Les sciences et technologies au service de la maîtrise et du contrôle de la propagation du Covid-19 en Algérie
HABIBA ZERKAOUI DRIAS ET MOHAMED KHODJA
10 MAI 2020 À 10 H 06 MIN
Le COVID-19 est une maladie infectieuse émergente de type zoonose virale causée par la souche de coronavirus SARS-CoV-2. Les symptômes de cette maladie peuvent se manifester quelques jours après que le patient ait commencé à émettre le virus, causant une propagation très rapide et exposant l’entourage à un danger de mort.
En Algérie, le premier cas de coronavirus testé positif a eu lieu le 25 février 2020 dans la wilaya de Ouargla, soit deux mois après la Chine, alors que le premier foyer détecté et qui a fait propager le virus se trouvait dans la wilaya de Blida le 1er mars 2020 (1). A ce jour, l’Algérie n’a pas inscrit de pic similaire à ceux de certains pays ayant souffert de cette pandémie, grâce à la décision de confinement prise par le gouvernement.
Cependant, ce confinement ne pourra pas durer très longtemps. C’est la raison pour laquelle nous faisons cette étude prédictive qui nous permettra de prévoir le temps que va prendre cette épidémie pour s’éteindre, ou du moins identifier les actions à engager pour ralentir sa propagation. L’analyse des modèles élaborés nous permettra, d’une part, d’identifier le scenario le plus adapté pour le cas de l’Algérie, d’autre part, de prévoir les actions nécessaires. Trois aspects majeurs seront exploités :
– L’aspect sanitaire : Le plus important, pour appuyer les décisions et mesures à prendre afin de restreindre la transmission et de prendre en charge l’évolution du nombre de personnes infectées.
– L’aspect économique : Le retour graduel à la normale permettra la relance de l’activité économique et l’allégement de la charge de soutien de l’Etat.
– L’aspect social : Le soulagement psychologique du citoyen et la libération progressive des métiers de base.
De la prédiction d’un modèle algérien de propagation du COVID-19
Le bon modèle est celui qui conduit aux prédictions les plus fiables. Cette tâche est très ardue dans le cas de la propagation du COVID-19 car ce dernier n’a pas encore révélé tous ses mystères. Par ailleurs, il est difficile de modéliser des paramètres complexes comme ceux liés au respect du confinement. Nonobstant cet écueil, des outils modernes de prédiction ont été mis en œuvre comme la régression linéaire polynomiale et les réseaux de neurones, utilisés dans le domaine des sciences de données qui caractérisent l’ère dans laquelle nous vivons actuellement.
Prétraitement des données
Les statistiques descriptives les plus usuelles nous ont permis d’analyser les données(1) et d’éliminer celles qui apparaissent excessives. Un nombre très faible de données aberrantes ont été détectées et supprimées afin de ne pas biaiser les résultats attendus.
Le modèle de régression linéaire polynomiale
L’idée est tout simplement de tester nos données sur des fonctions de polynômes. Pour choisir le meilleur modèle, nous avons considéré des mesures de performance communément utilisées dans ce domaine. Le polynôme obtenu nous a permis de prédire le nombre de nouveaux cas sur les 30 prochains jours. La figure 1 montre l’accroissement du nombre des cas confirmés du COVID-19 prédits pendant 30 jours après le 29 avril 2020 alors que la figure 2 illustre le nombre de cas actifs prédits au cours de cette même période, compte tenu des cas réels existant jusque-là. Considérant la dynamique du phénomène, le modèle doit être réajusté régulièrement en fonction des nouvelles données.
L’interprétation de l’allure de la courbe d’évolution des cas actifs nous amène à admettre que la première phase allant du 25 février au 13 mars est caractéristique de la période d’adaptation avec un manque de diagnostic et de prise en charge des cas infectés au regard des moyens disponibles et du temps nécessaire pour le corps médical de s’adapter à cette nouvelle situation inattendue.
La deuxième phase qui s’étale du 13 mars au 4 avril est celle où nous sommes arrivés à prendre en charge les cas infectés avec l’ouverture des centres de diagnostic, la mobilisation du personnel médical, en plus de la disponibilité et l’acquisition/réception de moyens complémentaires. Cette phase sera dénommée Phase de propagation.
La troisième phase est celle qui correspond au début du plateau de la courbe en cloche du nombre de cas confirmés.
