Impact du climat dans la modélisation de l'évolution des cas de COVID-19 en Côte d'Ivoire

Afin de prévenir de futures pandémies ou épidémies, notre projet consistait à étudier l'évolution des cas de Covid-19 et l'impact du climat sur sa propagation. Nous avons utilisé des modèles d'apprentissage automatique pour analyser et mieux prédire la propagation de la COVID-19 en Côte d'Ivoire, en nous basant sur les cas de Covid-19 et les données climatiques du 11 mars 2020 au 28 janvier 2022 pour la ville d'Abidjan. Les données étant temporelles, nous avons utilisé des modèles d'analyse de séries temporelles tels que ARIMA, Facebook Prophet avec saisonnalité additive et multiplicative et le réseau neuronal récurrent LSTM. L'erreur quadratique moyenne (RMSE) a été utilisée pour étudier les performances des modèles. Dans un premier temps, l'étude des cas sans données climatiques a montré que le modèle Prophet Additif était le plus  performant (validation croisée RMSE : 141,04 ;  test RMSE : 181,11). Deuxièmement, l’étude avec les données a montré que le climat a un impact sur la propagation de la maladie avec le modèle LSTM (validation croisée RMSE : 2,94 ; test RMSE : 14,63) beaucoup plus performant. Par contre, nous avons noté des inconvénients dans 
l’utilisation des modèles Prophet et ARIMA au vu des écarts importants entre les scores de validation et de test. Cette étude montre également que le changement climatique peut avoir un impact sur la propagation d’un virus ou d’une maladie. En témoignent les températures froides pendant les périodes de vacances et de festivités, où les populations sont de plus en plus proches les uns des autres. Il est donc important que les autorités et la communauté médicale prennent en compte les facteurs climatiques dans la prise de décisions concernant les épidémies.