generic, i.e. it can be adapted to TB surveillance in other countries. In addition, the epidemic intelligence data narration process can be used to produce data narratives for other diseases.
La tuberculose (TB) demeure un grave problème de santé publique au Gabon. En effet, selon l’Organisation Mondiale de la Santé (OMS), le pays est désormais compté parmi les 30 pays du monde à forte charge tuberculose. Malgré cette situation épidémiologique très inquiétante, les experts et autorités de la santé publique ne disposent pas aujourd’hui d’outils informatiques adaptés pour surveiller cette maladie.
C’est dans ce contexte que nous nous intéressons dans cette thèse à l’élaboration d’un système d’aide à la décision pour le suivi, la surveillance, l’analyse et la simulation de politiques sanitaires de riposte pour aider les autorités sanitaires à lutter efficacement contre cette pandémie.
La construction d’un tel système pose plusieurs problèmes de recherche, notamment (1) d’intégration des données hétérogènes (actuellement traitées manuellement), (2) la résolution de multiples problèmes de qualité, (3) l’analyse de données spatio-temporelles, (4) la restitution des indicateurs à un public d’experts en santé publique, mais pas informatique et (5) la simulation de diverses politiques sanitaires.
Pour répondre à ces enjeux, nous proposons un système décisionnel qui couple un système d’information géographique décisionnel de la tuberculose (SOLAP-TB) avec un système multi-agents de la tuberculose (SMA-TB). L’objectif est de donner aux experts et autorités de la santé publique la possibilité, à travers un même outil, d’une part de surveiller l’évolution spatio-temporelle de cette pandémie via des tableaux de bord interactifs et dynamiques d’indicateurs puis d’autre part de simuler les politiques sanitaires de riposte via un modèle prédictif. En outre, afin de faciliter la compréhension de la situation épidémiologique de la TB aux experts de la santé publique qui sont des décideurs, nous proposons un processus de narration de données en intelligence épidémique (P-N-D-I-E) qui découle des bonnes pratiques en narration de données et en intelligence épidémique de l’OMS. Ensuite, en utilisant ce processus, nous avons produit une narration de données sur la pandémie de la tuberculose au Gabon qui présente les trouvailles extraites des analyses des données réalisées au niveau du SOLAP-TB.
Finalement, le système décisionnel SOLAP-SMA de la TB que nous avons proposé est générique, c’est-à-dire qu’il peut être adapté à la surveillance de la TB dans d’autres pays. Par ailleurs, le processus de narration de données en intelligence épidémique peut être utilisé pour produire des narrations de données sur d’autres maladies.
Origine : Fichiers produits par l'(les) auteur(s)