Luận Văn Thạc Sĩ: Mô Hình Dịch Bệnh và Chính Sách Y Tế Giữa Các Quốc Gia

Luận văn thạc sĩ phân tích vnu réalisation dun modèle épidémiologique avec prise en compte des politiques de santé entre, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp

Chuyên ngành

Informatique

Người đăng

Ẩn danh

Thể loại

Luận Văn

2015

71
2
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. CHƯƠNG 1: État de l’Art

1.1. Épidémiologie de la dengue

1.2. Introduction à la Modélisation

1.3. Les modèles mathématiques épidémiologiques

1.3.1. Les modèles mathématiques déterministes

1.3.2. Les modèles mathématiques stochastiques

1.4. Les modèles à automates cellulaires

1.5. Les modèles à base d’agents épidémiologiques

2. CHƯƠNG 2: Implémentation du modèle

2.1. Outils utilisés durant le stage

2.1.1. Outils Matériels et Logiciels

2.4. Modèle de Mobilité

2.5. Modèle avec Politique de Contrôle

3. CHƯƠNG 3: Expérimentations sur le Modèle

3.1. Résultats des premiers modèles

3.2. Journées de Tam Dao

3.3. Perspectives et Améliorations possibles

4. CHƯƠNG 4: Conclusion

Bibliographie

Annexes

Tóm tắt

I. Tổng Quan Về Mô Hình Dịch Bệnh và Chính Sách Y Tế

Mô hình dịch bệnh là một công cụ quan trọng trong việc hiểu và dự đoán sự lây lan của các bệnh truyền nhiễm. Chính sách y tế đóng vai trò quyết định trong việc kiểm soát dịch bệnh. Nghiên cứu này sẽ so sánh các mô hình dịch bệnh và chính sách y tế giữa các quốc gia khác nhau, từ đó rút ra những bài học kinh nghiệm quý giá.

1.1. Khái Niệm Mô Hình Dịch Bệnh

Mô hình dịch bệnh là một phương pháp toán học giúp mô phỏng sự lây lan của bệnh trong cộng đồng. Các mô hình này có thể là mô hình xác định hoặc ngẫu nhiên, tùy thuộc vào cách thức mà các yếu tố tương tác với nhau.

1.2. Vai Trò Của Chính Sách Y Tế

Chính sách y tế là các quy định và hành động của chính phủ nhằm bảo vệ sức khỏe cộng đồng. Chính sách này có thể bao gồm các biện pháp phòng ngừa, điều trị và kiểm soát dịch bệnh.

II. Vấn Đề và Thách Thức Trong Mô Hình Dịch Bệnh

Mô hình dịch bệnh đối mặt với nhiều thách thức, bao gồm sự không chắc chắn trong dữ liệu và sự phức tạp của các yếu tố môi trường. Những vấn đề này có thể ảnh hưởng đến độ chính xác của các dự đoán và hiệu quả của các chính sách y tế.

2.1. Thiếu Dữ Liệu Chính Xác

Một trong những thách thức lớn nhất trong mô hình hóa dịch bệnh là việc thiếu dữ liệu chính xác. Điều này có thể dẫn đến những sai lệch trong các dự đoán và quyết định chính sách.

2.2. Tác Động Của Các Yếu Tố Môi Trường

Các yếu tố môi trường như khí hậu, đô thị hóa và di cư có thể ảnh hưởng lớn đến sự lây lan của dịch bệnh. Việc không tính đến những yếu tố này có thể làm giảm hiệu quả của mô hình.

III. Phương Pháp Mô Hình Dịch Bệnh Hiện Đại

Có nhiều phương pháp mô hình hóa dịch bệnh hiện đại, bao gồm mô hình dựa trên tác nhân và mô hình toán học. Những phương pháp này giúp cải thiện độ chính xác và khả năng dự đoán của các mô hình dịch bệnh.

3.1. Mô Hình Dựa Trên Tác Nhân

Mô hình dựa trên tác nhân cho phép mô phỏng hành vi của từng cá nhân trong cộng đồng, từ đó tạo ra những dự đoán chính xác hơn về sự lây lan của dịch bệnh.

3.2. Mô Hình Toán Học

Mô hình toán học sử dụng các phương trình để mô phỏng sự lây lan của dịch bệnh. Phương pháp này thường được sử dụng để phân tích các kịch bản khác nhau và đánh giá hiệu quả của các chính sách y tế.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Dịch Bệnh

Mô hình dịch bệnh không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn trong việc xây dựng chính sách y tế. Các mô hình này giúp các nhà hoạch định chính sách đưa ra quyết định dựa trên dữ liệu và phân tích.

