À propos de l'instructeur :
Marwan Vaphy Sesay est un universitaire, chercheur et passionné de santé publique libérien, doté d’une solide formation en économie, en biostatistique et en méthodes de recherche quantitative. Il est actuellement maître de conférences à l’Université du Libéria, où il dispense des cours liés aux statistiques, à la biostatistique et aux méthodes quantitatives en recherche sanitaire. Ses travaux universitaires visent à renforcer les compétences analytiques et de recherche des étudiants, en particulier dans l’application d’outils statistiques aux études de santé publique et épidémiologiques.
Les intérêts de recherche de Marwan portent principalement sur l'épidémiologie des maladies infectieuses, notamment le paludisme, le choléra et la fièvre de Lassa. Lors de l'épidémie d'Ebola en Afrique de l'Ouest, Marwan s'est porté volontaire pour participer aux efforts de lutte contre la maladie, acquérant ainsi une expérience pratique en matière de surveillance des maladies et d'intervention d'urgence en santé publique. Cette expérience a renforcé son engagement à améliorer les systèmes de santé et à faire progresser la recherche qui soutient les politiques fondées sur des données probantes et les stratégies de prévention des maladies.
À travers ses activités universitaires et professionnelles, il vise à contribuer à la recherche en santé mondiale et à développer des approches analytiques innovantes pour relever les principaux défis liés aux maladies infectieuses en Afrique et au-delà.
Résumé du séminaire
Cette présentation a examiné comment les techniques d'apprentissage automatique sont utilisées pour améliorer la prévision et la détection des épidémies de paludisme. S'appuyant sur une revue systématique des travaux de recherche publiés entre 2013 et 2023, la session a mis en évidence la manière dont des modèles tels que les réseaux neuronaux artificiels, les arbres de décision, les forêts aléatoires et les machines à vecteurs de support sont appliqués pour analyser des facteurs environnementaux et socio-économiques, notamment la température, les précipitations et la densité de population.
Ces approches ont démontré une précision diagnostique comprise entre 80 et 95 %, ce qui est très prometteur pour prévoir les épidémies avant qu'elles ne se produisent. Le présentateur a également abordé les points forts de ces modèles, tels que leur capacité prédictive, ainsi que les principaux défis, notamment les exigences en matière de données et les limites de l'application des modèles dans différents contextes.
Séminaires connexes
