Occupational Risk Profiles for Infectious Disease Transmission in the Philippines: A Data-Driven Clustering Analysis

Cette étude utilise un regroupement basé sur les données d'indicateurs spécifiques aux emplois pour identifier des profils de risque professionnels distincts liés à la transmission de maladies infectieuses aux Philippines, révélant une gradient socioéconomique où les rôles à faible revenu sont confrontés à des risques d'exposition plus élevés et offrant un cadre pour des interventions de santé publique ciblées.

L'essentiel

Imaginez les Philippines comme une immense ville animée où chacun occupe un emploi différent. Certains travaillent dans des bureaux calmes et climatisés avec leurs propres espaces privés, tandis que d'autres œuvrent dans des marchés bondés, des hôpitaux actifs ou sur des chantiers de construction bruyants.

Ce document est comparable à une histoire de détective qui tente de déterminer quels emplois sont les plus dangereux en matière de contraction de maladies infectieuses (comme la grippe ou la tuberculose). Au lieu de simplement deviner ou de regrouper les métiers par grandes catégories (comme « santé » ou « services »), les auteurs ont utilisé un ordinateur pour examiner les détails réels de 986 emplois différents et les classer en groupes naturels basés sur deux éléments principaux :

1. Le niveau d'exposition : Le nombre de personnes que vous rencontrez, la durée pendant laquelle vous vous tenez à proximité d'elles, et l'entassement de votre lieu de travail.
2. Le montant de vos revenus : Cela sert d'indice pour évaluer votre capacité à vous protéger (comme acheter de bons masques, prendre un congé de maladie ou travailler à domicile).

L'expérience du « Tri Intelligent »

Les chercheurs ont testé cinq méthodes différentes pour classer ces emplois, un peu comme essayer différentes recettes pour réussir un gâteau parfait. Ils ont utilisé des méthodes appelées K-means, clustering hiérarchique, et d'autres.

• Les gagnants : Deux méthodes ont fonctionné le mieux. L'une (K-means) a classé les emplois en 4 grands groupes, tandis que l'autre (hiérarchique) les a répartis en 6 groupes plus détaillés.
• Les perdants : Certaines méthodes se sont montrées confuses ou ont créé des groupes qui n'avaient pas beaucoup de sens, si bien que les chercheurs ont décidé de se concentrer sur les deux gagnants.

Les quatre groupes principaux (La « vue d'ensemble »)

En utilisant la meilleure méthode, les chercheurs ont identifié quatre « quartiers » d'emplois distincts :

1. Les « Combattants de première ligne » (Risque élevé, Rémunération plus faible) :

   • Qui : Médecins, infirmières, policiers, enseignants et travailleurs de la petite enfance.
   • La situation : Ces personnes sont constamment en train d'embrasser, de parler à ou d'aider des inconnus. Elles sont les premières à tomber malades car elles ne peuvent pas facilement éviter les foules.
   • Le problème : Elles ont souvent des revenus plus faibles, ce qui signifie qu'elles n'ont peut-être pas l'argent ni la flexibilité professionnelle pour rester à la maison si elles se sentent malades ou pour acheter la meilleure protection.

2. Les « Professionnels de bureau » (Risque moyen, Rémunération plus élevée) :

   • Qui : Ingénieurs, scientifiques, gestionnaires et spécialistes de l'informatique.
   • La situation : Ils interagissent avec des gens, mais généralement dans des environnements contrôlés comme des bureaux ou des laboratoires. Ils présentent un certain risque, mais celui-ci est gérable.
   • L'avantage : Ils disposent de revenus plus élevés et d'une meilleure sécurité de l'emploi, ce qui leur permet de s'offrir un meilleur équipement de sécurité ou de travailler à domicile si nécessaire.

3. Le « Mélange » (Risque variable, Rémunération plus faible) :

   • Qui : Ouvriers du bâtiment, chauffeurs, personnel de vente au détail et travailleurs des services.
   • La situation : Il s'agit d'un groupe immense et désordonné. Certains jours, ils sont en sécurité ; d'autres jours, ils se trouvent dans des endroits très bondés. Leur risque varie considérablement selon la tâche spécifique.
   • Le problème : Comme les combattants de première ligne, ils ont souvent des revenus plus faibles, ce qui rend difficile le contrôle de leur environnement.