4.1. Kết Quả Nghiên Cứu Tại Các Quốc Gia

Nghiên cứu đã chỉ ra rằng các quốc gia áp dụng mô hình dịch bệnh hiệu quả có thể kiểm soát dịch bệnh tốt hơn. Ví dụ, một số quốc gia đã thành công trong việc giảm tỷ lệ lây nhiễm nhờ vào các chính sách y tế đồng bộ.

4.2. Tác Động Đến Chính Sách Y Tế

Mô hình dịch bệnh cung cấp thông tin quan trọng cho các nhà hoạch định chính sách, giúp họ điều chỉnh các biện pháp phòng ngừa và kiểm soát dịch bệnh một cách hiệu quả hơn.

V. Kết Luận và Tương Lai Của Mô Hình Dịch Bệnh

Mô hình dịch bệnh và chính sách y tế là hai yếu tố không thể tách rời trong việc kiểm soát dịch bệnh. Tương lai của mô hình hóa dịch bệnh sẽ phụ thuộc vào sự phát triển của công nghệ và dữ liệu.

5.1. Xu Hướng Phát Triển Mô Hình

Trong tương lai, các mô hình dịch bệnh sẽ ngày càng trở nên phức tạp hơn, tích hợp nhiều yếu tố và dữ liệu hơn để cải thiện độ chính xác và khả năng dự đoán.

5.2. Tầm Quan Trọng Của Chính Sách Y Tế

Chính sách y tế sẽ tiếp tục đóng vai trò quan trọng trong việc kiểm soát dịch bệnh. Sự phối hợp giữa các quốc gia trong việc áp dụng các chính sách y tế sẽ là chìa khóa để giảm thiểu tác động của dịch bệnh toàn cầu.

22/07/2025
Luận văn thạc sĩ vnu réalisation dun modèle épidémiologique avec prise en compte des politiques de santé entre différents pays

Trích đoạn nội dung tài liệu

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL PHILIPPON DAMIEN RÉALISATION D’UN MODÈLE ÉPIDÉMIOLOGIQUE AVEC PRISE EN COMPTE DES POLITIQUES DE SANTÉ ENTRE DIFFÉRENTS PAYS THIẾT LẬP MỘT MÔ HÌNH DỊCH BỆNH CÓ TÍNH ĐẾN CHÍNH SÁCH Y TẾ GIỮA CÁC NƯỚC KHÁC NHAU MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE HANOI – 2015 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs. La source des informations citées dans ce mémoire a été bien précisée. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác.

Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc. Signature de l’étudiant PHILIPPON Damien LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Sommaire Remerciements ii Résumé iv Abstract v Table des figures vi Liste des tableaux viii Introduction Générale 1 1 État de l’Art 4 1.1 Épidémiologie de la dengue .2 Introduction à la Modélisation .3 Les modèles mathématiques épidémiologiques .1 Les modèles mathématiques déterministes .2 Les modèles mathématiques stochastiques .4 Les modèles à automates cellulaires .5 Les modèles à base d’agents épidémiologiques .2 Outils utilisés durant le stage .1 Outils Matériels et Logiciels .4 Modèle de Mobilité .5 Modèle avec Politique de Contrôle. 31 4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 3 Expérimentations sur le Modèle 35 3.1 Résultats des premiers modèles .2 Journées de Tam Dao .3 Perspectives et Améliorations possibles. 50 4 Conclusion 52 Bibliographie 53 Annexes 56 i LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Remerciements Je tiens à remercier Alexis Drogoul de m’avoir fait l’honneur d’être l’enca- drant de mon stage.

Je lui dois énormément que ce soit autant professionnel- lement qu’humainement. Il m’a permis de bénéficier d’échanges intellectuels tout comme culturels dont je lui serai toujours reconnaissant, et m’a donné cet intérêt que je possède désormais pour la modélisation. Je sais que son temps lui est précieux de par les fonctions qu’il occupe et le remercie de m’en avoir consacré à moi, ce simple stagiaire. Je voudrais aussi remercier Marc Choisy d’avoir eu le temps de répondre à ces pluies de questions que j’abattais sur lui dans le but de comprendre l’épidémiologie, qui m’était aussi connue que le cycle de vie de la belette pygmée avant de le rencontrer.

