Sciences de la vie et de la Terre · Première · Variations Génétiques, Santé et Environnement · 2e Trimestre

Épidémiologie et Big Data

Outils statistiques pour comprendre la propagation des maladies et l'analyse de grandes bases de données en santé.

• Programmes Officiels
• EDNAT.SVT.507
• EDNAT.SVT.508

À propos de ce thème

L'épidémiologie et le Big Data offrent aux élèves de première un cadre pour analyser la propagation des maladies et l'utilisation des grandes bases de données en santé publique. Ils apprennent à modéliser une épidémie avec le modèle SIR, qui distingue les susceptibles, les infectieux et les rétablis, et à prédire sa trajectoire via des courbes épidémiques. L'interprétation du risque relatif permet d'évaluer l'impact des facteurs de risque, comme les variations génétiques ou environnementales.

Ce thème s'inscrit dans l'unité Variations Génétiques, Santé et Environnement et répond aux attentes des programmes EDNAT.SVT.507 et 508. Les élèves manipulent des outils statistiques pour explorer les bases de données génétiques et médicales, développant un esprit critique face aux corrélations et aux prédictions en santé publique. Cela renforce leurs compétences en modélisation mathématique et en analyse de données massives.

L'apprentissage actif convient parfaitement à ce sujet, car les simulations interactives et les analyses de données réelles rendent les concepts statistiques concrets. Les élèves testent des scénarios épidémiques en groupe, ajustent des paramètres et visualisent des résultats, favorisant une compréhension profonde et une mémorisation durable.

Questions clés

1. Comment modéliser une épidémie et prédire sa trajectoire ?
2. Quel est le rôle des bases de données génétiques et médicales (Big Data) en santé publique ?
3. Comment interpréter un risque relatif et l'utiliser dans l'évaluation des facteurs de risque ?

Objectifs d'apprentissage

• Analyser la dynamique d'une épidémie en utilisant le modèle SIR et interpréter les courbes épidémiques correspondantes.
• Calculer et interpréter le risque relatif à partir de données observées pour évaluer l'association entre un facteur de risque et une maladie.
• Évaluer l'importance des bases de données de santé (Big Data) dans la surveillance épidémiologique et la recherche médicale.
• Comparer les stratégies de modélisation d'une épidémie en fonction de la nature de l'agent pathogène et de la population étudiée.
• Synthétiser les informations issues de différentes sources de données (statistiques, génétiques, médicales) pour proposer des pistes de prévention.

Avant de commencer

Statistiques descriptives : moyennes, médianes, fréquences

Pourquoi : Les élèves doivent maîtriser les bases du calcul et de l'interprétation des statistiques pour comprendre les données épidémiologiques et le risque relatif.

Notions de probabilités

Pourquoi : La compréhension des probabilités est essentielle pour appréhender le concept de risque et la modélisation de phénomènes aléatoires comme la propagation d'une maladie.

Introduction à la génétique : mutations et hérédité

Pourquoi : Une compréhension de base de la variation génétique permet d'aborder l'étude des facteurs de risque génétiques dans les maladies.

Vocabulaire clé

Modèle SIR	Un modèle mathématique simple qui classe une population en trois catégories : Susceptibles (S), Infectieux (I), et Rétablis (R), pour simuler la propagation d'une maladie.
Courbe épidémique	Représentation graphique de l'évolution du nombre de nouveaux cas d'une maladie au fil du temps, permettant de visualiser la dynamique d'une épidémie.
Risque relatif (RR)	Le rapport entre la probabilité de développer une maladie chez les personnes exposées à un facteur de risque et la probabilité chez les personnes non exposées.
Big Data en santé	Ensemble de données massives et complexes issues de sources variées (dossiers médicaux, génomique, objets connectés) utilisées pour améliorer la compréhension, la prévention et le traitement des maladies.
Facteur de risque	Un élément ou une condition qui augmente la probabilité qu'une personne développe une maladie ou une blessure.

Attention à ces idées reçues

Idée reçue courante

Le Big Data donne toujours des prédictions précises et infaillibles.

Ce qu'il faut enseigner à la place

Les grandes bases de données contiennent des biais et des erreurs ; les élèves les repèrent via des analyses actives de données simulées. Les discussions en groupe aident à distinguer corrélation et causalité, renforçant l'esprit critique.

Idée reçue courante

Le risque relatif mesure le risque absolu d'une maladie.

Ce qu'il faut enseigner à la place

Le risque relatif compare des risques entre groupes, pas le risque brut. Des calculs pratiques en binômes clarifient cette distinction, et les visualisations graphiques en classe montrent pourquoi il guide mieux les décisions de santé publique.

