- English / En anglais
- French / En français
Executive Summary
Haiti is experiencing a cholera epidemic. Our research on the 2010 cholera outbreak showed that mobility indicators derived from aggregated and anonymised Call Detail Records (CDRs) were predictive (with uncertainty) of the geographic spread of the epidemic. Here, we show mobility patterns relevant to the ongoing outbreak and replicate our analyses to identify areas potentially at increased risk of new outbreaks. In combination with other evidence, this can help identify areas to be prioritised for surveillance and interventions.
As is normal, most trips are short-distance. Travel from the Port-au-Prince metropolitan area, where there are high numbers of suspected cases, is concentrated in nearby communes in the Ouest department but longer trips are also observed (Map 1). Our modelling of the estimated flows of infectious persons (Map 2) also highlights communes in the Nippes, Artibonite and Sud departments as further areas at potentially increased risk of new outbreaks. We also show that geographic proximity to communes with confirmed cases alone may not equate to higher risk of new outbreaks.
The analyses have limitations and should be used in conjunction with other available evidence (see Data considerations). We welcome feedback from responders to help us improve future reports and any requests for specific analyses. As new areas acquire local transmission, the risks shown in this report will change and we aim to update the analyses.
Lire le rapport (PDF) (en français)
Résumé exécutif
Haïti connaît une nouvelle épidémie de choléra. Notre recherche1 sur l'épidémie de choléra en 2010 avait montré que les indicateurs de mobilité dérivés des métadonnées de téléphonie mobile (Call Detail Records, CDR, en anglais) agrégées et anonymisées étaient prédictifs (avec des incertitudes) de la propagation géographique de l'épidémie. Nous présentons ici des tendances de mobilité pertinentes pour l'épidémie en cours et nous reproduisons nos analyses afin d’identifier les zones potentiellement à risque accru de nouvelles épidémies. En combinaison avec d'autres données, cela peut aider à identifier les zones à prioriser pour la surveillance et les interventions.
Comme habituellement, la plupart des déplacements sont de courte distance. Les déplacements en provenance de la zone métropolitaine de Port-au-Prince, où le nombre de cas suspects est élevé, sont concentrés vers les communes voisines du département de l'Ouest, mais des déplacements plus longs sont également observés (Carte 1). Notre modélisation des flux estimés de personnes infectieuses (Carte 2) met également en évidence des communes des départements des Nippes, de l'Artibonite et du Sud comme autres zones à risque potentiellement accru de nouvelles épidémies. Nous montrons également que la proximité géographique des communes avec des cas confirmés n'est pas forcément synonyme de risque accru de nouvelles épidémies.
Les analyses présentées ont des limites et doivent être utilisées en conjonction avec d'autres données disponibles (voir Considérations sur les données). Vos commentaires seront les bienvenus; ils nous aideront à améliorer les futurs rapports et nous vous invitons également à nous informer de toute demande d'analyses spécifiques. Au fur et à mesure que de nouvelles zones acquièrent une transmission locale, les risques présentés dans ce rapport évolueront et nous nous efforcerons de mettre à jour les analyses.
About the report / Au sujet de ce rapport
- English / En anglais
- French / En français
Authors & contributors
This report was authored by the Flowminder Foundation. This report was authored by Thomas Smallwood, Linus Bengtsson and Veronique Lefebvre, with the contribution of Apphia Yuma, James Harrison, Robert Eyre and Sophie Delaporte.
Thomas Smallwood analysed, interpreted and wrote the report; Linus Bengtsson and Veronique Lefebvre directed the analysis and supported the interpretation of the report; Apphia Yuma directed the project and supported with writing and translation; James Harrison and Robert Eyre produced the aggregates and indicators derived from CDR data and supported the analysis; and Sophie Delaporte supported with writing, translation and data visualisation.
This study was made possible thanks to the anonymised and aggregated Call Detail Records (CDR data) provided by Digicel Haiti.
Auteurs et contributions
Ce rapport a été rédigé par la Fondation Flowminder, par Thomas Smallwood, Linus Bengtsson et Véronique Lefebvre, avec la contribution d'Apphia Yuma, James Harrison, Robert Eyre et Sophie Delaporte.
