Nová studie může pomoci odhalit skutečný dopad expozice olova z dětství

Podle nové analýzy vedené vědcem údajů Joe Feldmanem může být expozice olova v dětství ještě nebezpečnější pro kognitivní vývoj a výkon školy.

Expozice olova u dětí nejčastěji pochází z zhoršujícího se barvy na bázi olova, kontaminované půdy nebo starých vodních trubek-hazardů, které zůstávají v mnoha amerických komunitách.

Vysoká úroveň olova v krevním řečišti pro dítě je již dlouho známo, že narušuje intelektuální schopnosti. Ale stejně jako mnoho jiných datových souborů v reálném světě, data, která stanoví propojení mezi expozicí olova a Kognitivní vývoj jsou chaotické a neúplné.

„Je jasné, že vedení je nebezpečné,“ řekl Feldman, docent statistiky a vědy o datech v Arts & Sciences na Washington University v St. Louis. „Ale velikost tohoto asociace bylo obtížné odhadnout, protože mnoho dětí není nikdy testováno na expozici, což znamená, že mnoho datových bodů chybí.“

Abychom lépe porozuměli riziku, Feldman a jeho kolegové-Jerome Reiter z Duke University a Washu Alum Daniel Kowal (AB ’12), nyní na Cornell University-označili údaje od 170 000 studentů čtvrtého ročníku ze Severní Karolíny, s cílem propojit expozice vedoucího standardizovaného testovacího skóre. Zjištění jsou Publikováno v časopise Bayesovská analýza.

„Ačkoli standardizované skóre testu je vadná metrika, jsou to důležitá proxy Vývoj dítěte a jsou silně korelovány s akademickými milníky na střední škole i mimo něj, “řekl Feldman.

Komplikace analýzy, údaje o expozici olova chyběly u asi 35% těchto dětí, protože stav Severní Karolíny mandát testoval pouze tehdy, pokud je dítě v ohrožení, snad proto, že jejich dům nebo sousedství má vedoucí potrubí.

„Chybějící hodnoty pro expozici olova nejsou náhodné,“ řekl Feldman. „Ve statistikách nazýváme tento typ chybějících dat„ nelignorovatelných “. Abychom viděli celý obrázek, musíme tyto mezery řešit. “

Tým použil sofistikované statistické nástroje k dosažení znepokojujícího závěru: Pokud by byly všechny děti zkontrolovány na úrovni olova, souvislost mezi expozicí olova a akademickým testovacím skóre by byla ještě silnější, než se dříve předpokládalo.

„Použili jsme náš model k predikci chybějících hodnot olova k vytvoření úplných datových sad. Když jsme analyzovali tyto dokončené datové sady, našli jsme výrazně silnější vztah mezi expozicí olova a Skóre testu„Feldman řekl.

Pro odhad úrovní olova u studentů, kteří nebyli prověřeni, vědci konzultovali publikované statistiky o úrovni obyvatelstva expozice olova u dětí z Centra pro kontrolu a prevenci nemocí (CDC). Poté použili Bayesovské statistické modelování – typ analýzy často používané k vyvození závěrů z neúplných datových sad – k vyplnění chybějících měření olova. „Náš model v podstatě vyrovnává informace v pozorovaných datech s publikovanými statistikami CDC, což pomáhá informovat o věrohodných předpovědích pro chybějící hodnoty,“ řekl Feldman.

Studie zdůrazňuje potřebu širšího testování a opatření ke snížení expozice. Ukazuje také hodnotu revize neúplných dat. „Bayesovská analýza je silná, protože nám umožňuje vysvětlit nejistotu způsobenou chybějícími údaji. Modely se však mohou poučit pouze z pozorovaných dat,“ řekl Feldman. „Budování statistického modelu, který může současně využívat nepozorované informace a zároveň účtovat další složitost údajů, bylo vážnou výzvou.“

Feldman aplikuje podobné nástroje k vyhodnocení účinnosti lékařské léčby pro depresi. „Elektronické zdravotní záznamy poskytují informace o informacích, ale data jsou velmi chaotická a neúplná,“ řekl.

Pokud pacient dobře reaguje na léky, může jejich lékař přestat měřit nebo zaznamenávat jejich příznaky a zanechat mezery. Současně existují hojné vnější informace – z klinických studií a dalších analýz – na účinnosti různých léků. „Snažíme se vyvinout modely, které mohou tyto externí informace integrovat, aby lépe porozuměly chybějících datům,“ řekl.

Stejný obecný přístup by mohl pomoci objasnit mnoho dalších otázek, které jsou komplikovány chybějícími údaji.

„Statistické modely by neměly být omezeny nedostatkem informací v konkrétním datovém souboru,“ řekl Feldman. „Naše práce umožňuje uživatelům snadno integrovat externí informace ke zlepšení strategií rozhodování a veřejného zdraví.“