Résumé du projet
Ce projet aborde la gestion et l'utilisation des données pour l'aide à la décision liée à l'EIDM. Cela contribuera au développement de modèles d’incertitude fiables. L'approche choisie pour la gestion de l'incertitude est basée sur des modèles causals probabilistes, tels que les réseaux bayésiens avec inférence probabiliste. La crédibilité des données peut être incluse dans ces modèles et évaluée en calculant les risques et les biais à l'aide de diverses mesures d'incertitude.
Co-chercheur de projet
- Dre Svetlana Yanushkevich, Université de Calgary
Quel est l’impact de ce projet sur l’initiative de modélisation des maladies infectieuses émergentes (EIDM) ?
Ce projet a contribué au corpus de recherche autour de la modélisation localisée et de la modélisation basée sur des agents dans le but de fournir une aide à la décision. Les contributions à la recherche de ce projet visent à développer et à déployer des systèmes d’aide à la décision épidémiologique pour l’atténuation des risques au niveau des établissements.
Mise en œuvre de l’approche One Health
L'approche One Health a joué un rôle central dans le sens où elle a examiné la causalité (variables environnementales, saisonnalité, données démographiques des soignants et des patients, variété des mesures préventives, etc.) plutôt que la simple modélisation de la propagation de la maladie, contrainte par le bâtiment et l'environnement et à différents endroits. niveaux macro.
Domaines d’intervention et réalisations en recherche
Nous nous concentrons désormais sur l'aide à la décision et la validation dans le monde réel. Auparavant, notre objectif était de développer un cadre de simulation localisé pour la modélisation épidémiologique basée sur des agents. Notre orientation a changé une fois que nous avons atteint nos objectifs initiaux.
Dre Svetlana Yanushkevich, Université de Calgary
Équipe de recherche, collaborateurs et PHQ
- Svetlana Yanushkevich, Université de Calgary
- Philip Ciunkiewicz, Université de Calgary