TDA Engine v2.1: A Computational Framework for Detecting Structural Voids in Spatially Censored Epidemiological Data with Temporal Classification and Causal Inference

⚕️

Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Each language version is independently generated for its own context, not a direct translation.

🕵️‍♂️ Le Détective des "Silences" : Comment trouver ce qui manque sur la carte

Imaginez que vous êtes un chef de cuisine responsable de nourrir une grande ville. Vous avez une carte avec des points rouges indiquant où se trouvent les restaurants. Si vous voyez une zone vide sur la carte, deux choses peuvent se passer :

C'est normal : Il n'y a personne qui habite là (c'est un désert ou une forêt).
C'est un problème : Il y a des gens, mais ils n'ont pas de restaurant, ou alors les restaurants existent mais ne vous disent pas qu'ils servent de la nourriture.

Dans le monde de la santé publique, c'est la même chose. Les cartes montrent où sont les hôpitaux. Mais parfois, une zone est "vide" de données. Est-ce qu'il n'y a vraiment personne ? Ou est-ce que le système de santé a un trou, et les gens ne sont pas comptés ?

C'est là qu'intervient TDA Engine v2.1, le nouvel outil créé par Grold Otieno Mboya.

🧭 L'Analogie du "Filet de Pêche"

Pour comprendre comment cet outil fonctionne, oubliez les mathématiques complexes. Imaginez que vous lancez un filet de pêche (une grille invisible) sur la carte des hôpitaux.

Le problème des anciennes méthodes :
Les anciennes méthodes (comme le "KDE") étaient comme un pinceau flou. Elles essayaient de lisser la carte. Si une zone était vide, elles disaient : "Eh bien, il y a juste un peu moins de monde ici". Elles ne voyaient pas le trou, elles le gommait.
La solution TDA Engine :
Cet outil est comme un détective très précis. Il ne regarde pas seulement où sont les hôpitaux, mais il mesure la distance entre eux.
- Si vous êtes au milieu d'une ville et que le plus proche hôpital est à 50 mètres, c'est normal.
- Si vous êtes au milieu d'une ville et que le plus proche hôpital est à 5 kilomètres, c'est un trou géométrique. C'est un "vide structurel".

L'outil utilise une règle mathématique intelligente (appelée Distance-to-Measure) pour dire : "Attends, ici, la distance est trop grande par rapport à la densité de la population. Il y a un problème."

🚀 Les 3 Super-Pouvoirs de la Version 2.1

La version précédente était déjà bien, mais la version 2.1 a ajouté trois nouvelles capacités pour ne plus se tromper :

1. Le Détecteur de "Régularité" (Le Calendrier) 📅

Parfois, un hôpital ferme pour une semaine (c'est un accident). Parfois, il ne fonctionne jamais (c'est un problème permanent).

L'outil regarde l'histoire : Il compare les données sur plusieurs mois.
L'analogie : C'est comme si vous surveilliez un ami. S'il ne vous appelle pas une fois, c'est peut-être qu'il est occupé (bruit aléatoire). S'il ne vous appelle jamais depuis un an, c'est qu'il a changé de numéro ou qu'il vous évite (silence structurel).
Résultat : L'outil classe le silence en trois catégories : Aléatoire (pas de panique), Intermittent (à surveiller), ou Structurel (il faut agir tout de suite).

2. Le Détective des Causes (Pourquoi ce trou ?) 🕵️‍♀️

Une fois le trou trouvé, l'outil essaie de deviner la cause, comme un médecin pose un diagnostic. Il utilise une "arbre de décision" :

Est-ce la frontière ? (Peut-être que les gens vont voir le médecin de l'autre pays).
Est-ce l'accès ? (La route est-elle coupée ou trop loin ?).
Est-ce l'infrastructure ? (Y a-t-il un bâtiment mais pas de médecin ?).
Est-ce le système ? (Le bâtiment est là, mais les données ne remontent pas au centre).
Inconnu : On ne sait pas, il faut aller voir sur place.

3. Le Jaugeur de Gravité (Combien de gens sont en danger ?) ⚖️

Tous les trous ne sont pas égaux. Un trou dans une zone où il y a 1000 personnes est plus grave qu'un trou dans une zone avec 10 personnes.

L'outil compare ce qu'il devrait voir (selon les normes de l'OMS) avec ce qu'il voit réellement.
Il donne un code couleur : Vert (ça va), Orange (attention), Rouge (urgence absolue).