Elle durera approximativement du 4 avril au 20 mai. C’est une période de début de stabilisation où nous allons remarquer une légère réduction du nombre de décès avec une augmentation significative du nombre de guérisons reflétant l’efficacité des traitements engagés.
La dernière phase s’étalera entre le 20 mai et début juin et correspondra à la phase du déclin des nouveaux cas infectés et d’une diminution significative des décès. Le nombre de nouveaux cas prédits est de 10 aux alentours du 29 mai, d’après nos calculs.
Approche d’apprentissage automatique (ou Machine Learning)
L’apprentissage automatique est l’une des nombreuses technologies de l’intelligence artificielle utilisée en sciences de données. Elle connaît un essor considérable ces derniers temps avec l’émergence du ‘Deep Learning’ (Apprentissage en profondeur).
Dans cette optique, une autre voie d’investigation serait d’aborder notre problématique sur la base des données d’images, en l’occurrence les images radiographiques du télé-thorax (scanner) que notre pays utilise en ce moment comme moyen de dépistage. Par manque de données de cette catégorie, il ne nous est pas possible d’envisager une telle perspective. Nous lançons au passage un appel aux responsables du secteur sanitaire, en plus de la création de bases de données structurées pour toutes les analyses effectuées au niveau national, d’intégrer des experts en intelligence artificielle dans les groupes d’experts médicaux afin de booster le développement de la santé dans notre pays.
Sur la base des données numériques, l’algorithme d’apprentissage automatique appliqué est un algorithme intelligent basé sur un réseau de neurones.
Il commence par la construction d’une base de données à partir des données mondiales provenant de la source(2) pour contenir les pays partageant avec l’Algérie un certain nombre de caractéristiques comme la densité de la population, le climat, les ressources hospitalières ainsi que la culture. Cette base servira au réseau de neurones qui peut être vu comme un robot virtuel, à apprendre à partir des modèles de la base de données pour déduire le modèle algérien. Les résultats numériques obtenus sur la propagation du virus en Algérie sont légèrement supérieurs à ceux calculés par le modèle de régression linéaire polynomiale.
De l’analyse des sentiments sur le COVID-19
L’analyse des sentiments est un outil très moderne utilisé de nos jours pour connaître les sentiments d’un groupe de personnes ou d’une société entière sur la base de documents textuels. Nous savons que les gens ont changé leurs comportements et éprouvent des émotions différentes de celles qu’ils connaissaient avant l’avènement du COVID-19 parce que leur mode de vie est passé à quelque chose de nouveau.
Une autre étude ayant un objectif d’ordre sociétal a été effectuée sur une large population de personnes échangeant sur les réseaux sociaux et plus particulièrement sur Twitter pour connaître leurs sentiments sur le COVID-19. Une collecte de plus de 600 000 tweets ayant des hashtags comme #COVID et #coronavirus postés entre le 27 février 2020 et le 25 mars 2020 a été réalisée. Un traitement exploratoire sur le nombre de tweets postés par pays, par langue et bien d’autres paramètres a fait ressortir un aperçu sur l’appréhension de la pandémie à travers le monde. Aussi, une analyse des sentiments des tweeters a été élaborée sur la base des tweets postés en anglais car ces derniers constituent la grande majorité (USA, GB, Inde…).
L’approche consiste à calculer, sur la base des mots employés dans les tweets, un score pour chaque sentiment comme la peur, la joie, la confiance, la colère, l’anticipation, la tristesse et de manière générale un sentiment positif et un sentiment négatif. Les résultats obtenus montrent que le sentiment négatif était élevé au début du mois de mars 2020, puis il a connu une légère augmentation au cours de la deuxième semaine et depuis lors, il diminue de façon importante. Au contraire, le sentiment positif suit le sens inverse. Le sentiment de la peur connaît presque la même évolution que le sentiment négatif mais avec moins d’ampleur tandis que le sentiment de la confiance suit le sentiment positif. Le sentiment de la joie est constant et a le score le plus bas, ce qui traduit ce que les gens ressentent de nos jours. Mais malgré cette triste situation, les tweeters semblent avoir confiance pour gagner la bataille contre le coronavirus.
