Information and communication technologies are not value-neutral. I examine two domains, public health surveillance and sustainability, in five papers covering: (i) the design and development of a software package for computer-assisted outbreak detection; (ii) a workflow for using simulation models to provide policy advice and a list of challenges for its practice; (iii) an analysis of design documents from three smart home projects presenting intersecting visions of sustainability; (iv) an analysis of EU-financed projects dealing with sustainability and ICT; (v) an analysis of the consequences of design choices when creating surveillance technologies. My contributions include three empirical studies of surveillance discourses where I identify the forms of action that are privileged and the values that are embedded into them. In these discourses, the presence of ICT entails increased surveillance, privileging technological expertise, and prioritising centralised forms of knowledge. / <p>At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 4: Manuscript. Paper 5: Manuscript.</p>

The COVID-19 pandemic has heightened the need for fine-scale analysis of the clustering of cases of infectious disease in order to better understand and prevent the localized spread of infection. The students living on the University of Massachusetts, Amherst campus provided a unique opportunity to do so, due to frequent mandatory testing during the 2020-2021 academic year, and dense living conditions. The South-West dormitory area is of particular interest due to its extremely high population density, housing around half of students living on campus during normal conditions. Using data gathered by the Public Health Promotion Center (PHPC), we analyzed the clustering of SARS-CoV 2 cases in three-dimensional space as well as time within and between the three tallest occupied buildings in the Southwest dormitory area, John Quincy Adams, Kennedy, and Coolidge. We used the SaTScan program and its Space-Time Permutation Model, which searches for areas with a greater than expected number of cases. Analysis was done at various levels of spacial detail. Additionally, this analysis was compared to the purely temporal surveillance method, CDC’s Early Aberration Reporting System (EARS). Analysis with SaTScan at the room and floor level showed multiple significant clusters within the Coolidge dormitory building. Floor-level analysis was found to be as sensitive as and less burdensome than room-level analysis. We recommend using scan statistics in conjunction with other methods such as purely temporal scans and wastewater analysis to detect and respond to outbreaks on campus.

We examine some of the methodologies implemented by the Centers for Disease Control and Prevention's (CDC) BioSense program. The program uses data from hospitals and public health departments to detect outbreaks using the Early Aberration Reporting System (EARS). The EARS method W2 allows one to monitor syndrome counts (W2count) from each source and the proportion of counts of a particular syndrome relative to the total number of visits (W2rate). We investigate the performance of the W2r method designed using an empiric recurrence interval (RI) in this dissertation research. An adaptive threshold monitoring method is introduced based on fitting sample data to the underlying distributions, then converting the current value to a Z-score through a p-value. We compare the upper thresholds on the Z-scores required to obtain given values of the recurrence interval for different sets of parameter values. We then simulate one-week outbreaks in our data and calculate the proportion of times these methods correctly signal an outbreak using Shewhart and exponentially weighted moving average (EWMA) charts. Our results indicate the adaptive threshold method gives more consistent statistical performance across different parameter sets and amounts of baseline historical data used for computing the statistics. For the power analysis, the EWMA chart is superior to its Shewhart counterpart in nearly all cases, and the adaptive threshold method tends to outperform the W2 rate method. Two modified W2r methods proposed in the dissertation also tend to outperform the W2r method in terms of the RI threshold functions and in the power analysis. / Ph. D.