4. Les « VIP » (Risque faible, Rémunération élevée) :

   • Qui : PDG, juges, officiers militaires de haut rang et pilotes de ligne.
   • La situation : Ces emplois sont généralement exercés dans des espaces très contrôlés, privés ou réglementés. Ils doivent rarement se tenir dans une file d'attente bondée ou toucher des inconnus.
   • L'avantage : Ils disposent des plus grandes ressources et du plus grand contrôle sur leur sécurité.

Le « Zoom » sur les six groupes

Lorsque les chercheurs ont utilisé la méthode plus détaillée (la version à six groupes), ils ont découvert des divisions encore plus intéressantes. Par exemple, ils ont réalisé que bien que tous les « médecins » soient à haut risque, le type de médecin compte. Certains experts médicaux de haut niveau se trouvent dans un groupe avec une rémunération très élevée mais toujours un risque élevé, tandis que le personnel de soutien se trouve dans un groupe avec une rémunération plus faible et un risque élevé. Cela a montré que l'argent ne garantit pas toujours la sécurité, mais il aide à mieux gérer le risque.

La grande conclusion

La leçon principale de ce document est que le risque n'est pas réparti équitablement.

• L'injustice : Les personnes les plus susceptibles de contracter une maladie sont souvent celles qui ont le moins d'argent et le moins de pouvoir pour changer leur situation.
• La solution : Les auteurs affirment que nous ne devrions pas traiter « tous les travailleurs » de la même manière. Au lieu de cela, nous devons examiner ces groupes spécifiques. Si nous savons exactement quels emplois sont les « Combattants de première ligne », nous pouvons leur offrir la plus grande protection, les meilleurs masques et le plus de soutien, plutôt que d'essayer de tout régler avec une règle unique pour tous.

En bref, ce document utilise les mathématiques pour dessiner une carte du lieu de travail, nous montrant exactement où se trouvent les « zones dangereuses » et qui y vit, afin que nous puissions aider les bonnes personnes en premier.

Résumé technique

Résumé technique : Profils de risques professionnels liés à la transmission de maladies infectieuses aux Philippines

Énoncé du problème
La transmission de maladies infectieuses dans les milieux de travail est entraînée par des activités professionnelles spécifiques qui déterminent les schémas de contact, la durée d'exposition et les conditions environnementales. Bien que la littérature existante reconnaisse que les professions impliquant un contact soutenu et prolongé ainsi que des conditions de foule présentent des risques accrus, les évaluations actuelles aux Philippines reposent souvent sur des classifications larges par secteur ou sur des approches qualitatives descriptives. Ces méthodes échouent à capturer la variation granulaire du risque à travers des rôles professionnels spécifiques et négligent largement l'interaction entre les dynamiques d'exposition et la vulnérabilité socioéconomique. Par conséquent, il manque de cadres quantitatifs et fondés sur les données pour caractériser le risque de transmission de maladies infectieuses à travers la main-d'œuvre philippine afin d'éclairer des interventions de santé publique ciblées.

Méthodologie
Cette étude emploie une approche d'apprentissage automatique non supervisé pour profiler le risque professionnel en utilisant un ensemble de données de 986 professions aux Philippines. L'analyse intègre deux variables principales :

1. Score de risque de propagation des maladies infectieuses : Dérivé du « Calculateur de risque professionnel » (basé sur le cadre de Dy et Rabajante, 2020), ce score quantifie l'exposition en fonction de quatre déterminants : le taux de rencontre (interactions par heure), la durée du poste de travail, la densité de foule et le niveau de protection (EPI, hygiène, contrôles techniques). Le score est calculé comme suit :
   $$Score\ de\ Risque = \frac{Points\ de\ Rencontre + Points\ de\ Durée\ du\ Poste}{2} \times Densité\ de\ Foule \times (1 - Niveau\ de\ Protection)$$
2. Revenu mensuel moyen : Utilisé comme indicateur de la vulnérabilité socioéconomique et de la capacité à adopter des mesures d'atténuation des risques.

