Résumé exécutif

Notre recherche sur l'épidémie de choléra de 2010 a montré que les indicateurs de mobilité dérivés des métadonnées de téléphonie mobile (données CDR) agrégées et anonymisées permettaient de prédire (avec une certaine incertitude) la propagation géographique de l'épidémie.

Nous présentons ici des tendances de mobilité de la zone métropolitaine de Port-au-Prince pertinentes pour l'épidémie en cours et reproduisons nos analyses pour identifier les zones potentiellement à risque accru de nouvelles épidémies. En combinaison avec d'autres preuves, cela peut aider à identifier les zones à prioriser pour la surveillance et les interventions.

La plupart des déplacements sont de courte distance. Les déplacements en provenance de la zone métropolitaine de Port-au-Prince, où le nombre de cas suspects est élevé, sont concentrés dans les communes voisines du département de l'Ouest mais des déplacements plus longs sont également observés, notamment vers les départements des Nippes et du Sud (Carte 1).

Notre modélisation des flux estimés de personnes infectieuses (Carte 2) montre de grandes similitudes avec notre rapport d'il y a une semaine, mais la frontière de l'épidémie s'est déplacée et davantage de zones connaissent désormais une pression infectieuse accrue. La carte 2 met en évidence les communes du centre, notamment du nord-ouest du département de l'Ouest, et du sud du pays comme des zones à risque potentiellement accru de nouveaux foyers. Nous montrons également que la proximité géographique des communes avec des cas confirmés n'équivaut pas nécessairement à un risque plus élevé de nouvelles épidémies. Cependant, nos méthodes peuvent surestimer le risque dans les zones situées le long des principaux couloirs de déplacement (par exemple, les autoroutes).

Les analyses présentées ont des limites et doivent être utilisées en conjonction avec d'autres données disponibles (voir Considérations sur les données). Vos commentaires seront les bienvenus; ils nous aideront à améliorer les futurs rapports et nous vous invitons également à nous informer de toute demande d'analyses spécifiques. Au fur et à mesure que de nouvelles zones acquièrent une transmission locale, les risques présentés dans ce rapport évolueront et nous nous efforcerons de mettre à jour les analyses.

Lire le rapport #3 (FR)

A propos de ce rapport

Auteurs et contributions

Ce rapport a été rédigé par la Fondation Flowminder, par Thomas Smallwood, Linus Bengtsson et Véronique Lefebvre, avec la contribution d'Apphia Yuma, James Harrison, Robert Eyre et Sophie Delaporte.

Thomas Smallwood a analysé, interprété et rédigé le rapport ; Linus Bengtsson et Véronique Lefebvre ont dirigé l'analyse et soutenu l'interprétation du rapport ; Apphia Yuma a dirigé le projet et apporté son soutien à la rédaction et à la traduction ; James Harrison et Robert Eyre ont produit les agrégats et les indicateurs dérivés des données CDRs et ont soutenu l'analyse ; et Sophie Delaporte a apporté son soutien à la rédaction, à la traduction et à la visualisation des données.

Cette étude a été rendue possible grâce aux données CDR agrégées fournies par Digicel Haïti, et aux données des cas de choléra fournies par la Direction d'Épidémiologie, des Laboratoires et de la Recherche (DELR).

Données

À des fins de facturation, les opérateurs de téléphonie mobile gardent trace de l'activité des abonnés. Ces enregistrements sont générés chaque fois qu'un abonné passe ou reçoit un appel, envoie ou reçoit un SMS, ou utilise des données mobiles sur son téléphone. Ils sont appelés Call Detail Records (CDR) (métadonnées de téléphonie mobile). Les CDR contiennent des informations sur l'emplacement de la tour cellulaire qui achemine l'appel. Ces données peuvent être analysées en temps quasi réel et donnent un aperçu des schémas de mobilité au niveau local et national en fonction de l'emplacement de ces tours de téléphonie cellulaire. Pour plus d'informations sur les données CDR, veuillez consulter notre site Web FlowGeek ici (en anglais).

