Post-doctorant.e en biostatistiques, épidémiologie, mathématiques appliqués - h/f

Description entreprise :

L'inserm est le seul organisme public français entièrement dédié à la recherche biologique, médicale et en santé des populations. Il dispose de laboratoires de recherche sur l'ensemble du territoire, regroupés en 12 Délégations régionales. Notre Institut réunit 15000 chercheurs, ingénieurs, techniciens et personnels administratifs, avec un objectif commun : améliorer la santé de tous par le progrès des connaissances sur le vivant et sur les maladies, l’innovation dans les traitements et la recherche en santé publique. Rejoindre l’Inserm, c’est intégrer un institut engagé pour la parité et l’égalité professionnelle, la diversité et l’accompagnement de ses agents en situation de handicap, dès le recrutement et tout au long de la carrière. Afin de préserver le bien-être au travail, l’Inserm mène une politique active en matière de conditions de travail, reposant notamment sur un juste équilibre entre vie personnelle et vie professionnelle. L'Inserm a reçu en 2016 le label européen HR Excellence in Research et s'est engagé à faire évoluer ses pratiques de recrutement et d'évaluation des chercheurs.

Description du poste :

Unité de recherche

Le poste est proposé au sein de l’unité PCCEI, une unité mixte de recherche pluridisciplinaire réunissant chercheurs, ingénieurs, universitaires et hospitalo-universitaires. L’unité est implantée sur deux sites : Montpellier (Délégation régionale Occitanie Méditerranée) et Fort-de-France (Hôpital Pierre Zobda-Quitman). Spécialisée en infectiologie, PCCEI développe une recherche translationnelle, à l’interface entre clinique et recherche fondamentale, portant sur la transmission du VIH ainsi que sur les infections chroniques et émergentes associées. Les travaux sont menés en étroite collaboration avec des hôpitaux en Occitanie, aux Antilles et à l’international, notamment dans les pays du Sud (Afrique subsaharienne et Asie du Sud-Est).

Contexte du projet

Le poste s’inscrit dans le projet PReViX – Préparation pandémique au virus respiratoire X, lauréat unique du volet « Faire face aux crises épidémiques » du programme PEPR Maladies Infectieuses Émergentes 2024 (France 2030). Doté d’un financement de 1,4 M€ sur trois ans, PReViX vise à renforcer la capacité des systèmes de recherche et de soins à répondre de manière précoce, robuste et proportionnée à l’émergence de nouveaux virus respiratoires. Le projet s’appuie sur les enseignements tirés des pandémies de grippe et de COVID-19 et est structuré autour de six axes de recherche intégrant analyse en temps réel, modélisation, hétérogénéité des données et aide à la décision. Il est porté par un consortium national de neuf unités de recherche réparties sur quatre sites (Montpellier-Nîmes, Bordeaux, Paris, Rennes), couvrant un large spectre disciplinaire : épidémiologie, modélisation, santé publique, virologie, phylogénomique, infectiologie et sciences humaines et sociales.

Mission principale

La personne recrutée interviendra dans l’axe Early Risk Assessment, coordonné par le Dr Mircea T. Sofonea, la Pr Sonia Burrel et la Dr Larissa Da Rocha Girard. Cet axe vise à évaluer précocement le potentiel pandémique et le risque de crise sanitaire associés aux virus respiratoires émergents. La mission consistera à analyser les premières données disponibles, à synthétiser l’expertise collective et à développer des outils quantitatifs d’évaluation précoce du risque.

Activités principales

• Analyse quantitative d’une enquête multidisciplinaire sur la définition et l’évaluation des crises sanitaires

• Revue systématique de la littérature et estimation des paramètres bio-cliniques et épidémiologiques clés

• Méta-analyse temporelle des premières estimations issues d’épidémies historiques et correction des biais précoces

• Développement de métriques innovantes combinant statistiques avancées, épidémiologie mathématique et apprentissage automatique

• Conception d’un outil informatique d’aide à la décision à destination des acteurs de la santé publique

Profil recherché :

Connaissances : 

• Connaissances avancées en biostatistiques, mathématiques appliquées et épidémiologie quantitative
• Solide compréhension théorique des algorithmes de machine learning et de deep learning (principes, architectures, fonctionnement, avantages et limites)
• Connaissances au minimum élémentaires en microbiologie, infectiologie et santé publique

Savoir-faire : 

• Maîtrise d’au moins un des deux langages de programmation R ou Python, avec une bonne familiarité avec l’autre (ou inversement)
• Niveau avancé en calcul scientifique, analyses statistiques et visualisation de données, dans au moins l’un des deux langages précités
• Maîtrise de l’écriture mathématique sous LaTeX
• Compétences pratiques en machine learning et/ou deep learning : conception, implémentation, entraînement, évaluation, validation et amélioration des modèles, dans R et/ou Python

Savoir-être :

• Forte capacité à mener des travaux de recherche en autonomie : analyse et synthèse, curiosité scientifique, esprit d’initiative et créativité, production de données originales, développement de pistes méthodologiques et démonstrations scientifiques, auto-formation (articles, ouvrages, séminaires), rédaction de manuscrits scientifiques

• Excellentes capacités de recherche en collectif : travail en équipe, initiation et animation de collaborations autour des données et des méthodes, interaction interdisciplinaire, communication claire et rigoureuse des résultats auprès de publics variés

 

Niveau d'expérience : 

• Débutants acceptés
• Expérience post-doctorale antérieure (en recherche publique, privée ou en agence sanitaire) dans les domaines indiqués, a fortiori si appliquées aux maladies infectieuses, sera largement valorisée

 

Niveau de formation : 

• Niveau doctorat/ PhD relevant d’au moins un des domaines suivants : biostatistiques, épidémiologie quantitative, mathématiques appliquées, informatique pour la santé
• Formation (courte acceptée) en machine/deep learning en Python
• Niveau B2 ou C1 en anglais