L'étude applique et compare cinq algorithmes de clustering non supervisé pour regrouper les professions selon ces deux dimensions :

• Clustering K-means (basé sur la partition)
• Clustering hiérarchique (agglomératif, utilisant la liaison de Ward)
• Clustering spectral (basé sur les graphes)
• Modèles de mélanges gaussiens (GMM) (basé sur le modèle)
• DBSCAN (basé sur la densité)

La validité et la robustesse des clusters sont évaluées à l'aide de métriques internes : le score de Silhouette, l'indice Davies–Bouldin (DB) et l'indice Calinski–Harabasz (CH). L'étude privilégie les méthodes qui démontrent des regroupements stables, interprétables et bien séparés.

Principaux résultats
L'analyse révèle que le risque professionnel n'est pas uniformément distribué mais suit une gradient distinct lié au positionnement socioéconomique.

• Performance méthodologique : Le K-means ($k=4$) et le clustering hiérarchique ($k=6$) ont produit les structures les plus stables et interprétables, comme en témoignent des scores de Silhouette et CH plus élevés et des indices DB plus faibles. Le clustering spectral, les GMM et le DBSCAN ont produit des regroupements moins cohérents ou étaient excessivement sensibles au choix des paramètres.
• Clustering K-means ($k=4$) : A identifié quatre profils distincts :
  • Cluster 1 : Risque élevé, revenu faible à modéré. Dominé par les soins de santé (médecins, infirmières), la réponse aux urgences, les soins aux personnes et les rôles de service à fort contact (enseignants, transport).
  • Cluster 2 : Risque modéré, revenu plus élevé. Composé de rôles professionnels, techniques et de gestion (ingénieurs, scientifiques, spécialistes de l'informatique) dans des environnements structurés.
  • Cluster 3 : Risque variable, revenu faible à modéré. Un mélange hétérogène de métiers qualifiés, de logistique et de rôles de service.
  • Cluster 4 : Risque faible, revenu élevé. Direction senior, rôles exécutifs et spécialisés (juges, pilotes) opérant dans des environnements contrôlés.
• Clustering hiérarchique ($k=6$) : A fourni une segmentation plus granulaire, distinguant davantage au sein des catégories à risque élevé et à risque modéré. Notamment, il a séparé les rôles de direction exécutive de haut niveau (risque faible, revenu élevé) des rôles professionnels/techniques (risque modéré, revenu plus élevé) et a identifié un cluster spécifique « cœur à haute exposition » (Cluster 6) dominé par le personnel clinique et d'urgence avec un large spectre de revenus, distinct des groupes à risque élevé plus larges orientés vers les services.

Contributions clés

• Stratification fondée sur les données : L'étude va au-delà des classifications sectorielles larges pour fournir un cadre de stratification des risques au niveau des emplois, spécifique au contexte philippin.
• Intégration des facteurs socioéconomiques : Elle démontre explicitement comment le risque d'exposition aux maladies infectieuses corréle avec les niveaux de revenu, soulignant que les rôles à haut risque sont souvent concentrés parmi les travailleurs ayant une capacité économique plus faible pour atténuer les risques.
• Comparaison méthodologique : Elle évalue l'efficacité de plusieurs algorithmes de clustering pour les données de santé au travail, établissant que les méthodes basées sur la partition et hiérarchiques sont supérieures pour cette structure d'ensemble de données spécifique.

Signification et affirmations
Les auteurs affirment que cette étude fournit un cadre pratique pour des interventions ciblées sur le lieu de travail et une allocation équitable des ressources de santé publique. En identifiant des regroupements latents qui capturent des caractéristiques d'exposition partagées et un contexte socioéconomique, les résultats soutiennent :

1. Surveillance informée par le risque : Prioriser les professions à haut risque (par exemple, les soins de santé, les services d'urgence et les services à fort contact) pour la surveillance et la distribution des ressources.
2. Planification des politiques : S'éloigner des politiques sectorielles uniformes (« one-size-fits-all ») vers des stratégies spécifiques à l'occupation qui abordent à la fois les risques d'exposition et les vulnérabilités structurelles.
3. Équité : Souligner l'inégalité structurelle où les travailleurs à haute exposition manquent souvent des ressources économiques pour l'atténuation des risques, suggérant la nécessité d'une compensation des risques et de normes de sécurité renforcées.

L'article conclut que, bien que les scores de risque soient basés sur une modélisation généralisée et des données transversales, l'intégration de l'apprentissage automatique avec les principes de santé publique offre une approche robuste et fondée sur des preuves pour relever les défis complexes de la santé au travail aux Philippines.