Yes / Background: Tracking recent transmission is a vital part of controlling widespread pathogens such as Mycobacterium tuberculosis. Multiple methods with specific performance characteristics exist for detecting recent transmission chains, usually by clustering strains based on genotype similarities. With such a large variety of methods available, informed selection of an appropriate approach for determining transmissions within a given setting/time period is difficult. Methods: This study combines whole genome sequence (WGS) data derived from 324 isolates collected 2005–2010 in Kinshasa, Democratic Republic of Congo (DRC), a high endemic setting, with phylodynamics to unveil the timing of transmission events posited by a variety of standard genotyping methods. Clustering data based on Spoligotyping, 24-loci MIRU-VNTR typing, WGS based SNP (Single Nucleotide Polymorphism) and core genome multi locus sequence typing (cgMLST) typing were evaluated. Findings: Our results suggest that clusters based on Spoligotyping could encompass transmission events that occurred almost 200 years prior to sampling while 24-loci-MIRU-VNTR often represented three decades of transmission. Instead, WGS based genotyping applying low SNP or cgMLST allele thresholds allows for determination of recent transmission events, e.g. in timespans of up to 10 years for a 5 SNP/allele cut-off. Interpretation: With the rapid uptake of WGS methods in surveillance and outbreak tracking, the findings obtained in this study can guide the selection of appropriate clustering methods for uncovering relevant transmission chains within a given time-period. For high resolution cluster analyses, WGS-SNP and cgMLST based analyses have similar clustering/timing characteristics even for data obtained from a high incidence setting. / ERC grant [INTERRUPTB; no. 311725] to BdJ, FG and CJM; an ERC grant to TS [PhyPD; no. 335529]; an FWO PhD fellowship to PM [grant number 1141217N]; the Leibniz Science Campus EvolLUNG for MM and SN; the German Centre for Infection Research (DZIF) for TAK, MM, CU, PB and SN; a SNF SystemsX grant (TBX) to JP and TS and a Marie Heim-Vögtlin fellowship granted to DK by the Swiss National Science Foundation. The computational resources and services used in this work were provided by the VSC (Flemish Supercomputer Center), funded by the Research Foundation - Flanders (FWO) and the Flemish Government – department EWI.

La surveillance épidémiologique est le recueil systématique et continu d’informations sur l’état de santé des populations, leur analyse, leur interprétation et leur diffusion à tous les décideurs ayant besoin d’être informés. Un de ses objectifs est la détection des événements inhabituels, i.e. des épidémies, nécessitant la mise en place rapide de contre-mesures. Les objectifs de ce travail de thèse sont : (i) d’évaluer les principales méthodes statistiques de détection publiées et communément employées dans différents systèmes de surveillance épidémiologique, (ii) de proposer une nouvelle approche reposant sur la combinaison optimale de méthodes de détection statistique des épidémies et (iii) de développer une nouvelle méthode statistique d’analyse étiologique d’une épidémie à partir des données de surveillance épidémiologique collectées en routine par le système.Pour atteindre ces objectifs, nous évaluons les principales méthodes statistiques de la littérature, à partir d’un jeu publié de données simulées. Puis nous proposons une approche originale pour la détection des épidémies sur le principe de la combinaison de méthodes sélectionnées lors de l’étape précédente. Les performances de cette approche sont comparées aux précédentes selon la méthodologie utiliséeà la première étape. Enfin, nous proposons une méthode d’analyse étiologique d’une épidémie à partir des données de surveillance en employant des modèles statistiques adaptés aux séries chronologiques. / Public health surveillance is the ongoing, systematic collection, analysis, interpretation, and dissemination of data for use in public health action to reduce morbidity and mortality of health-related events and to improve health. One of its objectives is the detection of unusualevents, i.e. outbreaks, requiring the rapid implementation of countermeasures.The objectives of this work are: (i) to evaluate the main published statistical methods for outbreak detection commonly implemented in different public health surveillance systems, (ii) to propose a new approach based on the optimal combination of statistical methods foroutbreak detection and benchmark it to other methods; and (iii) develop a new statistical method for the etiological analysis of an outbreak