Recommandations
En vue des résultats des deux prédictions (régression linéaire et réseau de neurones) nous estimons que le nombre de cas nouveaux va continuer à croître jusqu’à 20 mai. Selon l’analyse des sentiments, le confinement ne peut pas être maintenu sur le long terme, un déconfinement lent et progressif doit être privilégié. Afin d’éviter que le nombre de cas augmente en exponentielle et soit hors de contrôle de notre système de santé, nous suggérons de commencer par le déconfinement des wilayas à faible densité de population, suite à une étude effectuée sur les données épidémiologiques du ministère de la Santé et de la Réforme hospitalière(3) rapportant que plus la densité de population est élevée, plus il y a de cas de contamination.
Il est donc recommandé de sortir du confinement de manière graduelle, en commençant par les personnes qui se sentent capables de reprendre la vie normale (comme les plus jeunes) dans le respect strict des mesures barrières, puis en l’étendant progressivement aux personnes les plus fragiles. La modélisation de la propagation du virus nous permettra de prédire les situations possibles et par conséquent décider des actions à engager «Prédire est une piste pour décider comment guérir».
Par :
Le Professeur Habiba Zerkaoui Drias, Membre fondateur de l’Académie algérienne des sciences et technologies (AAST),
Directrice du laboratoire de recherche en intelligence artificielle, USTHB,
Ancienne directrice générale de l’Institut national d’informatique, Alger.
…et le Dr Mohamed Khodja, membre fondateur de l’Académie algérienne des sciences et technologies (AAST),
Cadre supérieur Institut algérien du pétrole (IAP), Boumerdès
Ex-directeur central Recherche & Développement (DC R&D)/Sonatrach.
Références
[1] https://en.wikipedia.org/wiki/2020_coronavirus_pandemic_in_Algeria
[2] ‘Coronavirus Disease (COVID-19) – the data – Our World in Data’, https://ourworldindata.org/coronavirus-data?fbclid=IwAR2mq8V2ojy9B3QquL7446qoBWCaajoL9ZEdb7Mdtwk_nOsPAf8BVCtIg7U.
[3] ‘Carte épidémiologique –, http://COVID19.sante.gov.dz/carte/.
source
https://www.elwatan.com/pages-hebdo/sante/les-sciences-et-technologies-au-service-de-la-maitrise-et-du-controle-de-la-propagation-du-covid-19-en-algerie-10-05-2020
Lire la suite
Les sciences et technologies au service de la maîtrise et du contrôle de la propagation du Covid-19 en Algérie
HABIBA ZERKAOUI DRIAS ET MOHAMED KHODJA
10 MAI 2020 À 10 H 06 MIN
Le COVID-19 est une maladie infectieuse émergente de type zoonose virale causée par la souche de coronavirus SARS-CoV-2. Les symptômes de cette maladie peuvent se manifester quelques jours après que le patient ait commencé à émettre le virus, causant une propagation très rapide et exposant l’entourage à un danger de mort.
En Algérie, le premier cas de coronavirus testé positif a eu lieu le 25 février 2020 dans la wilaya de Ouargla, soit deux mois après la Chine, alors que le premier foyer détecté et qui a fait propager le virus se trouvait dans la wilaya de Blida le 1er mars 2020 (1). A ce jour, l’Algérie n’a pas inscrit de pic similaire à ceux de certains pays ayant souffert de cette pandémie, grâce à la décision de confinement prise par le gouvernement.
Cependant, ce confinement ne pourra pas durer très longtemps. C’est la raison pour laquelle nous faisons cette étude prédictive qui nous permettra de prévoir le temps que va prendre cette épidémie pour s’éteindre, ou du moins identifier les actions à engager pour ralentir sa propagation. L’analyse des modèles élaborés nous permettra, d’une part, d’identifier le scenario le plus adapté pour le cas de l’Algérie, d’autre part, de prévoir les actions nécessaires. Trois aspects majeurs seront exploités :
– L’aspect sanitaire : Le plus important, pour appuyer les décisions et mesures à prendre afin de restreindre la transmission et de prendre en charge l’évolution du nombre de personnes infectées.
– L’aspect économique : Le retour graduel à la normale permettra la relance de l’activité économique et l’allégement de la charge de soutien de l’Etat.
– L’aspect social : Le soulagement psychologique du citoyen et la libération progressive des métiers de base.
