WEBVTT
Kind: captions
Language: fr

00:00:01.949 --> 00:00:03.010
Bonjour à tous.

00:00:03.010 --> 00:00:07.780
Je suis Aditya Kulkarni et je vais vous parler
des schémas de mobilité humaine liés aux

00:00:07.780 --> 00:00:09.070
lieux fortement exposés au COVID-19.

00:00:09.070 --> 00:00:12.420
J’entre en dernière année de lycée et,
depuis quelques années, je suis aussi des

00:00:12.420 --> 00:00:13.420
cours à l’université.

00:00:13.420 --> 00:00:14.420
Les problèmes que j'essayais de résoudre

00:00:14.420 --> 00:00:16.970
étaient motivés par le fait que j'avais
constaté, pendant les premiers jours de la

00:00:16.970 --> 00:00:23.119
pandémie et aux informations, qu'il y avait
beaucoup de cas recensés dans les restaurants

00:00:23.119 --> 00:00:29.279
et les bars et qu'ils étaient d'importants
vecteurs de contagion du COVID-19.

00:00:29.279 --> 00:00:34.100
J'ai également constaté que les gouvernements
s'efforçaient de trouver les meilleurs moyens

00:00:34.100 --> 00:00:36.480
de rouvrir les commerces en toute sécurité.

00:00:36.480 --> 00:00:41.579
Je me suis donc posé la question suivante
: quels sont les facteurs à l'origine des

00:00:41.579 --> 00:00:43.960
forts taux de contagion dans ces lieux?

00:00:43.960 --> 00:00:46.680
J'ai alors décidé de jeter un coup d'œil

00:00:46.680 --> 00:00:50.469
à la base de données NSF Awards and PI de
COVID Info Commons, ainsi qu'à l'explorateur

00:00:50.469 --> 00:00:55.859
Lingo4G, et j'ai pu trouver un projet RAPID
financé par la NSF qui étudiait l'efficacité

00:00:55.859 --> 00:01:06.080
des mesures de quarantaine et la manière
d'améliorer ces mesures en comparant le nombre

00:01:06.080 --> 00:01:12.390
de cas de COVID-19 et les procédures d'essai
dans des pays ayant une régulation des déplacements

00:01:12.390 --> 00:01:13.390
strictes.

00:01:13.390 --> 00:01:20.389
Plus précisément, j'ai vu deux projets RAPID
qui analysaient les schémas de mobilité

00:01:20.389 --> 00:01:26.049
: l'un consistait en une enquête auprès
de personnes âgées sur leurs lieux et activités

00:01:26.049 --> 00:01:32.409
quotidiens, et l'autre avait adopté une approche
à plus grande échelle (Big Data), qui consistait

00:01:32.409 --> 00:01:35.549
à trouver des foyers dans des populations
isolées et un ensemble de données de localisation

00:01:35.549 --> 00:01:36.550
en temps réel.

00:01:36.550 --> 00:01:38.799
À partir de là, j'ai décidé d'examiner

00:01:38.799 --> 00:01:41.619
deux sources de données essentielles que
j'allais utiliser pour mes recherches.

00:01:41.619 --> 00:01:44.360
La plus importante était SafeGraph, un ensemble
de données spatio-temporelles sur les visites

00:01:44.360 --> 00:01:45.360
à l'échelle nationale.

00:01:45.360 --> 00:01:48.829
Rien que dans le Minnesota, elle contient
plus de 350 dispositifs individuels anonymes,

00:01:48.829 --> 00:01:51.650
principalement des téléphones portables,
et ces derniers couvrent presque 90,000 lieux

00:01:51.650 --> 00:01:52.650
d’intérêt.

00:01:52.650 --> 00:01:56.600
Ces visites se répartissent entre 264 catégories
d'entreprises différentes, et il y a plus

00:01:56.600 --> 00:01:59.299
de 6 millions de points d'intérêt aux États-Unis.

00:01:59.299 --> 00:02:04.090
Les données vont jusqu’à l’échelle
des îlots de recensement,et dans le cadre

00:02:04.090 --> 00:02:08.710
de mon analyse, j’ai utilisé les schémas
hebdomadaires qui sont des visites de POI

00:02:08.710 --> 00:02:13.780
par semaine et par durée, ainsi que les lieux
principaux, qui contiennent plus d'informations

00:02:13.780 --> 00:02:17.710
sur le POI, telles que le code NAICS, ainsi
que d'autres facteurs.

00:02:17.710 --> 00:02:21.530
Je me suis aussi intéressé aux rapports
du Ministère de la santé du Minnesota et

00:02:21.530 --> 00:02:25.209
ils avaient une liste de bars et de restaurants
liés au cas de COVID-19 par mois.

00:02:25.209 --> 00:02:31.140
Pour être cité dans ce rapport, un bar ou
un restaurant devait être un foyer de contagion.

