Contributors: Hospices Civils de Lyon (HCL); Centre International de Recherche en Infectiologie (CIRI); École normale supérieure de Lyon (ENS de Lyon); Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL); Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS); Santé publique, épidémiologie et écologie évolutive des maladies infectieuses CIRI (PHE3ID); Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure de Lyon (ENS de Lyon); University of the Witwatersrand Johannesburg (WITS); University of Guelph; Fraunhofer Institute for Algorithms and Scientific Computing (Fraunhofer SCAI); Fraunhofer (Fraunhofer-Gesellschaft); Universität Bonn = University of Bonn; Université de Genève = University of Geneva (UNIGE); University of Manitoba Winnipeg; Imperial College London; London School of Hygiene and Tropical Medicine (LSHTM); Centers for Disease Control and Prevention Atlanta, Ga., USA (CDC); Département de Biologie Computationnelle - Department of Computational Biology; Institut Pasteur Paris (IP)-Université Paris Cité (UPCité); Département de Santé Globale - Department Global Health; Institut de Physique des 2 Infinis de Lyon (IP2I Lyon); Université Claude Bernard Lyon 1 (UCBL); Université de Lyon-Université de Lyon-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS); Modélisation mathématique des maladies infectieuses - Mathematical modelling of Infectious Diseases; Institut Pasteur Paris (IP)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité); Décision et processus Bayesiens - Decision and Bayesian Computation; Fraunhofer Institute for Translational Medicine and Pharmacology (ITMP); Impact Healthcare; Macau University of Science and Technology (MUST); York University Toronto; Saarland University Hospital (UKS); Sorbonne Université (SU); Kap Code; European Centre for Disease Prevention and Control Solna, Sweden (ECDC); Université Paris-Saclay; Institut Pasteur Paris (IP); Pierre Louis Institute of Epidemiology and Public Health; Universitätsklinikum RWTH Aachen - University Hospital Aachen Aachen, Germany (UKA); RWTH Aachen University = Rheinisch-Westfälische Technische Hochschule Aachen (RWTH Aachen); Statistics In System biology and Translational Medicine (SISTM); Inria Bordeaux - Sud-Ouest; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Bordeaux population health (BPH); Université de Bordeaux (UB)-Institut de Santé Publique, d'Épidémiologie et de Développement (ISPED)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Bordeaux (UB)-Institut de Santé Publique, d'Épidémiologie et de Développement (ISPED)-Institut National de la Santé et de la Recherche Médicale (INSERM); Bordeaux population health (BPH); Université de Bordeaux (UB)-Institut de Santé Publique, d'Épidémiologie et de Développement (ISPED)-Institut National de la Santé et de la Recherche Médicale (INSERM); Fogarty International Center, National Institutes of Health, Bethesda, MD, 20894, USA; Université de Rennes (UR); École des Hautes Études en Santé Publique EHESP (EHESP); Département Méthodes quantitatives en santé publique (METIS); Arènes: politique, santé publique, environnement, médias (ARENES); Université de Rennes (UR)-Institut d'Études Politiques IEP - Rennes-École des Hautes Études en Santé Publique EHESP (EHESP)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS); Collaboration internationale
نبذة مختصرة : International audience ; In July 2023, the Center of Excellence in Respiratory Pathogens organized a two-day workshop on infectious diseases modelling and the lessons learnt from the Covid-19 pandemic. This report summarizes the rich discussions that occurred during the workshop. The workshop participants discussed multisource data integration and highlighted the benefits of combining traditional surveillance with more novel data sources like mobility data, social media, and wastewater monitoring. Significant advancements were noted in the development of predictive models, with examples from various countries showcasing the use of machine learning and artificial intelligence in detecting and monitoring disease trends. The role of open collaboration between various stakeholders in modelling was stressed, advocating for the continuation of such partnerships beyond the pandemic. A major gap identified was the absence of a common international framework for data sharing, which is crucial for global pandemic preparedness. Overall, the workshop underscored the need for robust, adaptable modelling frameworks and the integration of different data sources and collaboration across sectors, as key elements in enhancing future pandemic response and preparedness.
Processing Request
No Comments.