Je pense pouvoir dire que nos discussions m’ont réellement passionnées tout en me donnant un avant-goût de la plu- ridisciplinarité possible avec la modélisation. Le rencontrer aura clairement changé ma vision des épidémiologistes. Je voudrais aussi remercier Benoît Gaudou, Nicolas Marilleau et Truong Chi Quang pour m’avoir supporté durant ces dix jours aux Journées de Tam Dao. Je sais que ces excés de café ne me rendait pas tenable mais ils étaient plus que bienvenus.

Je n’oublierais jamais ces soirées à finaliser le modéle dans ce café que je connais finalement plus que Da Nang. Ces échanges m’auront apporté plus de bien que vous ne le pensez. J’aimerais continuer en remerciant l’équipe du laboratoire ICTLab pour m’avoir accueilli à bras ouverts, Rémy Mullot pour m’avoir permis de réaliser cette année de Master à l’IFI qui aura changé ma vie, Ho Tuong Vinh pour ses cours et sa présence pour nous avoir aidé quand nous sommes fraîchement arrivés dans ce pays totalement inconnu et dont je suis admiratif maintenant, ii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Pierre Antoine Pinon pour avoir été celui qui m’aura supporté durant 5 mois de collocation, et l’IFI dans sa globalité, pour m’avoir permis de bénéficier dún enseignement déxcellence. Pour finir par une touche plus personnelle, je souhaiterais remercier ma famille qui, malgrè la distance, a su me supporter lors de nos conversations Skype et simuler un intêret similaire au mien lorsque je leur exposais mon travail et leur présentait ce modèle.

Et toi Chanthala, qui, bien que petite par la taille, auras montré une grande force d’esprit en me supportant durant ce stage et en m’aidant lors des difficultés que je rencontrais. iii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Résumé La compréhension de certains phénomènes, dits complexes, a toujours été difficile pour l’homme, soit par manque de données ou d’informations, soit par manque d’outils permettant d’appréhender leur complexité. Un de ces outils, qui monte en puissance depuis ces dernières années, est la modélisa- tion à base d’agents. Cette approche de modélisation informatique permet de représenter les phénomènes comme conséquences d’interactions entre entités élémentaires - les agents - au sein d’un environnement commun.

L’une des sciences qui bénéficie le plus de cette approche est l’épidémiologie. Dans le cadre de notre stage, nous nous sommes intéressés à mise en place d’une co- ordination des politiques de santé publique entre plusieurs pays traversés par un corridor terrestre (un axe routier entre le Vietnam, le Laos, la Thaïlande et le Myanmar) afin de prévenir la diffusion de la dengue le long de ce corri- dor. Nous avons donc proposé une approche faisant un lien entre la dengue, le climat, la mobilité le long du corridor et les politiques de contrôle des différents pays qu’il traverse, en suivant une démarche de conception consis- tant à décomposer ces différents éléments en sous-modèles, ensuite couplés pour ne faire qu’un seul modèle intégré.Les résultats des simulations de ce modèle intégré sont intéressants dans le sens où nous avons pu montrer que la mise en place de politiques de contrôle synchronisées diminue fortement la propagation de la maladie, alors que celle-ci devrait être amplifiée par l’aug- mentation de la mobilité des individus (elle-même conséquence de l’ouverture économique entre pays de l’ASEAN). Ce modèle, grâce à ses résultats, a pu être utilisé comme support à une formation d’une semaine dans le cadre d’une Ecole d’Eté destinée aux chercheurs en sciences sociales (JTD, à Da Nang).

Mots clés : Modélisation multi-agents, Modèle épidémiologique, Système d’In- formations Géographiques, Lutte antivectorielle iv LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Abstract The understanding of some phenomenas, said complex, has always been difficult for Mens, whether because of missing data or information, either by lack of tools allowing to get to their complexity. One of these tools, becoming more and more powerful, is agent based modelling. This approach of com- puting modelling allows to represent phenomenas as results of interactions between elementary entities - agents - inside an common environment. One of the sciences benefiting most from this approach is epidemiology.

In the context of our internship, we have looked at the set up of a coordination of health policies between countries crossed by an onshore corridor ( a road between Vietnam, Laos, Thailand and Myanmar) to prevent dengue fever diffusion inside this corridor. We proposed an approach linking dengue fever, climate, mobility inside the corridor and health policies of the different coun- tries, following a design methodology to decompose these different entities in- side sub-models, then linked to make one integrated-model. The results of the simulations of this integrated model are interesting in terms of showing that synchronised health policies strongly decrease the spread of the disease, while this one should be amplified by the increasing mobility of individuals (coming from the economic opening of ASEAN countries). This model, thanks to its results, have been used as training support for one week in the context of a summer school for researchers in social sciences (Tam Dao Days in Da Nang).