🧪 Comment sait-on que ça marche ? (Le Test de Vérité)

Pour prouver que son outil est fiable, l'auteur a fait une expérience géniale :

Il a pris une vraie carte des hôpitaux au Kenya.
Il a simulé un problème : il a effacé numériquement 80% des hôpitaux dans une petite zone (comme si un tyran avait caché les données).
Il a lancé son outil.
Le résultat : L'outil a retrouvé le trou caché avec une précision de 82%, alors que les anciennes méthodes ne trouvaient que 45% du trou. C'est comme si un détective trouvait le voleur alors que les autres ne voyaient que l'ombre.

💡 En Résumé : Pourquoi c'est important ?

Avant, les décideurs regardaient une carte et voyaient des zones vides. Ils se demandaient : "Est-ce qu'il n'y a personne ? Ou est-ce qu'on ne nous dit pas la vérité ?"

Aujourd'hui, avec TDA Engine v2.1 :

On ne devine plus. On mesure la forme du silence.
On sait si c'est un accident passager ou un problème profond.
On sait pourquoi c'est un problème (route, frontière, système).
On sait où envoyer les équipes sur le terrain pour vérifier.

C'est un outil qui transforme le "silence" des données en un message clair pour sauver des vies. Comme le dit l'auteur : "Dans la géométrie du silence, tous les espaces vides ne sont pas importants. Notre travail est de mesurer leur forme avec précision pour que l'humain puisse intervenir là où c'est nécessaire."

Each language version is independently generated for its own context, not a direct translation.

1. Problématique

Dans la surveillance épidémiologique publique, l'absence de données (« le silence ») est souvent aussi significative que la présence de données. Cependant, les outils cartographiques traditionnels (comme l'estimation de densité par noyau - KDE, les diagrammes de Voronoi ou les statistiques de scan spatial) sont conçus pour visualiser la densité des données, pas leur absence.

Ces méthodes classiques souffrent de plusieurs limitations majeures :

Ambiguïté interprétative : Elles ne parviennent pas à distinguer mathématiquement entre une sparsité stochastique (une zone naturellement peu peuplée ou sans cas) et un vide structurel (une absence systémique de données due à des échecs de signalement, à la censure ou à un manque d'accès).
Effets de bord et lissage : Les méthodes de lissage (KDE) masquent les lacunes en les traitant comme des gradients de faible probabilité, tandis que les diagrammes de Voronoi créent des artefacts aux limites des zones d'étude.
Manque de rigueur topologique : Il n'existe pas de critère rigoureux pour identifier les « trous » à l'intérieur même des clusters de données.

L'objectif de cet article est de proposer un cadre mathématique capable de détecter, quantifier et classifier ces vides structurels pour orienter les ressources d'enquête sur le terrain.

2. Méthodologie : TDA Engine v2.1

L'auteur propose une approche basée sur l'Analyse Topologique des Données (TDA), spécifiquement l'utilisation de la fonction Distance-to-Measure (DTM), enrichie par trois modules méthodologiques nouveaux dans la version 2.1.

A. Détection Spatiale par DTM et Seuillage Adaptatif

Projection : Les coordonnées géographiques (WGS84) sont projetées en coordonnées métriques (UTM Zone 36S) pour des calculs de distance précis.
Fonction DTM : Au lieu de la distance minimale aux points voisins (sensible aux outliers), la méthode utilise la racine carrée de la moyenne quadratique des distances aux $k$ plus proches voisins ( $k = m_0 \cdot n$ ). Le paramètre $m_0 = 0,05$ (5 % de la masse de données) est choisi pour correspondre à un seuil de complétude de signalement de 95 %.
Seuillage Adaptatif (Algorithme Kneedle) : Pour éliminer le choix arbitraire de seuils (ex: 1,5 fois la médiane), l'algorithme Kneedle analyse la courbure de la distribution des valeurs DTM pour identifier automatiquement le « coude » (point d'inflexion) où la croissance de la distance s'accélère. Ce seuil détermine les zones de vide.
Validation Statistique : Un test de permutation Monte Carlo (N=999) sous l'hypothèse d'une randomisation spatiale complète (CSR) est utilisé pour calculer la valeur p et les intervalles de confiance, en utilisant la surface totale des vides détectés comme statistique de test.

B. Classification Temporelle (Nouvelle Fonctionnalité v2.1)

Pour distinguer un silence persistant (structurel) d'une fluctuation aléatoire (stochastique), le cadre combine deux méthodes sur les séries temporelles du ratio Observé/Attendu (O/E) :

Facteur de Fano : Mesure la dispersion de la série par rapport à une distribution de Poisson.
Modèle de Markov Caché (HMM) : Un modèle à deux états (« Silence » vs « Signalement ») utilisant l'algorithme de Baum-Welch pour l'estimation et Viterbi pour le décodage.

Résultat : Chaque unité administrative est classée comme STRUCTURELLE (silence persistant > 60 %), INTERMITTENTE ou STOCHASTIQUE. Des règles de bascule basées sur le coefficient de variation affinent cette classification.

