Dans son programme de maîtrise, Jingrui Mu étudie depuis mars 2020 les données sur la maladie pour mieux en comprendre la propagation. Encadrée par son directeur, le professeur Mayer Alvo, elle s’est servie de modèles bayésiens spatiotemporels et du krigeage par point pour analyser les taux d’infection en Ontario. Les modèles utilisés tiennent compte des effets spatiaux et temporels sur la propagation du virus dans la province. Ils seraient utiles pour évaluer les décisions gouvernementales visant entre autres à limiter les rassemblements. Ils pourraient aussi servir à déterminer l’importance des variables auxiliaires.
Pour arriver à faire des prédictions sur la propagation du SRAS-CoV-2, Jingru Mu a dû adapter la méthode de krigeage, initialement employée en géostatistique pour prédire la valeur d’un lieu géographique pour les sciences minières, géologiques, environnementales et du sol à partir d’un ensemble donné de mesures. Le problème de cette méthode, c’est qu’elle ne tient pas compte de la variation spatiale de la taille des populations. Pour le régler, l’étudiante a utilisé une variation de la méthode nommée « krigeage de Poisson », qui lui a permis d’intégrer la taille et la forme des unités administratives ainsi que la densité de leur population pour obtenir les taux d’infection ou de mortalité et créer des cartes du risque isoplèthes. Elle a appliqué son système aux taux d’infection et de mortalité bimensuels corrigés selon l’âge de différents bureaux de santé publique. Cette approche novatrice montre la façon dont le virus se propage avec le temps et aide à estimer le risque à l’échelle locale, et ainsi à détecter les zones à risque faible et élevé.
Comme prochaine étape, Jingrui Mu prévoit comparer une carte découlant du krigeage ordinaire à une carte produite selon son système de Poisson par point pour trouver la méthode produisant la plus juste prédiction du risque local. Le Rapport sur la mobilité de la communauté (COVID-19) publié par Google contient des données utiles pour explorer la possibilité d’un lien entre la mobilité dans la province et l’évolution du nombre total de cas au Canada à l’aide de modèles bayésiens spatiotemporels. L’étudiante a créé un tableau de bord en ligne pour présenter ces cartes du risque dans l’espoir qu’elles amélioreront notre compréhension de la propagation du virus. Pour ses projets à plus long terme, Jingrui a récemment été acceptée dans un programme de doctorat à l'Université McGill, où elle commencera à l'automne 2022.
Jingrui Mu est reconnaissante au professeur Alvo de son encadrement, qu’elle estime déterminant pour sa réussite. Elle recommande à celles et ceux se préparant à faire des études supérieures de ne jamais abandonner une idée de projet sans en avoir discuté avec la personne qui les dirige.