00:02:31.140 --> 00:02:37.160
Ce qui est défini par le recensement de sept
cas non apparentés provenant de sept ménages

00:02:37.160 --> 00:02:41.680
différents, chaque cas étant une personne
qui n’a fréquenté qu’un restaurant ou

00:02:41.680 --> 00:02:42.980
bar pendant ce mois.

00:02:42.980 --> 00:02:49.670
A partir de là, j’ai décidé que le meilleur
moyen de mener mon expérience est de mieux

00:02:49.670 --> 00:02:54.080
comprendre les origines des foyers de contagion
de la COVID-19 et des lieux de rencontre.

00:02:54.080 --> 00:02:58.250
J'ai élaboré des brouillons qui montrent
des séries chronologiques de visites de longue

00:02:58.250 --> 00:03:01.790
durée dans des bars et des restaurants et
qui, pour le contexte, se présentent comme

00:03:01.790 --> 00:03:02.790
suit.

00:03:02.790 --> 00:03:05.640
Il s'agit de périodes différentes de la
pandémie, puisque le Minnesota a connu deux

00:03:05.640 --> 00:03:07.310
fermetures suivies de deux ouvertures consécutives.

00:03:07.310 --> 00:03:12.790
Il y a aussi une période intermédiaire pendant
laquelle tous les types de bars et de restaurants

00:03:12.790 --> 00:03:14.780
étaient ouverts ainsi que les emplacements
réguliers.

00:03:14.780 --> 00:03:21.750
Pour ce faire, j'ai comparé les lieux d'apparition
des foyers et les autres lieux pour deux cas

00:03:21.750 --> 00:03:26.409
pendant les réouvertures et pour les périodes
normales entre mars et octobre, où il n'y

00:03:26.409 --> 00:03:28.040
avait pas beaucoup de restrictions des déplacements.

00:03:28.040 --> 00:03:33.210
J'ai examiné différentes durées, à savoir
de 21 à 60 minutes, de 61 à 240 minutes

00:03:33.210 --> 00:03:34.360
et plus de 240 minutes.

00:03:34.360 --> 00:03:39.040
Sur la droite, une carte montre les foyers
de contagion et les autres lieux que j'ai

00:03:39.040 --> 00:03:40.410
examinés, soit environ 75 lieux.

00:03:40.410 --> 00:03:42.410
Mon premier résultat concerne la réouverture
de juin et juillet.

00:03:42.410 --> 00:03:47.050
J’ai comparé 15 bars et restaurants cités
dans le rapport à la suite de nombreux cas

00:03:47.050 --> 00:03:49.230
de COVID-19 et 15 non-cités.

00:03:49.230 --> 00:03:55.599
Plus précisément, j'ai essayé de maintenir
des variables fixes entre les deux groupes,

00:03:55.599 --> 00:03:58.140
c'est-à-dire en établissant des paires correspondantes.

00:03:58.140 --> 00:04:05.390
Chacun de ces sites avait donc un nombre similaire
de visites avant la pandémie de COVID-19

00:04:05.390 --> 00:04:08.520
et se trouvait également dans une zone similaire.

00:04:08.520 --> 00:04:14.670
Par conséquent, si on considère que ces
deux lieux se trouvent dans une ville, il

00:04:14.670 --> 00:04:18.400
s'agit de quelques pâtés de maisons, mais
s'ils se trouvent dans une zone plus rurale

00:04:18.400 --> 00:04:22.930
ou suburbaine, il s'agit de quelques kilomètres
entre le lieu du foyer et le lieu de la non-apparition

00:04:22.930 --> 00:04:25.410
du foyer qui ont été sélectionnés.

00:04:25.410 --> 00:04:29.830
Dans ce cas, je m’intéresse seulement au
nombre de visites dont la durée dépasse

00:04:29.830 --> 00:04:33.490
20 minutes, car ces dernières ont tendance
à être plus risquées.

00:04:33.490 --> 00:04:37.690
Il pourrait s’agir de quelqu’un qui est
entré dans un restaurant ou un bar et qui

00:04:37.690 --> 00:04:44.500
a retiré son masque pour manger ou boire,
à la place, par exemple, de la visite d’un

00:04:44.500 --> 00:04:49.690
livreur qui portait un masque et qui a juste
déposé quelque chose à l’extérieur,

00:04:49.690 --> 00:04:56.420
ce qui a peu de chance de se convertir en
cas de COVID-19 au vu de l’exposition très

00:04:56.420 --> 00:04:57.420
faible.

00:04:57.420 --> 00:05:01.550
On peut constater que dans les foyers à la
réouverture pendant la première semaine

00:05:01.550 --> 00:05:08.030
de juin il y a une forte augmentation du nombre
de visites de longue durée.

00:05:08.030 --> 00:05:18.910
Les lieux comptant de nombreux cas sont ceux
qui ont retrouvé leur niveau de fréquentation

00:05:18.910 --> 00:05:23.900
pré-COVID (presque 100%) alors que ceux où
le nombre de cas est resté faible ont des

00:05:23.900 --> 00:05:26.860
taux de fréquentation qui plafonnent à 50%
de leur fréquentation d’avant la pandémie.