Ce rapport est basé sur les résultats d'une analyse des données CDR fournies par Digicel Haïti. Les CDR sont agrégés et anonymisés au sein du pare-feu de Digicel Haïti à l'aide de FlowKit, puis analysés par Flowminder.

Dans ce rapport, nous avons utilisé les données CDR couvrant la période du 16 octobre au 14 novembre 2021. Les CDR utilisés dans les rapports #1 et #2 couvrent les périodes du 01 au 31 octobre 2021 et du 07 octobre au 07 novembre 2021, respectivement. La situation actuelle en Haïti et l'impact de la crise en cours sur le réseau cellulaire et, potentiellement, l'utilisation des appareils mobiles à travers le pays ont affecté la qualité des données CDR pour septembre et octobre 2022. Cependant, nous avons effectué une série d'analyses pour comparer la mobilité en Haïti avant la crise, du 01 août au 11 septembre 2022, à la mobilité pour la même période en 2021. Ces analyses montrent que la mobilité est cohérente entre les deux années. Entre le 11 septembre et le 31 octobre 2022, il y a probablement une diminution de la mobilité, par rapport à la même période en 2021, mais il est difficile de différencier les réductions de la mobilité de la perte de tours cellulaires ou des réductions de l'utilisation des appareils mobiles. Nos analyses peuvent donc surestimer la mobilité globale, et probablement surestimer la prévalence des déplacements longue distance (>30km) par rapport aux déplacements courte distance (<30km).

Les données sur les cas de choléra ont été obtenues à partir des rapports publiés par le ministère de la Santé publique et de la Population d'Haïti (MSPP). Le nombre de nouveaux cas de choléra dans chaque commune a été calculé en soustrayant le nombre de cas suspects et confirmés publiés dans le rapport du 14 novembre 2022 du nombre de cas rapportés dans le rapport du 8 novembre. Ces rapports peuvent être consultés ici. Pour certaines communes, le nombre d'échantillons envoyés au laboratoire est supérieur au nombre de cas suspects. Le MSPP explique cela par des déclarations plus ou moins rapides selon le système (rapports de cas et de laboratoire). Pour chaque date, nous avons donc choisi le plus élevé des deux nombres (le plus élevé des cas suspects colonne 1 et des échantillons de laboratoire colonne 2 dans les SitRep du MSPP).

Considérations sur les données

Les estimations présentées constituent notre meilleure évaluation actuelle des mouvements, compte tenu des considérations décrites ci-dessus concernant l'utilisation des données de l'année dernière. Il existe cependant un certain nombre d'incertitudes, dont certaines pourront être traitées dans des analyses ultérieures. Les chiffres donnés ne doivent pas être interprétés comme la vérité et doivent être interprétés avec les autres preuves disponibles, notamment celles provenant des enquêtes sur le terrain et des rapports.

Les données CDR présentent un certain nombre de limites inhérentes, en particulier la résolution et la représentativité des données.

Les variations géographiques de la couverture du réseau et de l'activité d'utilisation du téléphone entravent les comparaisons spatiales et temporelles.

La résolution spatiale des données est limitée par la densité des tours de téléphonie mobile. Cela signifie que la résolution des données varie selon les zones, notamment les zones urbaines où la densité des tours est très élevée et les zones rurales où elle est faible. Par conséquent, des changements de localisation relativement faibles observables dans les zones urbaines peuvent ne pas être observés dans les zones rurales, ce qui pourrait être interprété comme une mobilité moindre, ce qui signifie que des zones ayant une couverture différente ne sont pas directement comparables. En outre, aucune observation ne peut être faite en dehors de la couverture du réseau, bien que dans des conditions normales, la couverture en Haïti soit élevée.