Thomas Smallwood a analysé, interprété et rédigé le rapport ; Linus Bengtsson et Véronique Lefebvre ont dirigé l'analyse et soutenu l'interprétation du rapport ; Apphia Yuma a dirigé le projet et apporté son soutien à la rédaction et à la traduction ; James Harrison et Robert Eyre ont produit les agrégats et les indicateurs dérivés des données CDRs et ont soutenu l'analyse ; et Sophie Delaporte a apporté son soutien à la rédaction, à la traduction et à la visualisation des données.
Cette étude a été rendue possible grâce aux données CDRs anonymes et agrégées fournies par Digicel Haïti.
- English / En anglais
- French / En français
Data
For billing purposes, mobile operators keep track of subscribers’ activity. These records are generated every time a subscriber makes or receives a call, sends or receives an SMS, or uses mobile data on their phone. They are called Call Detail Records (CDRs). CDRs contain information about the location of the cell tower that routes the call. These data can be analysed in near real time and provides insight into mobility patterns locally and across a country based on the location of those cell towers. For more information on CDR data, please visit our FlowGeek website here.
This report is based on the results of an analysis of CDR data provided by Digicel Haiti. CDRs are aggregated and anonymised within Digicel Haiti’s firewall using FlowKit, and then analysed by Flowminder.
The CDRs used in this report cover the period from 01 to 31 October 2021. The current situation in Haiti and the impact of the ongoing crisis on the cellular network and, potentially, mobile device usage across the country have affected the quality of the CDRs for September and October 2022. However, we conducted a series of analyses to compare pre-crisis mobility in Haiti, from 01 August to 11 September 2022, to mobility for the same period in 2021. These analyses show mobility is consistent between the two years. Between 11 September and 31 October 2022 there is likely a decrease in mobility, compared to the same period in 2021, but it is difficult to differentiate reductions in mobility from the loss of cells or reductions in mobile device usage. Our analyses may therefore overestimate overall mobility, and likely overestimate the prevalence of long distance travel (>30km) compared to short distance travel (<30km).
Cholera case data were obtained from reports published by the Ministry of Public Health and Population of Haiti (MSPP). The number of new cases of cholera in each commune was calculated by subtracting the number of suspected and confirmed cases published in the report for the 24 October 2022 from the numbers of cases reported on the 31 October report. These reports can be found here.
Données
À des fins de facturation, les opérateurs de téléphonie mobile gardent trace de l'activité des abonnés. Ces enregistrements sont générés chaque fois qu'un abonné passe ou reçoit un appel, envoie ou reçoit un SMS, ou utilise des données mobiles sur son téléphone. Ils sont appelés Call Detail Records (CDR) (métadonnées de téléphonie mobile). Les CDR contiennent des informations sur l'emplacement de la tour cellulaire qui achemine l'appel. Ces données peuvent être analysées en temps quasi réel et donnent un aperçu des schémas de mobilité au niveau local et national en fonction de l'emplacement de ces tours de téléphonie cellulaire. Pour plus d'informations sur les données CDR, veuillez consulter notre site Web FlowGeek ici (en anglais).
Ce rapport est basé sur les résultats d'une analyse des données CDR fournies par Digicel Haïti. Les CDR sont agrégés et anonymisés au sein du pare-feu de Digicel Haïti à l'aide de FlowKit, puis analysés par Flowminder.
Les CDRs utilisés dans ce rapport couvrent la période du 01 au 31 octobre 2021. La situation actuelle en Haïti et l'impact de la crise en cours sur le réseau cellulaire et, potentiellement, l'utilisation des appareils mobiles à travers le pays ont affecté la qualité des CDRs pour septembre et octobre 2022. Cependant, nous avons effectué une série d'analyses pour comparer la mobilité en Haïti avant la crise, du 01 août au 11 septembre 2022, à la mobilité pour la même période en 2021. Ces analyses montrent que la mobilité est cohérente entre les deux années. Entre le 11 septembre et le 31 octobre 2022, il y a probablement une diminution de la mobilité, par rapport à la même période en 2021, mais il est difficile de différencier les réductions de la mobilité de la perte de tours cellulaires ou des réductions de l'utilisation des appareils mobiles. Nos analyses peuvent donc surestimer la mobilité globale, et probablement surestimer la prévalence des déplacements longue distance (>30km) par rapport aux déplacements courte distance (<30km).
