Offre de doctorat 2020-2023

Offre de bourse de doctorat - Processus de Markov déterministes par morceaux (PDMP) spatio-temporels pour l'épidémiologie
 
Objectif : Développer un cadre et des outils probabilistes et statistiques permettant de modéliser, inférer et optimiser la surveillance et le contrôle potentiel de l’invasion d’un territoire par un organisme nuisible due à des introductions multiples (c’est-à-dire des introductions de l'organisme nuisible en des lieux et des temps différents).
 
Employeur : INRAE – www.inrae.fr  
Lieu : Avignon, région Provence-Alpes-Côte d'Azur
Début : Entre octobre et décembre 2020
Date limite de candidature : 20 juillet 2020
Durée : 3 ans
Unité de recherche : Biostatistique et Processus Spatiaux (BioSP) – www.biosp.org
Encadrement : Samuel Soubeyrand (INRAE, samuel.soubeyrand@inrae.frsamuel.biosp.org) et Rachid Senoussi (INRAE, rachid.senoussi@inrae.fr)
Partenariat : Chambre d'Agriculture des Alpes Maritimes
Financement : Département NUMM (prochainement MathNum) de INRAE (50%), Région PACA (50%)
Compétences : Assez délimitées par le thème lui-même, elles restent toutefois ouvertes en recouvrant certains des champs d’investigation suivants : statistique, probabilité des processus, biostatistique, mathématiques appliquées, programmation. Les choix ultimes et l’approfondissement des questions de recherche dans ce thème peuvent être réorientés en fonction du champ des connaissances du candidat retenu. Un intérêt pour les sciences naturelles, en particulier l'épidémiologie et l'écologie, serait souhaitable.
Salaire : 1770 euros  / mois (salaire brut) ; possibilité de réaliser des vacations en sus.
 
Pour candidater : Envoyer un CV ainsi qu'un message expliquant en quoi vos compétences, expériences et intérêts sont en adéquation avec la recherche proposée à samuel.soubeyrand@inrae.fr et rachid.senoussi@inrae.fr.
 
Description : 
Ce projet de thèse vise à développer un cadre et des outils probabilistes et statistiques permettant dans un premier temps de modéliser et inférer l’invasion d’un territoire par un organisme nuisible due à des introductions multiples et, dans un deuxième temps, de développer des méthodes permettant d’optimiser la surveillance, l’échantillonnage et le contrôle potentiel d'une telle invasion. 
     Les invasions d’organismes nuisibles pour les humains, les animaux, mais aussi pour les espèces végétales indigènes et les cultures agricoles, constituent un enjeu majeur du fait des possibles répercussions sanitaires, écologiques, environnementales et économiques. C’est en particulier le cas de Xylella fastidiosa, bactérie phytopathogène détectée in situ en France en 2015, et dont la dynamique d’invasion sera la composante illustrative et appliquée de la thèse. Pour ce type d'invasions, s’extraire de l’hypothèse de l’introduction unique et parvenir à inférer efficacement et simultanément les caractéristiques des processus spatio-temporels d’introduction et d'invasion sur la base de données de surveillance constituent un enjeu scientifique majeur. Au delà de l'exemple de Xylella fastidiosa, le cadre proposé d'introductions multiples pourrait être appliqué à l’étude de la dynamique de l'épidémie de COVID-19, en intégrant les actions de confinement pour son contrôle.
     Le cadre théorique de modélisation et d’estimation proposé sera fondé sur les processus de Markov déterministes par morceaux (PDMP). Un PDMP est un processus de Markov dont le comportement est en partie régi par des sauts aléatoires en des temps aléatoires. Dans le contexte appliqué de la thèse, les sauts aléatoires correspondent aux introductions de l'organisme nuisible et devront être distribués non seulement dans le temps mais aussi dans l'espace.
     La question centrale de recherche de la thèse est : Comment adapter le cadre méthodologique des PDMP pour estimer les principales caractéristiques d’un processus d’introductions multiples au cours d’une dynamique épidémique ? A cette question d’ordre méthodologique seront associées les questions d'ordre épidémiologique suivantes : Quelle connaissance du processus d’introductions peut-on extraire des données de surveillance de Xylella fastidiosa en Corse et Provence-Alpes-Côte d’Azur (et éventuellement des données de surveillance du COVID-19) ? Comment (quand, où et par quel moyen) surveiller et contrôler de manière efficace une dynamique épidémique caractérisée par ce type de processus d'introductions ?
 
Références :
- Abboud C., Bonnefon O., Parent E., Soubeyrand S. (2019). Dating and localizing an invasion from post-introduction data and a coupled reaction-diffusion-absorption model. Journal of Mathematical Biology 79: 765-789. doi:10.1007/s00285-019-01376-x
- Abboud C., Senoussi R., Soubeyrand S. (2018). Piecewise‐deterministic Markov Processes for Spatio‐temporal Population Dynamics. In Azais R., Bouguet F. (eds) Statistical Inference for Piecewise-deterministic Markov Processes. John Wiley & Sons, pp. 209-255. Preprint pdf filedoi:10.1002/9781119507338.ch7
- Girardin V., Senoussi R. (2019). Filling the gap between continuous and discrete time dynamics of autoregressive processes. Journal of Time Series Analysis. doi:10.1111/jtsa.12507
- Roques L., Klein E.K., Papaïx J., Sar A., Soubeyrand S. (2020). Impact of lockdown on the epidemic dynamics of COVID-19 in France. Frontiers in Medicine. Abstract
- Roques L., Klein E.K., Papaïx J., Sar A., Soubeyrand S. (2020). Using early data to estimate the actual infection fatality ratio from COVID-19 in France. MDPI Biology 9, 97. doi:10.3390/biology9050097