Une étude américaine a révélé qu’il est possible de prévoir le nombre d’hospitalisations liées au Covid-19 grâce à un modèle informatique élaboré à partir des données de recherche sur Internet. Ces dernières proviennent de Google Trends.
Depuis le début de la pandémie de Covid-19, de nombreuses études de modélisation ont décrit son évolution. Ces modèles mathématiques ont permis d’évaluer les risques liés à l’infection SARS-CoV-2, de suivre la diffusion du virus, de déterminer l’impact qu’elle génère, et d’anticipant son évolution. Les futures vagues de Covid-19 pourraient être prédites à l’aide des données de recherche sur Internet, selon une étude publiée dans la revue Scientific Reports. En effet, des scientifiques ont élaboré un modèle information qui permet de prévoir les hospitalisations dues au Covid-19. Pour le concevoir, ils ont utilisé des données de recherche fournies par le portail en ligne Google Trends. Ce portail en ligne de Google Labs permet d’identifier la fréquence à laquelle un terme a été tapé dans le moteur de recherche Google, avec la possibilité de visualiser ces données par région et par langue.
Un modèle informatique pour faire des prévisions sur les prochaines vagues
D’après cette étude, le modèle établi prend en compte 256 termes liés au Covid-19 utilisés par les internautes. On cite entre autres « perte de goût », « vaccin Covid-19 », « toux » ou encore « sites de dépistage ». Le modèle prend également en compte des statistiques de base comme le nombre de cas d’infection au Covid-19 et les taux de vaccination et bien d’autres composantes.
Le coauteur de l’étude et spécialiste des données au Georgia Institute of Technology, Shihao Yang, a déclaré qu’observer la fréquence à laquelle les internautes saisissent les termes liés au Covid-19 sur Google pourraient aussi faciliter la prise en charge des patients dans les régions où les tests de dépistage sont rares et où les systèmes de soins de santé sont fragiles.
Selon les scientifiques, ce modèle a été conçu pour utiliser uniquement les données des 56 derniers jours afin de permettre aux autorités sanitaires d’établir des prévisions en temps réel. Yang a annoncé qu’il a bien permis de prédire le nombre d’hospitalisations associées aux nouveaux variants du SARS-CoV-2 comme l’Omicron.
Un modèle informatique plus efficace
Ce modèle informatique serait beaucoup plus efficace que les autres modèles déjà établis. Selon le scientifique des données Philip Turk du Centre médical de l’Université du Mississippi, qui n’a pas participé à l’étude, ce modèle offrirait de meilleures prévisions que celles des Centres américains de contrôle et de prévention des maladies (CDC).
Néanmoins, Yang reconnaît que la performance de ce modèle est limitée puisqu’il est uniquement basé sur les données de recherche des internautes. Tout d’abord, Google pourrait empêcher l’accès à ces données à tout moment. De plus, la différence linguistique est aussi difficile à gérer, les habitants de différentes régions utilisent parfois des mots différents pour décrire la même chose.
Le succès de ce nouveau modèle repose sur l’association des données de Google Trends et les mesures conventionnelles contre le Covid-19 qui donnent des informations plus approfondies sur le comportement des internautes.
Actuellement, Yang travaille à l’ajout de ce modèle au centre de prévision Covid-19 des CDC américains. Mais selon les CDC, en dépit de leur fiabilité, les prévisions d’ensemble ne permettent pas d’identifier les changements rapides au niveau du nombre de nouveaux cas d’infection, d’hospitalisations ou de décès. Ainsi, l’agence estime qu’il ne faut pas s’y fier pour identifier les mesures à prendre en cas de changement de la tendance.
