Advanced Statistical Approaches for the Global Analysis of Influenza Virus Circulation
Approches statistiques avancées pour l'analyse globale de la circulation du virus de la grippe
Résumé
The mitigation of human Influenza remains a challenge due to the complexities characterizing its spread. Multiple types and subtypes of influenza viruses co-circulate glob-ally, with a dynamic characterized by annual epidemics and occasional shifts due tomajor epidemiological events. This thesis develops statistical tools to study some keyaspects of influenza spatiotemporal ecological dynamics, proposing unconventionalapproaches in epidemiology. The analyses are based on data from FluNet, a com-prehensive dataset provided by the World Health Organization that includes weeklycounts of influenza samples from over 150 countries, categorized by type and subtype.The first two research projects included in the thesis have an applied focus, while thethird study is theoretically oriented, although it includes an application to influenzasurveillance data. The first study examines the decline of influenza during the COVID-19 pandemic, assessing the magnitude of the decline by country globally and usingregression tree-based techniques to identify country-level factors associated with thedecline. The second study examines the coupled dynamics of influenza (sub)types,focusing on their relative abundance across countries and years through the lens ofCompositional Data Analysis. It provides evidence of the changes in (sub)type mixingduring the COVID-19 pandemic and develops probabilistic forecasting algorithms topredict (sub)type composition one year in advance. The third study formulates a con-ditional copula model to describe the dependencies of multivariate data conditionallyupon certain covariates. The asymptotic consistency of the model is then investigated.Finally, the model is used to classify countries and years characterized by similar de-pendencies in the relative abundances of influenza (sub)types.
De multiples types et sous-types de virus de la grippe co-circulent dans le monde, avec une dynamique caractérisée par des épidémies annuelles et des changements exceptionnels dus à des événements épidémiologiques majeurs. Cette thèse développe des outils statistiques pour étudier certains aspects clés de cette dynamique ponctuée, pro-posant des approches non conventionnelles en épidémiologie. Les analyses sont basées sur les données de FluNet, un jeu de données fourni par l'Organisation mondiale de la santé qui comprend des comptages hebdomadaires d'échantillons de grippe provenant de plus de 150 pays, catégorisés par type et sous-type. Les deux premiers projets de recherche inclus dans la thèse sont axés sur l'application, tandis que la troisième étude est orientée vers la théorie, bien qu'elle comprenne une application aux données de surveillance de la grippe humaine. La première étude examine le déclin de la grippe pendant la pandémie COVID-19, en évaluant l'ampleur du déclin et en utilisant des techniques basées sur des arbres de régression pour identifier les facteurs associés à ce déclin au niveau des pays. La deuxième étude examine la dynamique couplée des (sous-)types de grippe, en se concentrant sur leur abondance relative dans chaque pays et chaque année, par le biais de l'analyse des données de composition. Elle dé-montre l'évolution du mélange des (sous-)types au cours de la pandémie COVID-19 et développe des algorithmes de prévision probabiliste pour prédire la composition des(sous-)types un an à l'avance. La troisième étude formule un modèle de copule conditionnelle pour décrire les dépendances de données multivariées nettes de certaines covariables. La consistance asymptotique du modèle est ensuite étudiée. Enfin, le modèle est utilisé pour classer les pays et les années caractérisés par des dépendances similaires dans les proportions relatives des (sous-)types de grippe.
| Origine | Version validée par le jury (STAR) |
|---|