La résolution temporelle des données CDR dépend de la fréquence à laquelle les abonnés utilisent leurs appareils mobiles. Les changements de localisation des abonnés ne pourront donc être observés que si les abonnés utilisent leur appareil mobile pendant qu'ils se trouvent à chaque endroit. La variation de l'utilisation des appareils mobiles peut donc aussi être interprétée comme un changement de mobilité et doit être prise en compte. Le degré d'activité des abonnés peut également varier d'une région à l'autre, de sorte que la mobilité peut sembler plus importante dans une région donnée uniquement parce que les abonnés y sont plus actifs.

Les données présentées dans ce rapport reflètent la mobilité des abonnés de Digicel, et non celle de la population.

Les ensembles de données CDR comprennent un échantillon non aléatoire de la population concernée. Il est donc important d'évaluer les biais dans la représentativité de la mobilité de cet échantillon par rapport à celle de la population dans son ensemble. Pour être inclus dans un ensemble de données CDR, un individu doit donc d'abord posséder un appareil mobile et ensuite s'abonner à l'opérateur ou aux opérateurs de réseau mobile dont les données CDR sont traitées. En outre, un abonné doit utiliser son appareil mobile assez souvent pour générer suffisamment d'appels pour l'analyse.

Par conséquent, plusieurs couches de filtres affectent l'échantillon de la population incluse dans l'ensemble de données : possession d'un téléphone mobile, abonnement à un opérateur de réseau mobile participant, utilisation suffisante du dispositif mobile pendant la période d'étude. Pour chacun de ces filtres, des facteurs tels que l'âge, le sexe et le statut socio-économique peuvent affecter l'inclusion d'un individu dans l'ensemble de données. La représentativité de l'échantillon peut varier selon les régions, ce qui signifie qu'un plus grand nombre d'abonnés itinérants dans une région spécifique par rapport à une autre peut ne pas correspondre à un plus grand nombre de personnes itinérantes, si la représentativité de la mobilité des abonnés varie entre les deux régions.

Les variations dans la surveillance et la déclaration peuvent affecter la distribution géographique des cas de choléra déclarés.

Il existe également une incertitude dans les données de cas fournies par le MSPP. Aucun système de surveillance n'est parfait et de nombreux individus infectieux sont asymptomatiques et ne sont pas détectés par les systèmes de déclaration. La surveillance, le diagnostic et la déclaration des cas de choléra varient d'une région à l'autre, ce qui peut faire que les cas sont plus susceptibles d'être déclarés dans certaines régions que dans d'autres.

Bien que ces analyses reproduisent nos recherches antérieures, qui ont permis de prédire (avec un certain niveau d'incertitude) où les nouvelles épidémies se sont produites lors de l'épidémie de 2010, les intervenants doivent également tenir compte du fait que les communes du pays diffèrent en termes d'accès à l'eau et à l'assainissement ainsi qu'à d'autres facteurs de risque, ce qui influencera le risque d'apparition de nouvelles épidémies.

Nous accueillerons avec plaisir le partage de données alternatives de cas agrégés à des fins d'analyses comparatives.

Tous les déplacements observés ne sont pas des occasions substantielles de transmission du choléra

Les agrégats de mobilité dérivés des données CDR fournissent une estimation du nombre d'abonnés présents dans une zone ayant été précédemment présents dans une autre zone. Cependant, les agrégats utilisés dans ce rapport ne permettent pas d'évaluer la durée de la présence des abonnés dans une zone donnée. Nous ne faisons donc pas la différence entre les abonnés qui restent dans une zone pendant une période suffisante pour faciliter la transmission du choléra et ceux qui traversent une zone en route vers une autre destination sans s'arrêter. Cette limitation introduit une source supplémentaire d'incertitude dans notre estimation de la pression infectieuse.

Par conséquent, nos résultats peuvent surestimer la pression infectieuse subie par certaines communes, notamment celles situées le long d'importants couloirs de transport tels que les grands axes routiers. Cependant, les communes qui sont bien reliées aux zones où les cas de choléra sont importants devraient être plus exposées au risque de propagation du choléra dans la région, et nous avons observé l'évolution de ce modèle au fur et à mesure que l'épidémie se poursuivait.