from public health surveillance data routinely collected by the system. To achieve these objectives, as a first step, we evaluate the main statistical methods, from a published set of simulated public health surveillance data. Statistical methods have been evaluated for an operational purpose: for all simulated time series, we used the tuning parameters recommended by their authors for each algorithm when available. We propose sensitivity and specificity metrics suitable for these tools. Then we propose an original approach for outbreak detection based on combination of methods selected in the previous step. The performance of this approach is compared to the previous ones according to the methodology implemented in the first step.Finally, we propose a method for the etiological analysis of an outbreak from surveillance data by using statistical models suitable for time series analysis

Le suivi des ventes de médicaments en pharmacies est un outil de surveillance qui s’est développé au début des années 2000 pour la surveillance des maladies infectieuses et la détection d’épidémies. Ces données présentent en effet de nombreux avantages pour la surveillance de par le volume important, l’exhaustivité et la rapidité d’obtention des données collectées de façon automatique. L’objectif de cette thèse était de déterminer l’intérêt du suivi des ventes de médicaments pour la surveillance et la prévention des maladies infectieuses en France. Les données de ventes analysées dans cette thèse sont issues d’un échantillon de 3004 pharmacies en France Métropolitaine, développé par la société Celtipharm. Trois axes de recherche ont été développés dans cette thèse : Nous avons tout d’abord réalisé une revue systématique de la littérature sur la surveillance des maladies infectieuses à partir des ventes de médicaments. Vingt-sept articles ont été analysés et les résultats montrent que le suivi des ventes de médicaments est un outil valide pour la surveillance et la détection de la gastro-entérite et de la grippe. De plus, les médicaments achetés sans ordonnance ont le potentiel d’émettre une alerte plus précoce que les systèmes de surveillance traditionnels. Des études pourraient être développées pour la surveillance d’autres maladies infectieuses. Notre deuxième étude avait pour objectif d’évaluer l’intérêt du suivi des ventes de médicaments pour la détection des épidémies saisonnière de gastro-entérites en France. Les ventes de médicaments indiqués en cas de gastro-entérite ont été comparées au nombre de cas vus en consultation entre 2008 et 2013. La méthode de Serfling a été utilisée pour détecter les périodes épidémiques. Les cinq épidémies saisonnières ont pu être détectées à partir des ventes de médicaments, sans fausse alerte. De plus, les médicaments non-prescrits ont permis une détection précoce des épidémies, en moyenne 2,25 semaines plus tôt que les données de référence. La troisième étude a porté sur l’estimation de la couverture vaccinale (CV) contre la grippe et le rotavirus à partir des ventes de vaccins en pharmacies. Nous avons pu estimer la couverture vaccinale grippe chez l’ensemble de la population, et avons développé une méthode pour estimer en temps-réel la CV dans la population cible des plus de 65 ans. Il n’existe actuellement pas d’estimation de la CV rotavirus en France car le vaccin n’est pas remboursé, et nos analyses ont permis d’apporter une information sur cette couverture depuis 2008. Les études développées dans cette thèse ont permis de démontrer que le suivi des ventes de médicaments était un outil valide et utile pour la surveillance des maladies infectieuses. Ses intérêts principaux résident dans la rapidité d’obtention des données qui offre la possibilité de déclencher rapidement une alerte et l’obtention de données de ventes de médicaments non-remboursés qui permettent d’avoir des informations sur des pathologies légères ou les premiers symptômes de maladies. / Drug sales data analysis is a tool that has been developed in the early 2000s for infectious diseases surveillance and outbreak detection. These data present indeed many advantages for disease surveillance: the large volume and the completeness of the data, the rapidity to obtain the data automatically collected from pharmacies. The objective of this thesis was to determine the value of drug sales analysis for infectious disease surveillance in France. Sales data analyzed in this thesis were collected from a sample of 3,004 pharmacies in Metropolitan France, set up by the company Celtipharm. Three research axes have been developed in this thesis: We first did a systematic literature review on the surveillance of infectious diseases