Les données sur les cas de choléra ont été obtenues à partir des rapports publiés par le ministère de la Santé publique et de la Population d'Haïti (MSPP). Le nombre de nouveaux cas de choléra dans chaque commune a été calculé en soustrayant le nombre de cas suspects et confirmés publiés dans le rapport du 24 octobre 2022 du nombre de cas rapportés dans le rapport du 31 octobre. Ces rapports peuvent être consultés ici.
- English / En anglais
- French / En français
Data considerations
The estimates shown are our best current assessment of movements, given the considerations described above regarding having to use last year's data. However there are a number of uncertainties, some of which may be addressed in later analyses. The numbers given should not be interpreted as the truth and should be interpreted with other available evidence, notably derived from field surveys and reports.
CDR data has a number of inherent limitations, particularly the resolution and representativeness of the data.
Geographic variations in network coverage and phone use activity impede spatial comparisons
The spatial resolution of the data is limited by the density of cell towers. This means that the resolution of the data varies between different areas, particularly urban areas with a very high density of towers and rural areas with a low density. As a result, relatively small changes in location observable in urban areas may not be observed in rural areas, which could be interpreted as lower mobility, meaning areas with different coverage are not directly comparable. Furthermore, no observation can be made outside of the network coverage, though under normal conditions coverage in Haiti is high.
The temporal resolution of CDR data is dependent on the frequency with which subscribers use their mobile devices. Changes in subscribers’ locations will therefore only be observed if the subscribers use their mobile device while in each location. Variation in mobile device usage can therefore also be interpreted as a change in mobility and needs to be adjusted for. How active subscribers are may also vary regionally, as a result mobility may appear larger in a given region only because subscribers are more active there.
Our data in this report reflect the mobility of Digicel subscribers - not the mobility of the population.
CDR datasets include a non-random sample of the population of interest. It is therefore important to assess biases in the representativity of the mobility of this sample compared to that of the population as a whole. In order to be included in a CDR dataset, an individual must therefore first own a mobile device and second subscribe to the mobile network operator(s) whose CDR data are being processed. Furthermore, a subscriber must use their mobile device often enough to generate sufficient calls for analysis.
As a result, there are several layers of filters affecting the sample of the population included in the dataset: mobile phone ownership, subscription to a participating mobile network operator, sufficient usage of the mobile device during the study period. For each of these filters, factors such as age, gender and socio-economic status may affect whether an individual is included in the dataset. Representativity of the sample may vary regionally, this means that a larger number of travelling subscribers in a specific region compared to another may not correspond to a larger number of travelling people, if the representativity of the mobility of subscribers varies between the two regions .
Variation in surveillance and reporting may affect the geographic distribution of reported cholera cases
There is also uncertainty in the case data provided by MSPP. No surveillance system is perfect and many infectious individuals are asymptomatic and not picked up by any reporting system. There may also be some variation in the surveillance, diagnosis and reporting of cholera cases between different areas which may result in cases being more likely to be reported in some areas than others.
While these analyses replicate our earlier research, which were predictive of (with a level of uncertainty) where new outbreaks occurred in the 2010 outbreak, responders should also consider that communes across the country differ in access to water and sanitation as well as to other risk factors, which will influence the risk of new outbreaks occurring.
Considérations sur les données
Les estimations présentées dans ce rapport constituent notre meilleure évaluation actuelle des mouvements, compte tenu des considérations décrites ci-dessus concernant l'utilisation des données de l'année dernière. Il existe cependant un certain nombre d'incertitudes, dont certaines pourront être traitées dans des analyses ultérieures. Les chiffres donnés ne doivent pas être interprétés comme la vérité pure et doivent être interprétés avec les autres preuves disponibles, notamment celles provenant des enquêtes sur le terrain et des rapports.
