Un model de rețea neurală prezice cu acuratețe riscurile de mortalitate cauzate de căldură la nivel regional
Căldura extremă reprezintă o cauză majoră a mortalității legate de schimbările climatice, fiind responsabilă pentru peste cinci milioane de decese anual la nivel global.
Pe măsură ce schimbările climatice devin mai intense, aceste evenimente sunt din ce în ce mai frecvente și severe, generând provocări semnificative pentru sănătatea publică, în special în zonele urbane dens populate. Evaluarea precisă a celor mai expuși riscurilor a fost, de-a lungul timpului, un obstacol major. Metodele tradiționale se bazează adesea pe scheme de ponderare prestabilite pentru a construi indici de risc sau vulnerabilitate, fiind limitate de lipsa unor date de sănătate robuste pentru validare. Aceste modele nu reușesc, de asemenea, să țină cont de variațiile geografice ale factorilor de risc și efectelor acestora, creând o lacună critică în înțelegerea noastră. Din aceste motive, este urgent necesară o abordare obiectivă, bazată pe date, și explicită din punct de vedere spațial pentru evaluarea riscurilor de sănătate legate de căldură.
O echipă de cercetători de la Școala de Sănătate Publică și Colegiul Oceanic al Universității Zhejiang, Centrul Provincial pentru Controlul și Prevenirea Bolilor din Zhejiang și alte instituții din China a publicat un studiu pe această temă în revista Environmental Science and Ecotechnology. Studiul, publicat în august 2026, detaliază un cadru nou care, pentru prima dată, validează un model spațial pentru cartografierea riscurilor de sănătate legate de căldură pe baza datelor reale de mortalitate, oferind o imagine foarte precisă și detaliată a amenințării.
La baza cercetării se află un model integrativ denumit regresie ponderată prin rețele neuronale geografice (GNNWR). Spre deosebire de modelele convenționale care presupun o relație uniformă, invariabilă spațial între factorii de risc și riscurile pentru sănătate, GNNWR folosește o rețea neurală pentru a învăța cum influența non-liniară a factorilor precum temperatura și poluarea variază de la o locație la alta. În comparații directe cu alte opt modele alternative, GNNWR a demonstrat o performanță predictivă superioară și mai stabilă, estimând cu fiabilitate fracția de mortalitate atribuibilă căldurii. O caracteristică cheie este capacitatea sa de a genera hărți de risc fără întreruperi în zone cu date de sănătate incomplete, de exemplu, din cauza schimbărilor de granițe administrative sau a indisponibilității datelor în zonele rurale.
Prin captarea asociațiilor non-liniare și variabile spațial între factorii de risc și mortalitatea legată de căldură, modelul oferă o imagine mai realistă și nuanțată a riscurilor de căldură decât era posibil anterior. Autorii subliniază validarea epidemiologică și avansul metodologic: „Lucrarea noastră introduce un cadru de modelare spațială validat epidemiologic care îmbunătățește acuratețea și generalizabilitatea evaluării riscurilor de sănătate legate de căldură. Indicii convenționali de risc de căldură composite depind adesea de scheme de ponderare prestabilite, conduse de experți și, în general, agregă indicatori în mai multe dimensiuni, cum ar fi vulnerabilitatea sau capacitatea de adaptare. Deși utile, astfel de indici pot fi sensibili la decizii subiective, având în vedere că greutățile anumitor indicatori sunt adesea ambigue, iar modificarea atribuirii lor poate schimba semnificativ evaluarea finală a riscurilor.”
„Mai important, hărțile de risc anterioare au fost rareori validate în raport cu povara de sănătate legată de căldură, lăsându-le acuratețea incertă. În contrast, cadrul nostru propus evită dependența de agregarea indicatorilor prestabilite și de ponderarea subiectivă, integrând direct indicatori standardizați ca variabile explicative și folosind fracțiile de mortalitate atribuibile căldurii, derivate epidemiologic, ca variabilă de răspuns. Strategia de modelare permite estimarea riscurilor la multiple scale spațiale, de la niveluri de grilă cu rezoluție înaltă la unități administrative grosiere, permițând caracterizarea distribuției spațiale a riscurilor de căldură la diferite rezoluții.”
Autorii scot în evidență o descoperire surprinzătoare și neașteptată: „O altă descoperire importantă este identificarea particulelor fine ca un contributor dominant și independent la mortalitatea legată de căldură, fiind al doilea după temperatura extremă, depășind factorii demografici, socio-economici și cei legați de mediu construit. Aceasta nu este doar o problemă de sănătate; este o ecuație de mediu complexă. Abordarea noastră ne permite să ne îndepărtăm de soluțiile universale, dezvăluind exact care factori de risc sunt cei mai critici în anumite cartiere, permițând strategii de sănătate publică mult mai focalizate și eficiente. Considerăm aceasta un pas crucial pentru orașe pentru a construi comunități mai inteligente și mai rezistente în fața amenințărilor duble ale schimbărilor climatice și poluării aerului.”
Această framework validat oferă un potențial transformator pentru planificarea urbană și adaptarea la schimbările climatice. Generând hărți de risc la nivel de grilă de 100 de metri, poate identifica punctele fierbinți de risc localizate și modelele spațiale fine ale vulnerabilității populației, permițând astfel o alocare mai țintită a resurselor. Factorii de decizie pot utiliza aceste date pentru a prioritiza spațiile verzi și albastre în zonele unde acestea oferă cel mai mare beneficiu protector sau pentru a emite avertizări de sănătate legate de căldură care să integreze informațiile în timp real despre calitatea aerului. În plus, metodologia este transferabilă, putând fi adaptată pentru utilizare în alte regiuni folosind propriile date de mediu și sănătate, chiar și acolo unde înregistrările de sănătate sunt sparse. În general, această abordare bazată pe date și dovezi oferă un drum tangibil pentru comunitățile din întreaga lume pentru a se pregăti mai bine și a atenua impacturile mortale asupra sănătății ale unei lumi în încălzire.
