European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

MOnitoring Outbreak events for Disease surveillance in a data science context

Description du projet

La collecte de mégadonnées pourrait rationaliser de manière opportune la surveillance des menaces pour la santé publique

Les responsables de santé publique ayant pour mission de protéger les citoyens face aux épidémies de maladies infectieuses dépendent généralement de rapports officiels sur des maladies spécifiques fournis par des prestataires de soins de santé (surveillance fondée sur des indicateurs ou IBS pour «indicator-based surveillance»). Toutefois, ils utilisent de plus en plus la surveillance fondée sur des événements (EBS pour «event-based surveillance») qui emploie des rapports, des récits, des rumeurs et d’autres informations transmises par le biais de canaux formels ou informels, dont les blogs, les lignes directes ou les réseaux sociaux. L’avantage de l’EBS est sa rapidité, car elle reflète les événements avant que de nombreux patients ne se soient rendus chez des prestataires de soins de santé ou reçu des résultats de test positifs. Le projet MOOD, financé par l’UE, tire parti de l’exploration de données et de l’analyse des mégadonnées pour renforcer l’utilité de l’EBS. Bien entendu, les travaux du projet ne seraient pas complets sans une plateforme en ligne conçue pour encourager une utilisation courante, permettre une analyse en temps réel et favoriser la collecte et l’interprétation des données.

Objectif

The detection of infectious disease emergence relies on reporting cases, i.e. indicator-based surveillance (IBS). This method lacks sensitivity, due to non or delayed reporting of cases. In a changing environment due to climate change, animal and human mobility, population growth and urbanization, there is an increased risk of emergence of new and exotic pathogens, which may pass undetected with IBS. Hence, the need to detect signals of disease emergence using informal, multiple sources, i.e. event-based surveillance (EBS). The MOOD project aims at harness the data mining and analytical techniques to the big data originating from multiple sources to improve detection, monitoring, and assessment of emerging diseases in Europe. To this end, MOOD will establish a framework and visualisation platform allowing real-time analysis and interpretation of epidemiological and genetic data in combination with environmental and socio-economic covariates in an integrated inter-sectorial, interdisciplinary, One health approach:
1)Data mining methods for collecting and combining heterogeneous Big data,
2)A network of disease experts to define drivers of disease emergence,
3)Data analysis methods applied to the Big data to model disease emergence and spread,
4)Ready-to-use online platform destined to end users, i.e. national and international human and veterinary public health organizations, tailored to their needs, complimented with capacity building and network of disease experts to facilitate risk assessment of detected signals.
MOOD output will be designed and developed with end users to assure their routine use during and beyond MOOD. They will be tested and fine-tuned on air-borne, vector-borne, water-borne model diseases, including anti-microbial resistance. Extensive consultations with end users, studies into the barriers to data sharing, dissemination and training activities and studies on the cost-effectiveness of MOOD output will support future sustainable user uptake

Appel à propositions

H2020-SC1-BHC-2018-2020

Voir d’autres projets de cet appel

Sous appel

H2020-SC1-2019-Single-Stage-RTD

Coordinateur

CENTRE DE COOPERATION INTERNATIONALE EN RECHERCHE AGRONOMIQUE POUR LEDEVELOPPEMENT - C.I.R.A.D. EPIC
Contribution nette de l'UE
€ 2 662 355,90
Adresse
RUE SCHEFFER 42
75016 Paris
France

Voir sur la carte

Région
Ile-de-France Ile-de-France Paris
Type d’activité
Research Organisations
Liens
Coût total
€ 2 836 969,25

Participants (26)