RESUMO
OBJECTIVES: The Quebec Public Health Institute (INSPQ) was mandated to develop an automated tool for detecting space-time COVID-19 case clusters to assist regional public health authorities in identifying situations that require public health interventions. This article aims to describe the methodology used and to document the main outcomes achieved. METHODS: New COVID-19 cases are supplied by the "Trajectoire de santé publique" information system, geolocated to civic addresses and then aggregated by day and dissemination area. To target community-level clusters, cases identified as residents of congregate living settings are excluded from the cluster detection analysis. Detection is performed using the space-time scan statistic and Poisson statistical model, and implemented in the SaTScan software. Information on detected clusters is disseminated daily via an online interactive mapping interface. RESULTS: The number of clusters detected tracked with the number of new cases. Slightly more than 4900 statistically significant (p ≤ 0.01) space-time clusters were detected over 14 health regions from May to October 2020. The Montréal region was the most affected. CONCLUSION: Considering the objective of timely cluster detection, the use of near-real-time health surveillance data of varying quality over time and by region constitutes an acceptable compromise between timeliness and data quality. This tool serves to supplement the epidemiologic investigations carried out by regional public health authorities for purposes of COVID-19 management and prevention.
RéSUMé: OBJECTIFS: L'Institut national de santé publique du Québec (INSPQ) a reçu le mandat d'élaborer un outil de détection automatisé des agrégats spatio-temporels des cas de COVID-19 afin d'aider les régions à détecter des situations nécessitant des interventions de santé publique. Cet article vise à décrire la méthodologie utilisée et à présenter les principaux résultats obtenus. MéTHODE: Les nouveaux cas de COVID-19 proviennent du Système d'information Trajectoire de santé publique, ils sont géolocalisés à l'adresse civique, puis agrégés par jour et par aire de diffusion. Afin d'isoler la transmission communautaire, les cas identifiés comme résidents d'un milieu de vie fermé sont exclus des analyses de détection des agrégats. La méthode de détection est la statistique de balayage spatio-temporel basée sur le modèle de Poisson et implantée dans le logiciel SaTScan . Les agrégats détectés sont diffusés quotidiennement dans une interface cartographique web interactive. RéSULTATS: Le nombre d'agrégats détectés varie en fonction du nombre de nouveaux cas. Un peu plus de 4 900 agrégats spatio-temporels statistiquement significatifs (p ≤ 0,01) ont été détectés dans 14 régions sociosanitaires entre mai et octobre 2020. La région de Montréal est la plus touchée. CONCLUSION: Considérant l'objectif d'une détection d'agrégats en temps opportun, l'utilisation des données de vigie sanitaire en temps quasi réel, dont la qualité est variable dans le temps et selon les régions, constitue un compromis acceptable. Il s'agit d'un outil complémentaire aux enquêtes épidémiologiques menées par les autorités régionales de santé publique dans la gestion et la prévention des impacts populationnels de la COVID-19.