De la prédiction d’un modèle algérien de propagation du COVID-19
Le bon modèle est celui qui conduit aux prédictions les plus fiables. Cette tâche est très ardue dans le cas de la propagation du COVID-19 car ce dernier n’a pas encore révélé tous ses mystères. Par ailleurs, il est difficile de modéliser des paramètres complexes comme ceux liés au respect du confinement. Nonobstant cet écueil, des outils modernes de prédiction ont été mis en œuvre comme la régression linéaire polynomiale et les réseaux de neurones, utilisés dans le domaine des sciences de données qui caractérisent l’ère dans laquelle nous vivons actuellement.
Prétraitement des données
Les statistiques descriptives les plus usuelles nous ont permis d’analyser les données(1) et d’éliminer celles qui apparaissent excessives. Un nombre très faible de données aberrantes ont été détectées et supprimées afin de ne pas biaiser les résultats attendus.
Le modèle de régression linéaire polynomiale
L’idée est tout simplement de tester nos données sur des fonctions de polynômes. Pour choisir le meilleur modèle, nous avons considéré des mesures de performance communément utilisées dans ce domaine. Le polynôme obtenu nous a permis de prédire le nombre de nouveaux cas sur les 30 prochains jours. La figure 1 montre l’accroissement du nombre des cas confirmés du COVID-19 prédits pendant 30 jours après le 29 avril 2020 alors que la figure 2 illustre le nombre de cas actifs prédits au cours de cette même période, compte tenu des cas réels existant jusque-là. Considérant la dynamique du phénomène, le modèle doit être réajusté régulièrement en fonction des nouvelles données.
L’interprétation de l’allure de la courbe d’évolution des cas actifs nous amène à admettre que la première phase allant du 25 février au 13 mars est caractéristique de la période d’adaptation avec un manque de diagnostic et de prise en charge des cas infectés au regard des moyens disponibles et du temps nécessaire pour le corps médical de s’adapter à cette nouvelle situation inattendue.
La deuxième phase qui s’étale du 13 mars au 4 avril est celle où nous sommes arrivés à prendre en charge les cas infectés avec l’ouverture des centres de diagnostic, la mobilisation du personnel médical, en plus de la disponibilité et l’acquisition/réception de moyens complémentaires. Cette phase sera dénommée Phase de propagation.
La troisième phase est celle qui correspond au début du plateau de la courbe en cloche du nombre de cas confirmés.
Elle durera approximativement du 4 avril au 20 mai. C’est une période de début de stabilisation où nous allons remarquer une légère réduction du nombre de décès avec une augmentation significative du nombre de guérisons reflétant l’efficacité des traitements engagés.
La dernière phase s’étalera entre le 20 mai et début juin et correspondra à la phase du déclin des nouveaux cas infectés et d’une diminution significative des décès. Le nombre de nouveaux cas prédits est de 10 aux alentours du 29 mai, d’après nos calculs.
Approche d’apprentissage automatique (ou Machine Learning)
L’apprentissage automatique est l’une des nombreuses technologies de l’intelligence artificielle utilisée en sciences de données. Elle connaît un essor considérable ces derniers temps avec l’émergence du ‘Deep Learning’ (Apprentissage en profondeur).
Dans cette optique, une autre voie d’investigation serait d’aborder notre problématique sur la base des données d’images, en l’occurrence les images radiographiques du télé-thorax (scanner) que notre pays utilise en ce moment comme moyen de dépistage. Par manque de données de cette catégorie, il ne nous est pas possible d’envisager une telle perspective. Nous lançons au passage un appel aux responsables du secteur sanitaire, en plus de la création de bases de données structurées pour toutes les analyses effectuées au niveau national, d’intégrer des experts en intelligence artificielle dans les groupes d’experts médicaux afin de booster le développement de la santé dans notre pays.
Sur la base des données numériques, l’algorithme d’apprentissage automatique appliqué est un algorithme intelligent basé sur un réseau de neurones.
Il commence par la construction d’une base de données à partir des données mondiales provenant de la source(2) pour contenir les pays partageant avec l’Algérie un certain nombre de caractéristiques comme la densité de la population, le climat, les ressources hospitalières ainsi que la culture. Cette base servira au réseau de neurones qui peut être vu comme un robot virtuel, à apprendre à partir des modèles de la base de données pour déduire le modèle algérien. Les résultats numériques obtenus sur la propagation du virus en Algérie sont légèrement supérieurs à ceux calculés par le modèle de régression linéaire polynomiale.