Nous espérons pouvoir mieux évaluer les types de voyages qui sont plus susceptibles de fournir suffisamment d'opportunités d'infection afin d'aborder cette source d'incertitude, mais cela reste notre meilleure interprétation des données pour le moment.

Méthodologie

Flux d'abonnés des communes les plus touchées par le choléra et situées dans l'aire métropolitaine de Port-au-Prince

Les flux d'abonnés des communes touchées par le choléra à l'intérieur de l'aire métropolitaine de Port-au-Prince vers toutes les autres communes ont été calculés à partir du nombre quotidien de voyageurs entre toutes les paires de communes entre le 16 octobre et le 14 novembre 2021 (01 et 31 octobre 2021 pour le rapport n°1 et 07 octobre et 07 novembre pour le rapport n°2). Les données de 2021 ont été utilisées car les schémas de déplacement courants et attendus entre communes voisines n'ont pas pu être observés dans les données de 2022 en raison de la perte partielle ou totale de la couverture du réseau dans certaines régions (voir la section Données). Nous avons cependant vérifié que les données de 2021 et 2022 étaient comparables avant la crise, mais nous avons noté que le nombre d'abonnés se déplaçant était probablement plus importante d'octobre à novembre 2021 que d'octobre à novembre 2022, et que peut-être moins d'abonnés ont parcouru des distances supérieures à environ 30 km en 2022. On considère qu'un abonné a voyagé d'une commune à l'autre s'il a un événement réseau (ici, un appel téléphonique) acheminé par une tour cellulaire dans la première commune et un autre événement réseau (ultérieur ou non) acheminé par une tour cellulaire dans la deuxième commune au cours de la même journée. Cela signifie que, pour un abonné voyageant de A à B à C, nous comptons 1 voyageur de A à B, 1 voyageur de B à C et 1 voyageur de A à C.

Nous avons additionné le nombre de voyageurs des communes touchées par le choléra dans la zone métropolitaine de Port-au-Prince vers toutes les autres communes pour chaque jour (24 heures) de la période d'étude. Cela signifie qu'une petite proportion d'abonnés voyageurs a été additionnée plus d'une fois, s'ils sont entrés dans la commune focale à partir de plus d'une autre commune dans une période de 24 heures. Nous avons ensuite ajusté le nombre de voyageurs chaque jour en le divisant par le nombre d'abonnés observés dans les communes touchées par le choléra pour calculer la probabilité pour un abonné de voyager d'une commune donnée (origine) à une autre (destination).

Enfin, nous avons calculé la moyenne des voyageurs quotidiens ajustés sur toute la période d'étude pour estimer les flux quotidiens moyens des abonnés des communes touchées par le choléra dans la zone métropolitaine de Port-au-Prince vers toutes les autres communes d'Haïti. Nous avons normalisé les flux pour le rapport en divisant les voyages quotidiens ajustés vers chaque commune depuis les communes touchées par le choléra au sein de Port-au-Prince par le flux le plus important, afin d'obtenir une valeur comprise entre 0 et 1, dans laquelle 1 représente le flux d'abonnés le plus important. Les résultats de cette analyse sont présentés dans la carte 1 et le tableau 1 du rapport.

Nous n'avons pas eu besoin d'ajuster le nombre quotidien de voyageurs pour tenir compte de la variation du réseau cellulaire ou de l'utilisation des appareils mobiles, car le nombre d'abonnés, d'émetteurs-récepteurs cellulaires actifs et d'appels était constant pendant la période considérée en 2021. En outre, comme nous avons établi une moyenne de la mobilité sur la période étudiée, nous n'avons pas eu besoin de procéder à des ajustements pour tenir compte de la variation de la mobilité associée au jour de la semaine. Cependant, nous n'avons pas ajusté la variation de l'utilisation des appareils mobiles entre les régions, ce qui peut avoir un impact sur la mobilité estimée.

Pression infectieuse estimée sur les communes ne présentant pas de cas confirmés récents.

