Organizing Committee
Comité d’organisation
Anne Cori (Imperial College London)
Sebastian Funk (London School of Hygiene and Tropical Medicine)
James McCaw (University of Melbourne)
Freya Shearer (University of Melbourne)
IMPORTANT WARNING: Scam / Phishing / SMiShing ! Note that ill-intentioned people may be trying to contact some of participants by email or phone to get money and personal details, by pretending to be part of the staff of our conference center (CIRM). CIRM and the organizers will NEVER contact you by phone on this issue and will NEVER ask you to pay for accommodation/ board / possible registration fee in advance. Any due payment will be taken onsite at CIRM during your stay.
The aim of the workshop is to bring together a group of experts in mathematical and statistical modelling of infectious diseases to discuss the role of data in outbreak response and develop recommendations for future epidemic surveillance systems. To inform the design of future sustainable and integrated surveillance systems, foundational research in the mathematical sciences is required to re-imagine and optimise the role of surveillance methods in epidemic response, in terms of both data collection and analysis.
The next couple of years represent a critical opportunity to evaluate, update, and advance methods in epidemic surveillance, building on both pre-pandemic surveillance practices and novel approaches adopted for pandemic response. COVID-19 epidemiology and government responses were highly heterogeneous globally and the mathematical modelling workforce dedicated to surveillance is small. In this workshop we are aiming to leverage diverse COVID-19 experiences globally and connect mathematical and statistical theory with the very practical issues of data collection and surveillance.
Historically, mathematical and statistical modellers have mostly been passive consumers of data, often not collected for the purpose of modelling or analytics. This workshop will enable modellers to play an active role in defining data needs with an emphasis on the statistical and modelling analyses into which these data would feed. Drawing on experiences from the COVID-19 pandemic, workshop participants will identify key data issues, develop practical suggestions/solutions for addressing data issues (both at the collection and statistical analysis stage), and determine priorities for improvements in data collection for future outbreaks.
The adoption of findings from the workshop by public health decision-makers would support more robust, timely, and impactful epidemic data analysis, enhancing decision-making. The networks established through the workshop will ensure that the world has geographically distributed, and supported, workforce capacity to respond to ongoing and future epidemic threats.
L’objectif de cet atelier est de réunir un groupe d’experts en modélisation mathématique et statistique des maladies infectieuses, afin de discuter du rôle des données dans la réponse aux épidémies et de formuler des recommandations pour les futurs systèmes de surveillance épidémiologique. La conception de systèmes de surveillance durables et intégrés nécessite des recherches fondamentales en mathématiques qui permettront de repenser et d’optimiser le rôle des méthodes de surveillance dans la réponse aux épidémies, tant en termes de collecte de données que d’analyse.
Les années à venir représentent une opportunité cruciale d’évaluer, de réviser et de faire progresser les méthodes de surveillance épidémiologique, en s’appuyant à la fois sur les pratiques historiques de surveillance et sur les nouvelles approches adoptées en réponse à la pandémie. L’épidémiologie de la COVID-19 ainsi que les réponses gouvernementales ont été très hétérogènes à travers le monde, et la main d’œuvre de modélisation mathématique dédiée à la surveillance est très limitée.
Cet atelier vise à tirer parti des expériences pandémiques internationales variées et à connecter la théorique mathématique et statistique aux problèmes très concrets de collecte de données et de surveillance épidémiologique.
Historiquement, les modélisateurs mathématiques et statistiques ont principalement été des consommateurs passifs de données, souvent collectées à d’autres fins que la modélisation ou l’analyse. Cet atelier permettra aux modélisateurs de jouer un rôle actif dans la définition des besoins en données, en mettant l’accent sur les analyses statistiques et de modélisation auxquelles ces données contribueraient. S’appuyant sur les expériences de la pandémie de COVID-19, les participants à l’atelier identifieront les enjeux-clés liés aux données; ils développeront des suggestions pratiques pour résoudre les problèmes concernant à la fois la collection et l’analyse statistique des données, et détermineront les priorités pour améliorer la collecte de données lors d’épidémies futures.
L’adoption par les décideurs en santé publique des recommandations établies lors de l’atelier permettra d’aboutir à des analyses de données épidémiques plus robustes, plus rapides, et plus pertinentes qui faciliteront la prise de décision. L’atelier permettra aussi de renforcer le réseau international de modélisateurs des épidémies et contribuera ainsi à un monde mieux préparé à répondre efficacement aux épidémies futures.
SPEAKERS
To be announced