Soutien à la recherche et concours Lauréat.e.s du concours inter-réseaux (RRSPQ et RSRQ) de soutien à une initiative structurante : Améliorer la santé des populations à l’aide des banques d’échantillons et de données au Québec

RRSPQ

Félicitations à Delphine Bosson Rieutort (UdeM) et Simon Rousseau (McGill University), lauréat.e.s du concours inter-réseaux (RRSPQ et Réseau de recherche en santé respiratoire du Québec) de soutien à une initiative structurante (2023-2024) : Améliorer la santé des populations à l’aide des banques d’échantillons et de données au Québec. 

Titre du projet financé

Process mining, a business process analysis method applied to the study of the evolution of the post-COVID-19 condition within the Quebec Biobank of COVID-19

Auteur.trice.s

Delphine Bosson Rieutort (Université de Montréal) et Simon Rousseau (McGill University) 

Résumé

Parmi les retombées de la pandémie de COVID-19, se trouve le nombre croissant de personnes présentant des symptômes de longue durée, condition appelée « COVID longue » (COVID-L).

Bien qu'il ne soit pas surprenant que les patients gravement malades aient des symptômes résiduels plusieurs mois après leur maladie aiguë, il est inquiétant que ceux qui n'ont pas été hospitalisés présentent également des symptômes persistants. Les suivis à long terme démontrent qu’au Québec la plupart des personnes non gravement malades présentant des symptômes persistants à 3 mois auront toujours des symptômes à 12 et 18 mois. Par conséquent, la COVID-L menace de devenir un problème de santé publique important. Une façon potentielle d'atténuer l'impact de la COVID-L sur le système de santé est d'exploiter des données de suivis longitudinaux détaillés de personnes infectées pour mieux comprendre l’évolution de ces symptômes et optimiser les ressources.

Nous utiliserons les données de la Biobanque québécoise de la COVID-19 (BQC-19), ayant recruté plus de 6 000 participants entre avril 2020 et mars 2023. Nous modéliserons l’évolution des symptômes sous forme de « trajectoires », et étudierons la variation de ces trajectoires en fonction de divers paramètres tels que la sévérité de la maladie, les vagues, mais également en fonction de données cliniques et moléculaires telles que les endophénotypes (ensemble de caractéristiques moléculaires spécifique à un sous-groupe). Afin de modéliser les trajectoires, nous proposons d’utiliser le « process mining », méthode combinant à la fois des techniques de gestion des processus et de la science des données.

Le projet vise à fournir un portrait plus riche et détaillé des diverses trajectoires des personnes vivant avec des symptômes persistants afin d’optimiser l’attribution des ressources, l’adoption de stratégies thérapeutiques adaptées à la pathobiologie sous-jacente et en informer le réseau de clinique COVID-L en cours d’implantation au Québec.