Keywords : Agent based model, Epidemiological model, Geographical In- formation System, Health Policy v LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Table des figures 1.1 Cycle de vie du moustique Aedes Aegypti .2 Zone de probabilité d’apparition de la dengue : Aujourd’hui en haut, estimation pour 2085 en bas .3 Déroulement typique d’un modèle SEIR .4 Automate cellulaire du Jeu de la Vie, par J.5 Modèle utilisant un automate cellulaire de L.6 Modèle utilisant un automate cellulaire de Enduri et Jolad : en haut la couche humain, en bas la couche vecteur .7 Les différentes étapes du modèle de C.8 La diminution significative entre la population de larves I des villages d’interventions et la population C des villages sans interventions au voisinage .1 En Orange les provinces du Myanmar, en Bleu les provinces de la Thaïlande, en Jaune le Laos et en Violet les provinces du Vietnam, avec le Corridor au milieu .2 Diagramme de Classe UML du modèle épidémiologique .3 Représentation de la fonction d’émergence des moustiques .4 Sorties du modèle Épidémiologique à l’intialisation .5 Diagramme de Classe UML du modèle de mobilité .6 Sorties du modèle de mobilité à l’initialisation .7 Diagramme de Classe UML du modèle avec politiques de contrôles 32 2.8 Sorties du modèle avec politiques .1 Sorties du modèle épidémiologique sans changement de para- mètres .2 Sorties du modèle épidémiologique avec villes .3 Sorties du modèle de mobilité .4 Sorties du modèle final sans politique de contrôle ni mobilité. 40 vi LUAN VAN CHAT LUONG download : add luanvanchat@agmail.5 Sorties du modèle final sans politique de contrôle mais avec mobilité .6 Sorties du modèle final avec politique de contrôle mais sans mobilité .7 Sorties du modèle final avec politique de contrôle mais et mobilité 44 3.8 Graphique de comparaison entre les différentes expérimentations 45 3.9 Graphique de comparaison entre les différentes expérimentations 47 3.10 Sorties du modèle final avec inondations .11 Ouverture des routes .12 Sorties du modèle final avec poids .1 Annexes-Modèle participatif .2 Annexes-Modèle avec inondations .3 Annexes-Modèle avec poids .4 Annexes - Différentes Étapes de Construction d’un Modèle. 59 vii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Liste des tableaux 2.1 Tableau de probabilités pour chaque pays d’une destination .2 Tableau des différentes politiques de contrôle .3 Tableau de probabilités pour chaque pays d’une destination. 21 viii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Introduction Générale Contexte et Cadre d’étude Le présent rapport a été réalisé dans le cadre des travaux réalisés durant notre stage de fin d’études dans le but d’obtenir le Master spécialité "Sys- tèmes Intelligents et Multimédia" de l’Institut Francophone International, en collaboration avec l’Université de La Rochelle pour la spécialité "Ingénie- rie des Contenus Numériques en Entreprise".

Le stage s’est déroulé au sein de l’IRD 1 dans les locaux du laboratoire Relish - ICTLab, partenaire UM- MISCO 2. L’IRD est un organisme de recherche français, qui privilégie l’in- terdisciplinarité et qui centre ses recherches sur les relations entre l’homme et son environnement. Ses activités de recherches, de formation et d’innovation ont pour but de contribuer au développement social, économique et culturel des pays du Sud. Cet institut est composé de 2221 agents dont 835 cher- cheurs, 56 unités de recherche et 7 observatoires, dont l’unité de recherche à Hanoï.

La thématique que nous aborderons durant ces travaux concerne le domaine de la modélisation multi-agents et de l’épidémiologie. L’épidémiologie repré- sente en effet une part importante des modèles qui ont été conçus, car la modélisation possède des avantages en terme d’exploration de scénarios, de représentation de dynamiques qui lui sont propres, et d’aide à la compréhen- sion (mieux comprendre le système de propagation d’une maladie, comment contrer cette diffusion sont autant d’aspects sur lesquels la modélisation peut aider). C’est pour ces raisons, que de nombreux modèles épidémiologiques à base d’agent ont été réalisés, que ce soit pour de la compréhension de dyna- mique, comme de l’aide à la prise de décision. Institut de la Recherche pour le Développement 2.

Unité Mixte Internationale de Modélisation Mathématique et Informatiques des Systèmes Com- plexes 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Problématique Dans le domaine de l’épidémiologie, il est important de comprendre com- ment une maladie peut se transmettre et dans quelles mesures sa propagation peut être critique.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