European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

MOnitoring Outbreak events for Disease surveillance in a data science context

Opis projektu

Zbiór danych big data może umożliwić nadzór nad zagrożeniami dla zdrowia publicznego

Funkcjonariusze ds. zdrowia publicznego, których zadaniem jest chronienie obywateli przed epidemiami chorób zakaźnych, zazwyczaj polegają na oficjalnych raportach na temat określonych chorób uzyskanych od pracowników opieki zdrowotnej (jest to tzw. nadzór oparty na wskaźnikach). Jednak coraz częściej wykorzystują oni nadzór oparty na zdarzeniach, czyli raporty, historie, plotki oraz inne informacje przekazane kanałami formalnymi i nieformalnymi, w tym poprzez blogi, infolinie oraz media społecznościowe. Zaletą systemu nadzoru opartego na zdarzeniach jest jego aktualność, jako że odzwierciedla zdarzenia mające miejsce, zanim wielu pacjentów uda się do pracownika opieki zdrowotnej czy otrzyma pozytywne wyniki testu. Celem finansowanego ze środków UE projektu MOOD jest wykorzystanie eksploracji danych oraz analizy danych typu big data dla zwiększenia użyteczności tego systemu. Oczywiście nie będzie on kompletny bez platformy online zaprojektowanej tak, by zachęcać do częstego korzystania, umożliwiać analizę w czasie rzeczywistym oraz usprawniać proces gromadzenia i interpretacji danych.

Cel

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

Zaproszenie do składania wniosków

H2020-SC1-BHC-2018-2020

Zobacz inne projekty w ramach tego zaproszenia

Szczegółowe działanie

H2020-SC1-2019-Single-Stage-RTD

Koordynator

CENTRE DE COOPERATION INTERNATIONALE EN RECHERCHE AGRONOMIQUE POUR LEDEVELOPPEMENT - C.I.R.A.D. EPIC
Wkład UE netto
€ 2 662 355,90
Adres
RUE SCHEFFER 42
75016 Paris
Francja

Zobacz na mapie

Region
Ile-de-France Ile-de-France Paris
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
€ 2 836 969,25

Uczestnicy (26)