Idée reçue courante

Une épidémie suit toujours la même courbe, indépendamment des facteurs.

Ce qu'il faut enseigner à la place

Les trajectoires varient avec R0, vaccination ou mobilité. Les simulations interactives permettent aux élèves de tester ces variables, observant les changements en temps réel et corrigeant leurs modèles mentaux.

Idées d'apprentissage actif

Jeu de simulation: Modèle SIR avec dés

Distribuez des dés et des fiches aux groupes pour simuler une population : susceptibles (vert), infectieux (jaune), rétablis (bleu). Lancez les dés pour modéliser les transmissions et les guérisons sur 10 tours, tracez la courbe épidémique sur un graphique partagé. Discutez des effets de la vaccination en modifiant les règles.

45 min·Petits groupes

Analyse: Calcul du risque relatif

Fournissez des tableaux de données sur un facteur de risque, comme le tabagisme et le cancer. En binômes, calculez le risque relatif avec la formule et interprétez-le. Comparez avec un risque absolu et présentez les résultats à la classe.

30 min·Binômes

Exploration en Plein Air: Big Data en santé

Utilisez un jeu de données simulées (ex. : base génétique fictive). Les groupes interrogent les données avec des tableurs simples, identifient des tendances épidémiques et proposent des prédictions. Partagez via un mur collaboratif numérique.

50 min·Petits groupes

Débat formel: Prédiction d'épidémie

En classe entière, projetez une courbe SIR réelle (ex. : COVID). Les élèves votent sur des interventions (confinement, vaccins) et simulent les impacts avec un tableur partagé, justifiant leurs choix avec des données.

35 min·Classe entière

Liens avec le monde réel

• Les épidémiologistes de Santé publique France utilisent des modèles comme le SIR et analysent des bases de données pour suivre la propagation de maladies infectieuses comme la grippe ou la COVID-19, afin de conseiller les autorités sur les mesures de confinement ou de vaccination.
• Les chercheurs en génétique médicale analysent des bases de données génomiques et cliniques pour identifier des facteurs de risque génétiques associés à des maladies complexes comme certains cancers ou maladies cardiovasculaires, permettant de développer des diagnostics précoces et des thérapies ciblées.
• Les compagnies d'assurance santé utilisent des statistiques et des analyses de risque relatif pour évaluer les primes en fonction de facteurs comme l'âge, le mode de vie ou les antécédents médicaux, tout en respectant la confidentialité des données.

Idées d'évaluation

Vérification rapide

Présentez aux élèves un graphique simple de courbe épidémique (nombre de cas par jour). Demandez-leur d'identifier le pic épidémique, la phase de déclin, et d'estimer la durée approximative de l'épidémie en se basant sur le graphique.

Question de discussion

Posez la question : 'Comment le risque relatif peut-il être utilisé pour décider si un facteur environnemental (ex: exposition à un pesticide) est réellement lié à une augmentation de cancer dans une population ?' Attendez des élèves qu'ils expliquent le calcul et l'interprétation du RR, ainsi que les limites de cette mesure.

Billet de sortie

Demandez aux élèves de nommer une application concrète du Big Data en santé publique et d'expliquer en une phrase pourquoi cette application est importante pour la santé de la population.

Questions fréquentes

Comment modéliser une épidémie en SVT Première ?

Utilisez le modèle SIR pour représenter susceptibles, infectieux et rétablis. Les élèves simulent avec des objets concrets ou logiciels simples, tracent les courbes et ajustent les paramètres comme le taux de transmission. Cela illustre les questions clés des programmes EDNAT.SVT.507 et 508, reliant modélisation à la prédiction réelle.

Quel est le rôle du Big Data en santé publique ?

Les bases de données génétiques et médicales permettent d'analyser des millions de cas pour identifier facteurs de risque et prédire épidémies. En SVT, les élèves explorent des extraits pour interpréter tendances, comme les variants viraux, et évaluent leur fiabilité face aux biais.

Comment interpréter un risque relatif ?

Le risque relatif mesure combien un facteur augmente le risque d'une maladie par rapport à un groupe de référence (RR = risque exposé / risque non exposé). Un RR > 1 indique un risque accru. Les élèves l'appliquent à des cas concrets pour prioriser interventions en santé publique.

Comment l'apprentissage actif aide-t-il en épidémiologie ?

Les simulations SIR et analyses de données en groupe rendent les stats abstraites tangibles : élèves testent scénarios, visualisent courbes et débattent prédictions. Cela dépasse la théorie passive, développant compétences en modélisation et critique des données, essentielles pour la santé publique.