Les données CDR ont un certain nombre de limites inhérentes, en particulier la résolution et la représentativité des données.
Les variations géographiques de la couverture du réseau et les variations d’usage du téléphone empêchent les comparaisons spatiales et temporelles.
La résolution spatiale des données est limitée par la densité des tours de téléphonie mobile. Cela signifie que la résolution des données varie selon les zones, notamment les zones urbaines où la densité de tours est très élevée et les zones rurales où elle est faible. Par conséquent, des changements de localisation relativement faibles observables dans les zones urbaines peuvent ne pas être observés dans les zones rurales, ce qui pourrait être interprété comme une mobilité moindre, ce qui signifie que des zones ayant une couverture différente ne sont pas directement comparables. En outre, aucune observation ne peut être faite en dehors de la couverture du réseau, bien que dans des conditions normales, la couverture en Haïti soit élevée.
La résolution temporelle des données CDR dépend de la fréquence à laquelle les abonnés utilisent leurs appareils mobiles.
Les changements de localisation des abonnés ne pourront donc être observés que si les abonnés utilisent leur appareil mobile pendant qu'ils se trouvent à chaque endroit. La variation de l'utilisation des appareils mobiles peut donc aussi être interprétée comme un changement de mobilité et doit être prise en compte. Le degré d'activité des abonnés peut également varier d'une région à l'autre, de sorte que la mobilité peut sembler plus importante dans une région donnée uniquement parce que les abonnés y sont plus actifs.
Les données présentées dans ce rapport reflètent la mobilité des abonnés de Digicel, et non celle de la population entière.
Les ensembles de données CDRs comprennent un échantillon non aléatoire de la population concernée. Il est donc important d'évaluer les biais dans la représentativité de la mobilité de cet échantillon par rapport à celle de la population dans son ensemble. Pour être inclus dans un ensemble de données CDR, un individu doit donc d'abord posséder un appareil mobile et ensuite s'abonner à l'opérateur ou aux opérateurs de réseau mobile dont les données CDR sont traitées. En outre, un abonné doit utiliser son appareil mobile assez souvent pour générer suffisamment d'appels pour l'analyse.
Par conséquent, plusieurs couches de filtres affectent l'échantillon de la population incluse dans l'ensemble de données : possession d'un téléphone mobile, abonnement à un opérateur de téléphonie mobile participant, utilisation suffisante du portable pendant la période d'étude. Pour chacun de ces filtres, des facteurs tels que l'âge, le sexe et le statut socio-économique peuvent affecter l'inclusion d'un individu dans l'ensemble de données. La représentativité de l'échantillon peut varier selon les régions, ce qui signifie qu'un plus grand nombre d'abonnés itinérants dans une région spécifique par rapport à une autre peut ne pas correspondre à un plus grand nombre de personnes itinérantes, si la représentativité de la mobilité des abonnés varie entre les deux régions.
Les variations dans la surveillance et la déclaration peuvent affecter la distribution géographique des cas de choléra déclarés.
Il existe également une incertitude dans les données de cas fournies par le MSPP. Aucun système de surveillance n'est parfait et de nombreuses personnes infectées sont asymptomatiques et ne sont pas détectées par les systèmes de déclaration. Il peut également y avoir des variations dans la surveillance, le diagnostic et la déclaration des cas de choléra entre les différentes zones, ce qui peut avoir pour conséquence que les cas sont plus susceptibles d'être déclarés dans certaines zones que dans d'autres.
Bien que ces analyses reproduisent nos recherches antérieures, qui ont permis de prédire (avec un certain niveau d'incertitude) où les nouvelles épidémies se sont produites lors de l'épidémie de 2010, les intervenants doivent également tenir compte du fait que les communes du pays diffèrent en termes d'accès à l'eau et à l'assainissement ainsi qu'à d'autres facteurs de risque, ce qui influencera le risque d'apparition de nouvelles épidémies.
