Ce projet vise à modéliser et analyser la dynamique de transmission du variant Delta du SARS-CoV-2 en Israël. Il permet de simuler des scénarios épidémiologiques, d'estimer les profils d'infectivité et de comprendre les mécanismes de propagation au sein des ménages. Les outils développés aident à évaluer l'impact des mesures sanitaires et à prédire l'évolution de l'épidémie.

Outil dédié à la modélisation et à l'analyse de scénarios épidémiologiques pour évaluer l'impact de maladies infectieuses. Permet aux chercheurs et décideurs de simuler des situations de crise sanitaire, d'optimiser les stratégies de réponse et d'anticiper les besoins en ressources médicales. Facilite la prise de décision basée sur des données probantes pour protéger les populations.

Le projet Force_of_Infection_Lidiski est une application dédiée à la modélisation et l'analyse de la dynamique des maladies infectieuses. Il permet de simuler la propagation de maladies dans différents scénarios épidémiologiques, en prenant en compte les données réelles de terrain. Cet outil vise à aider les décideurs dans la gestion des épidémies et la mise en place de stratégies de contrôle des maladies infectieuses.

Outil conçu pour tester et comparer différentes estimations de population mondiale dans le cadre de modèles épidémiologiques. Il génère des fichiers de données et de paramètres adaptables à SatScan (modèle de Poisson) pour évaluer la sensibilité des résultats. Utilisé lors d'une école de recherche, il permet de simuler des scénarios de santé publique et d'analyser leur robustesse en fonction des données disponibles.

Ce projet fournit des outils pour l'analyse et la prévision de l'épidémie de COVID-19 en Guyane. Il permet d'estimer des paramètres épidémiologiques tels que le taux de reproduction de base (R0) et le taux d'hospitalisation, en utilisant des données sur les admissions à l'hôpital et en soins intensifs. Le projet fournit également des projections de l'évolution de l'épidémie en fonction de différents scénarios.

Ce projet vise à analyser les données épidémiologiques de la première vague de Covid-19 à Wallis et Futuna et à estimer les taux d'hospitalisation en fonction de l'âge et de la présence de comorbidités. Il permet également de modéliser l'impact de différents scénarios sur l'évolution de l'épidémie.