Science en action 9 avril 2024
- Accueil
- Espace presse
- Communiqués de presse
- Suivi foyers grippe aviaire
Pour suivre les foyers de grippe aviaire, la presse locale peut être une source d’information essentielle
![© A. Rival, Cirad](jpg/coq-rival-bd-3.jpg)
© A. Rival, Cirad
L’étude de cas, menée par une équipe internationale de scientifiques, coordonnée par le Cirad, a analysé 337 articles de presse provenant de PADI-web et 115 articles de HealthMap, couvrant des foyers de grippe aviaire chez les espèces aviaires domestiques et sauvages dans le monde, entre juillet 2018 et juin 2019. Les chercheurs ont suivi le cheminement de l'information relative à chaque foyer de maladie en utilisant les sources citées dans les articles.
Via l’agrégation d’articles de presse, PADI-web et HealthMap ont récupéré de l’information issue d’un réseau constitué plusieurs centaines de sources, incluant des sources officielles telles que des autorités vétérinaires et des sources non-officielles telles que des réseaux sociaux. Les résultats de l'étude révèlent que 23 % des foyers de grippe aviaire détectés par PADI-web et 43 % de ceux détectés par HealthMap ont été détectés avant leur notification officielle. Dans les deux outils, les autorités vétérinaires nationales et locales étaient les principales sources de détection précoce. La détection précoce reposait principalement sur la diffusion par des médias en ligne d'événements reconnus au niveau local ou national. L'Organisation mondiale de la santé animale (WOAH) était la principale source secondaire pour la détection tardive, occupant une position centrale entre les autorités nationales et les sources de diffusion, telles que les médias en ligne. PADI-web et HealthMap se sont révélés hautement complémentaires en termes de sources détectées : PADI-web a capté plus de sources locales que HealthMap, tandis que ce dernier s'est appuyé plus fortement sur des plateformes sociales telles que Twitter.
Cette étude souligne l'importance des outils EBS actuels pour fournir des informations liées aux foyers de maladie complémentaires des sources officielles et propose des stratégies afin d'améliorer la surveillance numérique des maladies.
Ce travail est un des résultats du projet européen MOOD (convention de subvention Horizon 2020 n°874850).
Référence
Dissemination of information in event-based surveillance, a case study of Avian Influenza. Valentin S, Boudoua B, Sewalk K, Arınık N, Roche M, et al. 2023. PLOS ONE 18(9): e0285341. https://doi.org/10.1371/journal.pone.0285341
Dans le domaine du traitement automatique du langage, les modèles pré-entraînés produits par les algorithmes d’intelligence artificielle (IA) fournissent une base solide pour un large éventail de tâches. Cependant, pour être appliqués à des domaines spécialisés avec de bonnes performances, ces modèles d’IA nécessitent une adaptation (ou fine-tuning). Cette adaptation repose sur la disponibilité de données annotées de haute qualité, représentatives du domaine d’application. Un Data Paper, primé parmi plus de 500 articles scientifiques dans la catégorie "Public Health and Epidemiology Informatics" de l'IMIA Yearbook of Medical Informatics 2023, décrit une méthodologie originale d’annotation d’articles de presse visant à extraire des informations épidémiologiques sur les foyers de maladies animales. Outre le protocole d’annotation proposé, l’originalité de l’approche réside dans l’identification d’informations épidémiologiques au niveau de la phrase. Cette échelle d’analyse vise par exemple à identifier du contenu textuel relatif à des mesures de prévention, des voies de transmission de maladies ou des facteurs de risque. Élaborée de manière itérative par des experts thématiques, la démarche détaillée dans l’article vise à être reproductible et facilement adaptable à d’autres applications en santé, telle que la veille en santé végétale.
Référence
Valentin Sarah, Arsevska Elena, Vilain Aline, De Waele Valérie, Lancelot Renaud, Roche Mathieu. 2022. Elaboration of a new framework for fine-grained epidemiological annotation. Scientific Data, 9:655, 12 p.