00:05:26.860 --> 00:05:33.009
Ces 15 bars dans des restaurants en juin étaient
liés à 783 sites COVID-19 en juin 2020.

00:05:33.009 --> 00:05:36.229
Je me suis aussi intéressé au pic d’août.

00:05:36.229 --> 00:05:41.480
Comme les bars et les restaurants étaient
ouverts depuis quelques mois, j'ai examiné

00:05:41.480 --> 00:05:50.259
spécifiquement les bars et les restaurants
où de nombreux cas avaient été recensés.

00:05:50.259 --> 00:05:55.820
Ces visites sont de quatre durées différentes
et on peut constater qu'il y a un pic au cours

00:05:55.820 --> 00:06:04.360
du mois de l'épidémie, c'est-à-dire un
pic de visites de longue durée au cours du

00:06:04.360 --> 00:06:07.540
même mois où une épidémie s'est déclarée
dans ces restaurants.

00:06:07.540 --> 00:06:09.770
On observe un résultat similaire pour le

00:06:09.770 --> 00:06:13.660
mois d’octobre pendant lequel ces 15 bars
et restaurants ont eu des épidémies de COVID,

00:06:13.660 --> 00:06:18.780
et on constate une augmentation durable des
visites de longue durée suivie d’une diminution

00:06:18.780 --> 00:06:19.780
conséquente.

00:06:19.780 --> 00:06:23.610
Par la suite, les bars et les restaurants
ont été fermés, ainsi que quelques autres

00:06:23.610 --> 00:06:30.160
lieux tels que les salles de sport, en raison
d'une augmentation significative des cas de

00:06:30.160 --> 00:06:31.770
COVID-19 dans le Minnesota.

00:06:31.770 --> 00:06:35.289
Ensuite, après la levée des restrictions

00:06:35.289 --> 00:06:39.490
et l'autorisation donnée aux bars et restaurants
de servir des repas à l'intérieur qui a

00:06:39.490 --> 00:06:45.410
eu lieu en janvier et février, on peut constater
que le nombre de visites était similaire

00:06:45.410 --> 00:06:48.330
avant la fermeture, mais après la réouverture,
on peut voir qu'il y a une différence notable

00:06:48.330 --> 00:06:52.340
entre les lieux touchés par l'épidémie
et ceux qui n'y sont pas touchés.

00:06:52.340 --> 00:06:56.300
En fin de compte, j'ai pris en compte les

00:06:56.300 --> 00:07:04.479
exemples positifs et négatifs en comparant
les lieux où une épidémie s'est déclarée

00:07:04.479 --> 00:07:10.610
et les lieux où il n'y a pas eu d'épidémie,
tout en conservant autant de variables que

00:07:10.610 --> 00:07:16.000
possible, à savoir la proximité, un nombre
similaire de visites avant l'épidémie et

00:07:16.000 --> 00:07:19.770
une catégorie d'activité similaire, qu'il
s'agisse de bars ou de restaurants.

00:07:19.770 --> 00:07:28.930
J'ai veillé à ce que ces résultats ne soient
pas spécifiques à un bar ou à un restaurant,

00:07:28.930 --> 00:07:33.770
c'est-à-dire que j'ai utilisé plusieurs
groupes de 10 lieux ou plus, afin de montrer

00:07:33.770 --> 00:07:40.250
que ces tendances ne sont pas seulement des
effets de bord, mais plutôt une tendance

00:07:40.250 --> 00:07:42.840
de l'ensemble de la catégorie d'entreprises.

00:07:42.840 --> 00:07:47.479
Ainsi, l’étude des visites de longue durée
permet de comprendre pourquoi les épidémies

00:07:47.479 --> 00:07:50.310
surviennent dans certains lieux et pas dans
d'autres.

00:07:50.310 --> 00:07:56.660
Dans le cadre de travaux futurs, j'étudie
les modèles de visites de longue durée parmi

00:07:56.660 --> 00:07:59.599
les groupes ethniques et socio-économiques
défavorisés en utilisant des données économiques

00:07:59.599 --> 00:08:00.860
telles que celles du recensement américain.

00:08:00.860 --> 00:08:03.629
J'analyse également la corrélation entre
les visites de longue durée et l'atmosphère

00:08:03.629 --> 00:08:08.349
intérieure des lieux en termes de ventilation,
de distance entre les visiteurs à l'intérieur

00:08:08.349 --> 00:08:11.800
du lieu, de densité et de promiscuité, car
cela pourrait mettre en lumière d'autres

00:08:11.800 --> 00:08:13.400
facteurs associés aux visites de longue durée.

00:08:13.400 --> 00:08:16.400
L'accès à d'autres données COVID-19 pour
d'autres catégories d'entreprises que les

00:08:16.400 --> 00:08:20.460
bars et les restaurants peut renforcer le
lien entre les visites de longue durée et

00:08:20.460 --> 00:08:22.819
les épidémies dans les établissements commerciaux
de manière plus générale.

00:08:22.819 --> 00:08:24.460
Je vous remercie de votre attention.