Élaboration d'une méthode semi-automatique pour l'identification et le traitement des signaux d'émergence pour la veille internationale sur les maladies animales infectieuses

Elaboration of a Semi-Automatic Method for Identification and Analysis of Signals of Emergence of Animal Infectious Diseases at International Level

• Auteur / Autrice : Elena Arsevska
• Direction : Barbara Dufour
• Type : Thèse de doctorat
• Discipline(s) : Santé publique - épidémiologie
• Date : Soutenance le 31/01/2017
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Santé Publique (Le Kremlin-Bicêtre, Val-de-Marne ; 2015-...)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris-Sud (1970-2019)
• Partenaire(s) de recherche : Laboratoire : Contrôle des maladies animales exotiques et émergentes (Montpellier)
• Jury : Président / Présidente : Loïc Josseran
• Jury : Examinateurs / Examinatrices : Barbara Dufour, Loïc Josseran, Juliette Dibie-Barthélemy, Philippe Sabatier, Agnès Waret, Didier Calavas
• Jury : Rapporteurs / Rapporteuses : Juliette Dibie-Barthélemy, Philippe Sabatier

Mots clés

Mots clés contrôlés

Fouille de données

Intelligence épidémiologique

Web usage mining

Exploration de données

Maladies tropicales

Maladies animales -- Épidémiologie

Santé animale

Maladies émergentes

Mots clés libres

Veille du Web

Santé animale

Fouille de textes

Maladies exotiques

Maldies emergentes

Web monitoring

Animal health

Text mining

Exotic diseases

Emerging diseases

Résumé

La veille en santé animale, notamment la détection précoce de l'émergence d'agents pathogènes exotiques et émergents à l'échelle mondiale, est l'un des moyens de lutte contre l'introduction de ces agents pathogènes en France.Récemment, il y a eu une réelle prise de conscience par les autorités sanitaires de l'utilité de l'information non-structurée concernant les maladies infectieuses publiée sur le Web.C'est dans ce contexte que nous proposons un outil de veille basé sur une méthode de fouille de textes pour la détection, collecte, catégorisation et extraction de l'information sanitaire à partir des donnés textuelles non structurées (articles médias) publiées sur le Web.Notre méthode est générique. Toutefois, pour l'élaborer, nous l'appliquons à cinq maladies animales infectieuses exotiques : la peste porcine africaine, la fièvre aphteuse, la fièvre catarrhale ovine, la maladie du virus Schmallenberg et l'influenza aviaire.Nous démontrons que des techniques de fouille de textes, complétées par les connaissances d'experts du domaine, sont la fondation d'une veille sanitaire du Web à la fois efficace et réactive pour détecter des émergences de maladies exotiques au niveau international.Notre outil sera utilisé par le dispositif de veille sanitaire internationale en France, et facilitera la détection précoce de signaux de dangers sanitaires émergents dans les articles médias du Web.

Monitoring animal health worldwide, especially the early detection of outbreaks of emerging and exotic pathogens, is one of the means of preventing the introduction of infectious diseases in France.Recently, there is an increasing awareness among health authorities for the use of unstructured information published on the Web for epidemic intelligence purposes.In this manuscript we present a semi-automatic text mining approach, which detects, collects, classifies and extracts information from non-structured textual data available in the media reports on the Web. Our approach is generic; however, it was elaborated using five exotic animal infectious diseases: african swine fever, foot-and-mouth disease, bluetongue, Schmallenberg, and avian influenza.We show that the text mining techniques, supplemented by the knowledge of domain experts, are the foundation of an efficient and reactive system for monitoring animal health emergence on the Web.Our tool will be used by the French epidemic intelligence team for international monitoring of animal health, and will facilitate the early detection of events related to emerging health hazards identified from media reports on the Web.