- English / En anglais
- French / En français
Methodology
Flows of subscribers from communes most affected by cholera and lying within the Port-au-Prince metropolitan area
Flows of subscribers from cholera-affected communes from within the Port-au-Prince metropolitan area to all other communes were calculated from the daily number of travellers between all pairs of communes between 01 and 31 October 2021. Data from 2021 were used because common and expected travelling patterns between neighbouring communes could not be observed in the 2022 data due to partial or complete loss of network coverage in some regions (see Data section). However, we verified that 2021 and 2022 data were comparable pre-crisis, but noted that the number of subscriber travelling was probably larger in October 2021 than in October 2022, and that perhaps fewer subscribers travelled distances longer than around 30 km in 2022. A subscriber is determined to have travelled from one commune to another if the subscriber has a network event (here, a phone call) routed by a cell tower in the first commune and an another network event (whether subsequent or not) routed by a cell tower in the second commune within the same day. This means that for a subscriber travelling from A to B to C we count 1 traveller from A to B, 1 traveller from B to C and 1 traveller from A to C.
We summed the number of travellers from cholera-affected communes within the Port-au-Prince metropolitan area to all other communes for each day (24 hours) in the study period. This means that a small proportion of travelling subscribers have been summed more than once, if they have entered the focal commune from more than one other commune within a 24 hour period. We then adjusted the number of travellers each day by dividing by the number of subscribers observed with the cholera-affected communes to compute a probability for a subscriber to travel from a given commune (origin) to another (destination).
Finally, we averaged the adjusted daily travellers across the study period to estimate the mean daily flows of subscribers from the cholera-affected communes within the Port-au-Prince metropolitan area to all other communes across Haiti. We normalised the flows for the report by dividing the adjusted daily trips to each commune from the cholera-affected communes within Port-au-Prince by the largest flow, to give a value between 0 and 1, in which 1 is the largest flow of subscribers. The results of this analysis are provided in Map 1 and Table 1.
We did not need to adjust the daily numbers of travellers to account for variation in the cell network or mobile device usage as the number of subscribers, cells, and calls were all constant over the considered period in 2021. Furthermore, as we averaged mobility over the study period we do not need to make adjustments for variation in mobility associated with the day of the week. However, we have not adjusted for variation in mobile device usage between regions, which may impact estimated mobility.
Estimated infectious pressure on communes with no recent confirmed cases
We estimated infectious pressure based on the methodology published by Bengtsson et al. (2015). Greater access to CDR data allowed us to improve our estimation of mobility by using the number of travellers between communes.
First, we estimated the flows of people between all pairs of communes using the daily number of travellers between all pairs of communes between 01 and 31 October 2021. Data from 2021 were used because common and expected travelling patterns between neighbouring communes could not be observed in the 2022 data due to partial or complete loss of network coverage in some regions (see Data section). However, we verified that 2021 and 2022 data were comparable pre-crisis, but noted that the number of subscriber travelling was probably larger in October 2021 than in October 2022, and that perhaps fewer subscribers travelled distances longer than around 30 km in 2022.
We adjusted the numbers of travellers between communes each day by dividing by the number of subscribers observed at the commune of origin to compute a probability for a subscriber to travel from a given commune (origin) to another (destination). We then averaged the adjusted daily travellers across the study period to estimate the mean daily flows of subscribers between all pairs of communes in Haiti across the study period .
We estimated the number of new cases of cholera in each commune between 24 and 31 October from situation reports published by MSPP. We subtracted the cumulative number of suspected cases in each commune reported by MSPP on 24 October 2022 from the cumulative number of cases reported by MSPP on 31 October to estimate the number of new cases in this 7-day period.
To estimate infectious pressure experienced by a commune, we multiplied each flow of subscribers into the commune by the number of new suspected cholera cases at the commune of origin and summed these together to give the total infectious pressure.This means that a small proportion of travelling subscribers has been summed more than once, if they have entered the focal commune from more than one other commune within a 24 hour period.