De l’analyse des sentiments sur le COVID-19
L’analyse des sentiments est un outil très moderne utilisé de nos jours pour connaître les sentiments d’un groupe de personnes ou d’une société entière sur la base de documents textuels. Nous savons que les gens ont changé leurs comportements et éprouvent des émotions différentes de celles qu’ils connaissaient avant l’avènement du COVID-19 parce que leur mode de vie est passé à quelque chose de nouveau.
Une autre étude ayant un objectif d’ordre sociétal a été effectuée sur une large population de personnes échangeant sur les réseaux sociaux et plus particulièrement sur Twitter pour connaître leurs sentiments sur le COVID-19. Une collecte de plus de 600 000 tweets ayant des hashtags comme #COVID et #coronavirus postés entre le 27 février 2020 et le 25 mars 2020 a été réalisée. Un traitement exploratoire sur le nombre de tweets postés par pays, par langue et bien d’autres paramètres a fait ressortir un aperçu sur l’appréhension de la pandémie à travers le monde. Aussi, une analyse des sentiments des tweeters a été élaborée sur la base des tweets postés en anglais car ces derniers constituent la grande majorité (USA, GB, Inde…).
L’approche consiste à calculer, sur la base des mots employés dans les tweets, un score pour chaque sentiment comme la peur, la joie, la confiance, la colère, l’anticipation, la tristesse et de manière générale un sentiment positif et un sentiment négatif. Les résultats obtenus montrent que le sentiment négatif était élevé au début du mois de mars 2020, puis il a connu une légère augmentation au cours de la deuxième semaine et depuis lors, il diminue de façon importante. Au contraire, le sentiment positif suit le sens inverse. Le sentiment de la peur connaît presque la même évolution que le sentiment négatif mais avec moins d’ampleur tandis que le sentiment de la confiance suit le sentiment positif. Le sentiment de la joie est constant et a le score le plus bas, ce qui traduit ce que les gens ressentent de nos jours. Mais malgré cette triste situation, les tweeters semblent avoir confiance pour gagner la bataille contre le coronavirus.
Recommandations
En vue des résultats des deux prédictions (régression linéaire et réseau de neurones) nous estimons que le nombre de cas nouveaux va continuer à croître jusqu’à 20 mai. Selon l’analyse des sentiments, le confinement ne peut pas être maintenu sur le long terme, un déconfinement lent et progressif doit être privilégié. Afin d’éviter que le nombre de cas augmente en exponentielle et soit hors de contrôle de notre système de santé, nous suggérons de commencer par le déconfinement des wilayas à faible densité de population, suite à une étude effectuée sur les données épidémiologiques du ministère de la Santé et de la Réforme hospitalière(3) rapportant que plus la densité de population est élevée, plus il y a de cas de contamination.
Il est donc recommandé de sortir du confinement de manière graduelle, en commençant par les personnes qui se sentent capables de reprendre la vie normale (comme les plus jeunes) dans le respect strict des mesures barrières, puis en l’étendant progressivement aux personnes les plus fragiles. La modélisation de la propagation du virus nous permettra de prédire les situations possibles et par conséquent décider des actions à engager «Prédire est une piste pour décider comment guérir».
Par :
Le Professeur Habiba Zerkaoui Drias, Membre fondateur de l’Académie algérienne des sciences et technologies (AAST),
Directrice du laboratoire de recherche en intelligence artificielle, USTHB,
Ancienne directrice générale de l’Institut national d’informatique, Alger.
…et le Dr Mohamed Khodja, membre fondateur de l’Académie algérienne des sciences et technologies (AAST),
Cadre supérieur Institut algérien du pétrole (IAP), Boumerdès
Ex-directeur central Recherche & Développement (DC R&D)/Sonatrach.
Références
[1] https://en.wikipedia.org/wiki/2020_coronavirus_pandemic_in_Algeria
[2] ‘Coronavirus Disease (COVID-19) – the data – Our World in Data’, https://ourworldindata.org/coronavirus-data?fbclid=IwAR2mq8V2ojy9B3QquL7446qoBWCaajoL9ZEdb7Mdtwk_nOsPAf8BVCtIg7U.
[3] ‘Carte épidémiologique –, http://COVID19.sante.gov.dz/carte/.
source
https://www.elwatan.com/pages-hebdo/sante/les-sciences-et-technologies-au-service-de-la-maitrise-et-du-controle-de-la-propagation-du-covid-19-en-algerie-10-05-2020
Fermer