C. Taxonomie Causale et Moteur de Complétude O/E

Moteur O/E : Un moteur calcule le ratio entre les cas observés et les cas attendus (basés sur les taux d'incidence de l'OMS pour 7 maladies : Paludisme, Choléra, Tuberculose, Rougeole, Décès maternels, Méningite, VIH). Cela permet un triage de la sévérité indépendant des effectifs bruts.
Classification Causale : Un arbre de décision attribue à chaque vide détecté l'une des cinq causes probables :
1. BORDER : Proximité d'une frontière internationale.
2. ACCESS : Inaccessibilité physique (faible densité routière).
3. INFRASTRUCTURE : Absence de structures de santé à proximité.
4. SYSTEM : Échec de la chaîne de données (les structures existent mais ne rapportent pas).
5. UNKNOWN : Silence géométrique sans signal covariable clair (nécessite une enquête terrain).

3. Résultats Principaux

L'outil a été validé sur des données publiques de santé du Kenya (région de Nyanza) et via des simulations de censure.

Précision Spatiale : Sur des simulations de suppression de données (80 % des points retirés dans une zone de 2,5 km), le TDA Engine a atteint un indice de Jaccard de 0,82 (IC 95 % : 0,74–0,89), surpassant largement la KDE (0,45) et les surfaces de risque relatif (0,38).
Localisation : L'erreur du centroïde (décalage entre le vide réel et détecté) est de 342 mètres (IQR : 187–512 m).
Stabilité Topologique : L'analyse de sensibilité a confirmé que le paramètre $m_0 = 0,05$ se situe dans une « plateforme stable » [0,03 ; 0,07], prouvant que les résultats ne sont pas dus à un réglage arbitraire.
Performance Temporelle : Le classificateur temporel a atteint une précision globale de 91 % pour distinguer les vides structurels des fluctuations stochastiques.
Performance Causale : La classification causale a atteint une précision de 78 % (kappa = 0,71) par rapport à une vérité terrain validée par des analystes.
Étude de Cas : Appliqué aux 623 établissements de santé de la région de Nyanza, l'outil a identifié 3 vides structurels significatifs (zones péri-urbaines denses sans accès aux soins) et 5 vides stochastiques (zones naturelles inhabitées comme le lac Victoria), confirmés par un test de permutation ( $p = 0,003$ ).

4. Contributions Clés

Changement de paradigme : Passage d'une inférence basée sur la densité à une inférence basée sur la géométrie topologique pour détecter l'absence de données.
Suppression des paramètres arbitraires : Utilisation de l'algorithme Kneedle pour dériver les seuils géométriquement.
Cadre de validation quantitatif : Introduction d'un protocole de simulation de censure avec vérité terrain pour mesurer la précision (Jaccard, erreur de centroïde, taux de récupération).
Classification Temporelle et Causale : Intégration de modèles HMM et d'arbres de décision pour transformer la détection de vides en informations actionnables (type de silence et cause probable).
Outil Open Source : Développement de l'application TDA Engine v2.1 (R/Shiny), intégrant un moteur de triage de sévérité basé sur les normes OMS pour sept maladies.

5. Signification et Limites

Signification :
Ce travail fournit aux responsables de santé publique un outil mathématiquement rigoureux pour distinguer les « vides naturels » des « vides suspects » (censure ou échec de signalement). En combinant la topologie, l'analyse temporelle et l'inférence causale, il permet de prioriser les enquêtes de terrain et d'allouer les ressources là où le risque d'omission de données est le plus élevé, sans se fier uniquement à l'intuition visuelle.

Limites et Avertissements :

Détection de l'anomalie, pas de la preuve : Le moteur détecte des anomalies géométriques cohérentes avec une suppression, mais ne prouve pas la suppression elle-même. Une validation contextuelle (densité de population, registres de santé) est indispensable.
Hypothèses géographiques : La méthode suppose une géométrie euclidienne 2D, ce qui peut être moins précis dans les régions montagneuses (nécessite des surfaces de coût de déplacement).
Exigence de données : Nécessite une densité de données suffisante (>30 points) et au moins deux périodes de rapport pour la classification temporelle.
Éthique : L'auteur souligne l'importance de l'éthique, de la souveraineté des données et de la nécessité de consulter les communautés avant d'entreprendre des investigations basées sur ces algorithmes, afin d'éviter tout usage malveillant ou stigmatisant.

En conclusion, le TDA Engine v2.1 transforme la cartographie épidémiologique d'un outil descriptif en un système d'aide à la décision opérationnel, capable de « mesurer la forme du silence » avec une précision mathématique.