We normalised the infectious pressures for the report by dividing the infectious pressure experienced by each commune by the highest infectious pressure experienced by a commune with no confirmed cases of cholera. For communes with no confirmed cases, this gives a value between 0 and 1 in which 1 is the highest infectious pressure. The results of this analysis are shown in Map 2 and Table 2.
Méthodologie
Flux d'abonnés des communes les plus touchées par le choléra et situées dans l'aire métropolitaine de Port-au-Prince
Les flux d'abonnés des communes touchées par le choléra et situées dans l'aire métropolitaine de Port-au-Prince vers toutes les autres communes ont été calculés à partir du nombre quotidien de voyageurs entre toutes les paires de communes entre le 1er et le 31 octobre 2021. Les données de 2021 ont été utilisées car les schémas de déplacement courants et attendus entre communes voisines n'ont pas pu être observés dans les données de 2022 en raison de la perte partielle ou totale de la couverture du réseau dans certaines régions (voir la section Données). Nous avons cependant vérifié que les données de 2021 et 2022 étaient comparables avant la crise, mais nous avons noté que le nombre d'abonnés se déplaçant était probablement plus important en octobre 2021 qu'en octobre 2022, et que peut-être moins d'abonnés ont parcouru des distances supérieures à environ 30 km en 2022. On considère qu'un abonné a voyagé d'une commune à l'autre s'il a un événement réseau (ici, un appel téléphonique) acheminé par une tour cellulaire dans la première commune et un autre événement réseau (ultérieur ou non) acheminé par une tour cellulaire dans la deuxième commune au cours de la même journée. Cela signifie que, pour un abonné voyageant de A à B à C, nous comptons 1 voyageur de A à B, 1 voyageur de B à C et 1 voyageur de A à C.
Nous avons additionné le nombre de voyageurs des communes touchées par le choléra dans la zone métropolitaine de Port-au-Prince vers toutes les autres communes pour chaque jour (24 heures) de la période d'étude. Cela signifie qu'une petite proportion d'abonnés voyageurs a été additionnée plus d'une fois, s'ils sont entrés dans la commune focale à partir de plus d'une autre commune dans une période de 24 heures. Nous avons ensuite ajusté le nombre de voyageurs chaque jour en le divisant par le nombre d'abonnés observés dans les communes touchées par le choléra pour calculer la probabilité pour un abonné de voyager d'une commune donnée (origine) à une autre (destination).
Enfin, nous avons calculé la moyenne des voyageurs quotidiens ajustés sur toute la période d'étude pour estimer les flux quotidiens moyens des abonnés des communes touchées par le choléra dans la zone métropolitaine de Port-au-Prince vers toutes les autres communes d'Haïti. Nous avons normalisé les flux pour le rapport en divisant les voyages quotidiens ajustés vers chaque commune depuis les communes touchées par le choléra au sein de Port-au-Prince par le flux le plus important, afin d'obtenir une valeur comprise entre 0 et 1, dans laquelle 1 représente le flux d'abonnés le plus important. Les résultats de cette analyse sont présentés dans la carte 1 et le tableau 1 du rapport.
Nous n'avons pas eu besoin d'ajuster les nombres quotidiens de voyageurs pour tenir compte de la variation du réseau cellulaire ou de l'utilisation des appareils mobiles, car le nombre d'abonnés, de cellules et d'appels étaient tous constants sur la période considérée en 2021. En outre, comme nous avons établi une moyenne de la mobilité sur la période étudiée, nous n'avons pas eu besoin de procéder à des ajustements pour tenir compte de la variation de la mobilité associée au jour de la semaine. Cependant, nous n'avons pas ajusté la variation de l'utilisation des appareils mobiles entre les régions, ce qui peut avoir un impact sur la mobilité estimée.
Pression infectieuse estimée sur les communes ne présentant pas de cas confirmés récents.
Nous avons estimé la pression infectieuse sur la base de la méthodologie publiée par Bengtsson et al. (2015) (en anglais). Un meilleur accès aux données CDR nous a permis d'améliorer notre estimation de la mobilité en utilisant le nombre de voyageurs entre les communes.