based on drug sales data. Twenty-seven articles have been analyzed and results showed that drug sales data analysis is a valid tool for the surveillance and outbreak detection of gastroenteritis and influenza. Besides, over-the-counter (OTC) drugs have the potential to detect outbreaks earlier than traditional surveillance data. Further studies could be developed for other infectious diseases. The second study focused on the detection of seasonal gastrointestinal disease outbreak in France based on drug sales data. Drug sales data have been compared to the number of cases reported by a network of GPs between 2008 and 2013. The Serfling method was used to detect epidemic periods in the times series. The five seasonal epidemic periods have been detected based on drug sales data, without false alert. Moreover, non-prescribed drugs allowed the detection of outbreaks on average 2.25 weeks earlier than reference data. The third study focused on the estimation of vaccination coverage (VC) against influenza and rotavirus using vaccine sales in pharmacies. We estimated the influenza vaccination coverage in the whole population and developed a method to estimate the VC in real time in the target population of the ≥ 65 years old. There is no estimation of rotavirus vaccination coverage in France as the vaccine is not reimbursed and we were able to estimate vaccination coverage since 2008 based on vaccine sales. The studies developed in this thesis showed that drug sales data analysis is a valid and useful tool for infectious disease surveillance. The main interests of this method are the rapidity to obtain the data that allows early outbreak detection and the collection of non-prescribed drugs that can reflect mild diseases or the first symptoms of a disease.

Le suivi des ventes de médicaments en pharmacies est un outil de surveillance qui s’est développé au début des années 2000 pour la surveillance des maladies infectieuses et la détection d’épidémies. Ces données présentent en effet de nombreux avantages pour la surveillance de par le volume important, l’exhaustivité et la rapidité d’obtention des données collectées de façon automatique. L’objectif de cette thèse était de déterminer l’intérêt du suivi des ventes de médicaments pour la surveillance et la prévention des maladies infectieuses en France. Les données de ventes analysées dans cette thèse sont issues d’un échantillon de 3004 pharmacies en France Métropolitaine, développé par la société Celtipharm. Trois axes de recherche ont été développés dans cette thèse : Nous avons tout d’abord réalisé une revue systématique de la littérature sur la surveillance des maladies infectieuses à partir des ventes de médicaments. Vingt-sept articles ont été analysés et les résultats montrent que le suivi des ventes de médicaments est un outil valide pour la surveillance et la détection de la gastro-entérite et de la grippe. De plus, les médicaments achetés sans ordonnance ont le potentiel d’émettre une alerte plus précoce que les systèmes de surveillance traditionnels. Des études pourraient être développées pour la surveillance d’autres maladies infectieuses. Notre deuxième étude avait pour objectif d’évaluer l’intérêt du suivi des ventes de médicaments pour la détection des épidémies saisonnière de gastro-entérites en France. Les ventes de médicaments indiqués en cas de gastro-entérite ont été comparées au nombre de cas vus en consultation entre 2008 et 2013. La méthode de Serfling a été utilisée pour détecter les périodes épidémiques. Les cinq épidémies saisonnières ont pu être détectées à partir des ventes de médicaments, sans fausse alerte. De plus, les médicaments non-prescrits ont permis une détection précoce des épidémies, en moyenne 2,25 semaines plus tôt que les données de référence. La troisième étude a porté sur l’estimation de la couverture vaccinale (CV) contre la grippe et le rotavirus à partir des ventes de vaccins en pharmacies. Nous avons pu estimer la couverture vaccinale grippe chez l’ensemble de la population, et avons développé une méthode pour estimer en temps-réel la CV dans la population cible des plus de 65 ans. Il n’existe actuellement pas d’estimation de la CV rotavirus en France car le vaccin n’est pas remboursé, et nos analyses ont permis d’apporter une information sur cette couverture depuis 2008. Les études développées dans cette thèse ont permis de démontrer que le suivi des ventes de médicaments était un outil valide et utile pour la surveillance des maladies infectieuses. Ses intérêts principaux résident dans la rapidité d’obtention des données qui offre la possibilité de déclencher rapidement une alerte et l’obtention de données de ventes de