Nous avons estimé la pression infectieuse sur la base de la méthodologie publiée par Bengtsson et al. (2015) (en anglais). Un meilleur accès aux données CDR nous a permis d'améliorer notre estimation de la mobilité en utilisant le nombre de voyageurs entre les communes.

Tout d'abord, nous avons estimé les flux de personnes entre toutes les paires de communes en utilisant le nombre quotidien de voyageurs entre toutes les paires de communes entre le 16 octobre et le 14 novembre 2021 (et les dates correspondantes pour les rapports #1 et #2, voir ci-dessus). Les données de 2021 ont été utilisées car les schémas de déplacement courants et attendus entre communes voisines n'ont pas pu être observés dans les données de 2022 en raison de la perte partielle ou totale de la couverture du réseau dans certaines régions (voir section Données). Nous avons toutefois vérifié que les données de 2021 et 2022 étaient comparables avant la crise, mais nous avons noté que le nombre d'abonnés voyageant était probablement plus important en octobre-novembre 2021 qu'en octobre-novembre 2022, et que peut-être moins d'abonnés ont parcouru des distances supérieures à environ 30 km en 2022.

Nous avons ajusté le nombre de voyageurs entre les communes chaque jour en le divisant par le nombre d'abonnés observés dans la commune d'origine pour calculer une probabilité pour un abonné de voyager d'une commune donnée (origine) à une autre (destination). Nous avons ensuite calculé la moyenne ajustée du nombre de voyageurs quotidiens sur la période d'étude pour estimer les flux quotidiens moyens d'abonnés entre toutes les paires de communes en Haïti sur la période d'étude .

Nous avons estimé le nombre de nouveaux cas de choléra dans chaque commune entre le 08 et le 14 octobre à partir des rapports de situation publiés par le MSPP. Nous avons soustrait le nombre cumulé de cas suspects dans chaque commune rapportés par le MSPP le 08 novembre 2022 du nombre cumulé de cas rapportés par le MSPP le 14 novembre pour estimer le nombre de nouveaux cas dans cette période de 7 jours (24-31 octobre pour le rapport n°1, 02-08 novembre pour le rapport n°2).

Pour estimer la pression infectieuse subie par une commune, nous avons multiplié chaque flux d'abonnés dans la commune par le nombre de nouveaux cas suspects de choléra dans la commune d'origine et nous les avons additionnés pour obtenir la pression infectieuse totale. Cela signifie qu'une petite proportion d'abonnés itinérants a été additionnée plus d'une fois, s'ils sont entrés dans la commune focale depuis plus d'une autre commune dans une période de 24 heures.

Nous avons normalisé les pressions infectieuses pour le rapport en divisant la pression infectieuse subie par chaque commune par la pression infectieuse la plus élevée subie par une commune sans cas confirmé de choléra. Pour les communes sans cas confirmé, cela donne une valeur comprise entre 0 et 1, 1 étant la pression infectieuse la plus élevée. Les résultats de cette analyse sont présentés dans la carte 2 et le tableau 2 de ce rapport.

Confidentialité et protection des données

Aucune donnée personnelle, telle que l'identité, les données démographiques, la localisation, les contacts ou les déplacements d'un individu, n'est mise à la disposition du gouvernement ou de toute autre tierce partie à aucun moment. Tous les résultats produits par Digicel Haïti et la Fondation Flowminder sont des résultats agrégés (par exemple, la densité d'abonnés dans une municipalité donnée), ce qui signifie qu'ils ne contiennent aucune information sur les abonnés individuels. Ces données sont entièrement anonymisées. Pour plus d'informations, veuillez consulter notre site FlowGeek ici.

Cette approche est conforme au règlement général sur la protection des données de l'Union européenne (EU GDPR 2016/679). Les données sont traitées sur un serveur installé derrière le pare-feu de Digicel Haïti, et aucune donnée personnelle ne quitte les locaux de Digicel Haïti.

Lire le rapport #3 (PDF) (FR)

Back to Publications & Reports