Tout d'abord, nous avons estimé les flux de personnes entre toutes les paires de communes en utilisant le nombre quotidien de voyageurs entre toutes les paires de communes entre le 01 et le 31 octobre 2021. Les données de 2021 ont été utilisées car les schémas de déplacement courants et attendus entre communes voisines n'ont pas pu être observés dans les données de 2022 en raison de la perte partielle ou totale de la couverture du réseau dans certaines régions (voir section Données). Nous avons cependant vérifié que les données de 2021 et 2022 étaient comparables avant la crise, mais nous avons noté que le nombre d'abonnés voyageant était probablement plus important en octobre 2021 qu'en octobre 2022, et que peut-être moins d'abonnés ont parcouru des distances supérieures à environ 30 km en 2022.
Nous avons ajusté le nombre de voyageurs entre les communes chaque jour en le divisant par le nombre d'abonnés observés dans la commune d'origine pour calculer une probabilité pour un abonné de voyager d'une commune donnée (origine) à une autre (destination). Nous avons ensuite calculé la moyenne des voyageurs quotidiens ajustés sur la période d'étude pour estimer les flux quotidiens moyens d'abonnés entre toutes les paires de communes en Haïti sur la période d'étude.
Nous avons estimé le nombre de nouveaux cas de choléra dans chaque commune entre le 24 et le 31 octobre à partir des rapports de situation publiés par le MSPP. Nous avons soustrait le nombre cumulé de cas suspects dans chaque commune rapportés par le MSPP le 24 octobre 2022 du nombre cumulé de cas rapportés par le MSPP le 31 octobre pour estimer le nombre de nouveaux cas dans cette période de 7 jours.
Pour estimer la pression infectieuse subie par une commune, nous avons multiplié chaque flux d'abonnés dans la commune par le nombre de nouveaux cas suspects de choléra dans la commune d'origine et nous les avons additionnés pour obtenir la pression infectieuse totale. Cela signifie qu'une petite proportion d'abonnés itinérants a été additionnée plus d'une fois, s'ils sont entrés dans la commune focale depuis plus d'une autre commune dans une période de 24 heures.
Nous avons normalisé les pressions infectieuses pour le rapport en divisant la pression infectieuse subie par chaque commune par la pression infectieuse la plus élevée subie par une commune sans cas confirmé de choléra. Pour les communes sans cas confirmé, cela donne une valeur comprise entre 0 et 1, 1 étant la pression infectieuse la plus élevée. Les résultats de cette analyse sont présentés dans la carte 2 et le tableau 2 de ce rapport.
- English / En anglais
- French / En français
Data privacy and protection
No personal data, such as an individual’s identity, demographics, location, contacts or movements, is made available to the government or any other third party at any time. All results produced by Digicel Haiti and the Flowminder Foundation are aggregated results (for example, subscriber density in a given municipality), which means that they do not contain any information about individual subscribers. This data is fully anonymised. For more information, please visit our FlowGeek website here.
This approach complies with the European Union’s General Data Protection Regulation (EU GDPR 2016/679). Data is processed on a server installed behind Digicel Haiti’s firewall, and no personal data leaves Digicel Haiti’s premises.
Confidentialité et protection des données
Aucune donnée personnelle, telle que l'identité, les données démographiques, la localisation, les contacts ou les déplacements d'un individu, n'est mise à la disposition du gouvernement ou de toute autre tierce partie à aucun moment. Tous les résultats produits par Digicel Haïti et la Fondation Flowminder sont des résultats agrégés (par exemple, la densité d'abonnés dans une municipalité donnée), ce qui signifie qu'ils ne contiennent aucune information sur les abonnés individuels. Ces données sont entièrement anonymisées. Pour plus d'informations, veuillez consulter notre site FlowGeek ici.
Cette approche est conforme au règlement général sur la protection des données de l'Union européenne (EU GDPR 2016/679). Les données sont traitées sur un serveur installé derrière le pare-feu de Digicel Haïti, et aucune donnée personnelle ne quitte les locaux de Digicel Haïti.