Model řeší klíčovou výzvu při kombinaci neshodných údajů o geografickém zdraví

Kombinace dat napříč neshodnými mapami je klíčovou výzvou v globálním zdravotním a environmentálním výzkumu. Byl vyvinut výkonný přístup modelování, který umožňuje rychlejší a přesnější integraci prostorově vyrovnaných datových sad, včetně predikce znečištění ovzduší a mapování nemocí. Studie je Publikováno v časopise Stochastický výzkum životního prostředí a posouzení rizik.

Datové sady popisující důležité socio-Environmentální faktoryjako je prevalence onemocnění a znečištění, se shromažďují na různých prostorových měřítcích. Ty sahají od hodnot bodových dat pro konkrétní umístění až do dat z plošin nebo mříže, kde jsou hodnoty agregovány v regionech tak velké jako země.

Sloučení těchto geograficky nekonzistentních datových souborů je překvapivě obtížnou technickou výzvou, kterou přijal biostatistik Paula Moraga a její Ph.D. Student Hanan Alahmadi v Kaust.

„Naše skupina vyvíjí inovativní metody pro analýzu geografických a časových vzorců nemocí, kvantifikace rizikové faktorya umožňující včasnou detekci ohnisek onemocnění, “říká Moraga.

Musíme kombinovat prostorová data, která jsou dostupná při různých rozlišeních, jako jsou koncentrace znečišťujících látek měřených na monitorovacích stanicích a satelity a zdravotní údaje hlášené na různých administrativních hraničních úrovních. “

Alahmadi a Moraga vyvinuli svůj nový model prostřednictvím Bayesovského přístupu, který se často používá k integraci velkých prostorových datových sad. Bayesovská inference se obvykle provádí pomocí algoritmů Markov Chain Monte Carlo (MCMC), které prozkoumávají datové sady prostřednictvím „náhodné procházky“.

Algoritmy rozhodují o každém dalším kroku na základě předchozího, dokud se nedostanou co nejblíže k distribuci cíle (nebo „zadní“). MCMC však může trvat hodně výpočetního času, takže vědci použili jiný rámec zvaný integrovaná vnořená laplaceová aproximace (INLA).

„Na rozdíl od MCMC, který se spoléhá na odběr vzorků, INLA používá deterministické aproximace k efektivnímu odhadu zadního rozdělení,“ vysvětluje Alahmadi. „Díky tomu je INLA výrazně rychlejší a zároveň poskytuje přesné výsledky.“

Vědci prokázali sílu svého modelu integrací bodů a dat do tří do tří Případové studie: Prevalence malárie na Madagaskaru, znečištění ovzduší ve Velké Británii a riziko rakoviny plic v Alabamě v USA. Ve všech třech model zlepšil rychlost a přesnost předpovědí a zároveň poskytl vhled do důležitosti různých prostorových měřítek.

„Obecně náš model dává větší váhu datům, protože nabízejí vyšší prostorovou přesnost a jsou často spolehlivější pro podrobné předpovědi,“ říká Alahmadi.

„Ve všech studiích však údaje o bodech hrály dominantní roli. Vliv plošných údajů byl ve studii znečištění ovzduší větší.

Celkově se projekt týká rostoucí potřeby nástrojů pro analýzu dat, které podporují rozhodnutí založená na důkazech ve zdravotnické a environmentální politice. Například, pokud úředníci veřejného zdraví mohou rychle posoudit prevalenci onemocnění, mohou efektivněji pracovat na přidělování zdrojů a zasáhnout do vysoce rizikových oblastí.

Nový model by mohl být upraven tak, aby zachytil dynamické změny v prostoru a čase a pro řešení zkreslení, které mohou nastat v důsledku preferenčního odběru vzorků v některých oblastech. Vědci plánují několik dalších aplikací svého modelu, jako je použití údajů o znečištění satelitu k odhadu rizik onemocnění.

„Doufáme, že zkombinujeme údaje o teplotě satelitu a pozemních pro detekci tepelných extrémů v Mekce, zejména během sezóny Hajj, kde, kde tepelný stres je vážným problémem v oblasti veřejného zdraví, “říká Moraga.