Vers une Plateforme Multilingues pour La Réduction et la Prédiction des perdus de vue dans le suivi des PVVIH dans les zones transfrontalières entre la Gambie, le Sénégal et la Guinée Bissau

Le VIH SIDA est l’un des plus grands défis de santé publique de ces trente dernières années. Les difficultés d’observance du traitement avec les problèmes liés à la disponibilité des antirétroviraux (ARV) constituent les principaux obstacles de la lutte contre le VIH en Afrique de l’ouest.

Dans les zones frontalières, ces difficultés d’observance du traitement sont accentuées entre autres par la forte mobilité de la population. Ainsi, pour éradiquer cette maladie, le système de traitement du VIH doit intégrer ce facteur de mobilité des populations dans les zones frontières.

C’est dans le sens d’apporter des solutions à ces problèmes que, dans le cadre de la deuxième phase de ce projet FEVE, Enda santé en collaboration avec notre équipe de recherche et développement à mise en place une plateforme multilingues de références, de contre références et d’auto références des patients pour une gestion concertée du VIH dans les zones transfrontalières entre la Gambie, le Sénégal et la Guinée Bissau. Elle vise ainsi à renforcer la coopération transfrontalière pour un meilleur suivi des PVVIH en dématérialisant la fiche synthétique pour la faire partager aux médecins chargés du suivi. Ainsi la plateforme a résolu les problèmes de feedback, d’auto référence, de sécurité de la fiche, de détorsion de l’information. Elle dispose aussi d’alertes rouges et bleus pour signaler respectivement les références, contre références et auto références reçues et les références, contre références et auto références envoyées. Elle dispose d’une base de données sur le suivi du PVVIH dans les zones transfrontalières entre la Gambie, le Sénégal et la Guinée Bissau.

La plateforme va réduire le nombre de perdus de vue de A%. Ce nombre correspond au pourcentage de patients qui sont considérés comme perdus de vue, alors qu’ils sont suivis par des médecins dans la zone de FEVE. Ainsi, les pourcentages des perdus de vue sans la plateforme (A, B, C et D) seront implicitement, avec l’utilisation de la plateforme, redistribués dans X, Y et Z.

L’objectif général de cette thèse est de réduire encore plus le pourcentage de perdus de vue. Pour cela, on se donne trois objectifs spécifiques, que sont :

1. Réaliser un système de gestion de perdus de vue en plusieurs phases :
   • Phase 1 : Détection de perdus de vue
   • Phase 2 : Recherche de perdus de vue
   • Phase 3 : Alimentation de la base des cas de perdus de vue, contenant les données sur les cas de perdus de vue et leurs causes.
2. Proposer d’une méthode basée sur le Data mining et le Linked data pour mieux exploiter les données de la base des cas de perdus de vue et déterminer de façon plus précise les valeurs X, Y et Z.
3. Prédire les risques de perdus de vue et d’autres risques sur les patients liés au VIH, avec des méthodes de Machine Learning comme le Deep Learning, en utilisant la base des cas de perdus de vue. Pour ainsi :
   • Phase 1 : apprendre (ou entrainer) à la machine sur les causes de perdus de vue des malades du VIH pour prédire les malades qui risquent d’être perdus de vue ;
   • Phase 2 : apprendre à la machine le traitement du VIH et les comportements des malades aux traitements pour prédire des situations (tuberculose, paludisme, …) qui risquent de toucher les malades.