médicaments non-remboursés qui permettent d’avoir des informations sur des pathologies légères ou les premiers symptômes de maladies. / Drug sales data analysis is a tool that has been developed in the early 2000s for infectious diseases surveillance and outbreak detection. These data present indeed many advantages for disease surveillance: the large volume and the completeness of the data, the rapidity to obtain the data automatically collected from pharmacies. The objective of this thesis was to determine the value of drug sales analysis for infectious disease surveillance in France. Sales data analyzed in this thesis were collected from a sample of 3,004 pharmacies in Metropolitan France, set up by the company Celtipharm. Three research axes have been developed in this thesis: We first did a systematic literature review on the surveillance of infectious diseases based on drug sales data. Twenty-seven articles have been analyzed and results showed that drug sales data analysis is a valid tool for the surveillance and outbreak detection of gastroenteritis and influenza. Besides, over-the-counter (OTC) drugs have the potential to detect outbreaks earlier than traditional surveillance data. Further studies could be developed for other infectious diseases. The second study focused on the detection of seasonal gastrointestinal disease outbreak in France based on drug sales data. Drug sales data have been compared to the number of cases reported by a network of GPs between 2008 and 2013. The Serfling method was used to detect epidemic periods in the times series. The five seasonal epidemic periods have been detected based on drug sales data, without false alert. Moreover, non-prescribed drugs allowed the detection of outbreaks on average 2.25 weeks earlier than reference data. The third study focused on the estimation of vaccination coverage (VC) against influenza and rotavirus using vaccine sales in pharmacies. We estimated the influenza vaccination coverage in the whole population and developed a method to estimate the VC in real time in the target population of the ≥ 65 years old. There is no estimation of rotavirus vaccination coverage in France as the vaccine is not reimbursed and we were able to estimate vaccination coverage since 2008 based on vaccine sales. The studies developed in this thesis showed that drug sales data analysis is a valid and useful tool for infectious disease surveillance. The main interests of this method are the rapidity to obtain the data that allows early outbreak detection and the collection of non-prescribed drugs that can reflect mild diseases or the first symptoms of a disease.

Le suivi des ventes de médicaments en pharmacies est un outil de surveillance qui s’est développé au début des années 2000 pour la surveillance des maladies infectieuses et la détection d’épidémies. Ces données présentent en effet de nombreux avantages pour la surveillance de par le volume important, l’exhaustivité et la rapidité d’obtention des données collectées de façon automatique. L’objectif de cette thèse était de déterminer l’intérêt du suivi des ventes de médicaments pour la surveillance et la prévention des maladies infectieuses en France. Les données de ventes analysées dans cette thèse sont issues d’un échantillon de 3004 pharmacies en France Métropolitaine, développé par la société Celtipharm. Trois axes de recherche ont été développés dans cette thèse : Nous avons tout d’abord réalisé une revue systématique de la littérature sur la surveillance des maladies infectieuses à partir des ventes de médicaments. Vingt-sept articles ont été analysés et les résultats montrent que le suivi des ventes de médicaments est un outil valide pour la surveillance et la détection de la gastro-entérite et de la grippe. De plus, les médicaments achetés sans ordonnance ont le potentiel d’émettre une alerte plus précoce que les systèmes de surveillance traditionnels. Des études pourraient être développées pour la surveillance d’autres maladies infectieuses. Notre deuxième étude avait pour objectif d’évaluer l’intérêt du suivi des ventes de médicaments pour la détection des épidémies saisonnière de gastro-entérites en France. Les ventes de médicaments indiqués en cas de gastro-entérite ont été comparées au nombre de cas vus en consultation entre 2008 et 2013. La méthode de Serfling a été utilisée pour détecter les périodes épidémiques. Les cinq épidémies saisonnières ont pu être détectées à partir des ventes de médicaments, sans fausse alerte. De plus, les médicaments non-prescrits ont permis une détection précoce des épidémies, en moyenne 2,25 semaines plus tôt que les données de référence. La troisième étude