INTRODUCTION GENERALE
La pandémie de la covid-19 semble avoir pris de court
la plupart des autorités politiques et sanitaires. Ceci en raison de la
rapidité de la diffusion du virus et de la nécessité de
contrôler l'épidémie, par des mesures de confinement
strict, sans équivalent en temps de paix à une échelle
planétaire. Plus de deux ans après que la COVID-19 a
été identifiée pour la première fois, les
gouvernements continuent d'être confrontés à un besoin
urgent de compréhension du paysage pandémique en
évolution rapide. Par conséquent, une évaluation
précise de la dynamique spatio-temporelle de la COVID-19 devient
cruciale dans une telle situation.
En raison de la complexité du problème
épidémiologique et de la disponibilité des données,
le Machine Learning a récemment attiré l'attention pour la
construction de modèles de prédiction d'épidémie.
Les approches Machine Learning visent à développer des
modèles avec une plus grande capacité de
généralisation et une plus grande fiabilité de
prédiction pour des délais plus longs. Ainsi il est donc possible
d'utiliser le SIG et le Machine Learning pour aider à atténuer
l'épidémie grâce à la masse des données
collectées sur la Covid-19. Ceci en trouvant des corrélations
spatiales avec d'autres variables sociodémographiques et afin
d'identifier la dynamique spatio-temporelle de transmission de la Covid-19
à Libreville. C'est dans cette optique que ce projet nous a
été confié, afin de développer un modèle
épidémiologique permettant d'analyser la propagation de
l'épidémie dans sa dimension spatio-temporelle, notamment
à l'aide de technique de machine Learning, auxquelles, on associe les
méthodes de système d'information géographique et des
méthodes d'analyse spatiale.
Dans ce mémoire, Il sera question d'abord de
présenter l'environnement de travail en décrivant la structure
d'accueil, ainsi que le projet qui nous a été confié, son
intérêt et les notions y afférentes, suivi d'une
étude sur les modèles épidémiologiques existants et
de la démarche Machine Learning adoptée. Ceci dans la
perspective de proposer un modèle de régression et un
modèle de clustering. Ensuite d'implémenter ces modèles
dans une plateforme web. Ceci dans l'optique de pouvoir faire des
prédictions d'une part sur le nombre de cas de la maladie de la
covid-19 à Libreville. Et d'autre part de déterminer les foyers
épidémiques à risque dans la commune de Libreville.
| 