a porté sur l’estimation de la couverture vaccinale (CV) contre la grippe et le rotavirus à partir des ventes de vaccins en pharmacies. Nous avons pu estimer la couverture vaccinale grippe chez l’ensemble de la population, et avons développé une méthode pour estimer en temps-réel la CV dans la population cible des plus de 65 ans. Il n’existe actuellement pas d’estimation de la CV rotavirus en France car le vaccin n’est pas remboursé, et nos analyses ont permis d’apporter une information sur cette couverture depuis 2008. Les études développées dans cette thèse ont permis de démontrer que le suivi des ventes de médicaments était un outil valide et utile pour la surveillance des maladies infectieuses. Ses intérêts principaux résident dans la rapidité d’obtention des données qui offre la possibilité de déclencher rapidement une alerte et l’obtention de données de ventes de médicaments non-remboursés qui permettent d’avoir des informations sur des pathologies légères ou les premiers symptômes de maladies. / Drug sales data analysis is a tool that has been developed in the early 2000s for infectious diseases surveillance and outbreak detection. These data present indeed many advantages for disease surveillance: the large volume and the completeness of the data, the rapidity to obtain the data automatically collected from pharmacies. The objective of this thesis was to determine the value of drug sales analysis for infectious disease surveillance in France. Sales data analyzed in this thesis were collected from a sample of 3,004 pharmacies in Metropolitan France, set up by the company Celtipharm. Three research axes have been developed in this thesis: We first did a systematic literature review on the surveillance of infectious diseases based on drug sales data. Twenty-seven articles have been analyzed and results showed that drug sales data analysis is a valid tool for the surveillance and outbreak detection of gastroenteritis and influenza. Besides, over-the-counter (OTC) drugs have the potential to detect outbreaks earlier than traditional surveillance data. Further studies could be developed for other infectious diseases. The second study focused on the detection of seasonal gastrointestinal disease outbreak in France based on drug sales data. Drug sales data have been compared to the number of cases reported by a network of GPs between 2008 and 2013. The Serfling method was used to detect epidemic periods in the times series. The five seasonal epidemic periods have been detected based on drug sales data, without false alert. Moreover, non-prescribed drugs allowed the detection of outbreaks on average 2.25 weeks earlier than reference data. The third study focused on the estimation of vaccination coverage (VC) against influenza and rotavirus using vaccine sales in pharmacies. We estimated the influenza vaccination coverage in the whole population and developed a method to estimate the VC in real time in the target population of the ≥ 65 years old. There is no estimation of rotavirus vaccination coverage in France as the vaccine is not reimbursed and we were able to estimate vaccination coverage since 2008 based on vaccine sales. The studies developed in this thesis showed that drug sales data analysis is a valid and useful tool for infectious disease surveillance. The main interests of this method are the rapidity to obtain the data that allows early outbreak detection and the collection of non-prescribed drugs that can reflect mild diseases or the first symptoms of a disease.

Recent advances in information and communication technologies have made the development and operation of complex disease surveillance systems technically feasible, and many systems have been proposed to interpret diverse data sources for health-related signals. Implementing these systems for daily use and efficiently interpreting their output, however, remains a technical challenge. This thesis presents a method for understanding disease surveillance systems structurally, examines four existing systems, and discusses the implications of developing such systems. The discussion is followed by two papers. The first paper describes the design of a national outbreak detection system for daily disease surveillance. It is currently in use at the Swedish Institute for Communicable Disease Control. The source code has been licenced under GNU v3 and is freely available. The second paper discusses methodological issues in computational epidemiology, and presents the lessons learned from a software development project in which a spatially explicit micro-meso-macro model for the entire Swedish population was built based on registry data. / QC 20110520