Mixture-based Nonparametric Estimation of Spatial Covariance Functions with Applications to HIV Key Population Size Estimation across Sub-Saharan Africa

في المعركة ضد فيروس نقص المناعة البشرية (HIV)، يعد معرفة من هم المعرضون للخطر بدقة الخطوة الأولى نحو إنقاذ الأرواح. يحتاج مسؤولو الصحة العامة إلى إحصاء حجم مجموعات محددة، تُعرف باسم "الفئات الرئيسية"، والتي تواجه فرصة أكبر للإصابة بالفيروس أو نشره. تشمل هذه المجموعات العاملات في مجال الجنس، والرجال الذين يمارسون الجنس مع الرجال، ومستخدمي الحقن، والنساء العابرات جنسياً. وبدون أرقام دقيقة، لن تتمكن الحكومات من توزيع الأدوية أو التمويل أو خدمات الدعم بشكل فعال. ومع ذلك، فإن الحصول على هذه الإحصاءات أمر صعب للغاية؛ فهذه الفئات غالباً ما تكون مخفية، ويصعب الوصول إليها، وتواجه أحياناً التجريد من الصفة القانونية، مما يجعل المسوحات التقليدية غير موثوقة. وفي أماكن عديدة، لا سيما عبر أفريقيا جنوب الصحراء الكبرى، تفتقر بعض المناطق للبيانات تماماً، مما يترك المسؤولين في حالة تخمين لعدد الأشخاص الذين يحتاجون للمساعدة.

ولسد هذه الفجوات، لجأ الباحثون إلى الإحصاء، مستخدمين بيانات من مناطق تُعرف فيها الأعداد لتقدير الأرقام في المناطق التي لا تُعرف فيها. وتعتمد هذه العملية على فكرة أساسية: وهي أن الناس في المواقع المجاورة غالباً ما يتشاركون في مخاطر وسلوكيات متشابهة. فإذا كانت مدينة ما تضم عدداً كبيراً من العاملات في مجال الجنس، فمن المرجح أن المدينة المجاورة تضم عدداً كبيراً أيضاً. وتسمى هذه الصلة بـ "الاعتماد المكاني". ولرسم خرائط لهذه الروابط، يستخدم الإحصائيون أداة تُسمى "دالة التغاير" (covariance function). فكر في هذه الدالة ككتاب قواعد يصف مدى قوة ارتباط مكانين ببعضهما بناءً على المسافة بينهما. وإذا كان كتاب القواعد هذا خاطئاً، فستكون الخريطة خاطئة، مما يؤدي إلى هدر الموارد أو ضياع فرص لإنقاذ الأرواح. ولسنوات طويلة، استخدم العلماء مجموعة من كتب القواعد القياسية والمكتوبة مسبقاً لوصف هذه الروابط، لكن هذه القواعد القياسية غالباً ما تجبر البيانات على اتخاذ شكل لا يناسب الواقع، مما يؤدي إلى تنبؤات غير دقيقة.

قام فريق من الإحصائيين من جامعة ولاية بنسلفانيا بتطوير طريقة جديدة لكتابة هذه القواعد من الصفر، بدلاً من إجبار البيانات على التكيف مع قالب موجود مسبقاً. وفي دراسة ركزت على تقدير عدد العاملات في مجال الجنس في 30 دولة في أفريقيا جنوب الصحراء الكبرى، ابتكروا طريقة مرنة "غير معلمية" (non-parametric). فبدلاً من افتراض أن العلاقة بين مكانين تتبع منحنى رياضياً محدداً، تسمح طريقتهم للبيانات نفسها بالكشف عن النمط. لقد عاملوا العلاقة بين المواقع كمزيج من العديد من المنحنيات البسيطة والناعمة، مع تقريب مقياس المزج باستخدام مقياس منفصل محدود وتعديل أوزان هذه المنحنيات لتقليل الخطأ مقابل البيانات المرصودة. وقد سمح ذلك بالتقاط الأنماط المعقدة والواقعية التي تفشل النماذج القياسية الجامدة في التقاطها.

اختبر الباحثون طريقتهم الجديدة مقابل النهج القياسي القديم باستخدام محاكاة حاسوبية. فقد قاموا بتوليد بيانات وهمية ذات أنماط معروفة، وطلبوا من نماذج إحصائية مختلفة تخمين القواعد الكامنة وراءها. وأظهرت النتائج أنه بينما كانت كتب القواعد القياسية المكتوبة مسبقاً تعطي أدنى مستويات الخطأ عندما تتطابق البيانات مع افتراضاتها، إلا أنها كثيراً ما فشلت في "التقارب" (converge) أو أنتجت نتائج متحيزة عندما لا تتطابق البيانات مع تلك الافتراضات. وفي المقابل، تكيفت الطريقة الجديدة القائمة على "المزيج" مع البيانات في كل مرة؛ حيث أنتجت باستمرار تقديرات موثوقة للروابط بين المواقع عبر إعدادات محاكاة متنوعة دون الفشل في التقارب، وهي مشكلة عانت منها العديد من النماذج القياسية في عمليات المحاكاة.

وعندما طبق الفريق طريقتهم على بيانات من العالم الحقيقي من أفريقيا جنوب الصحراء الكبرى، كانت النتائج مقنعة بنفس القدر. فقد استخدموا تعدادات سكانية من 787 دراسة مختلفة أُجريت بين عامي 2010 و2023. كانت البيانات غير منظمة، مع وجود تقديرات متعددة لنفس الموقع وفجوات في التغطية في العديد من المناطق. نجحت الطريقة الجديدة في تقدير أحجام السكان من العاملات في مجال الجنس على المستوى دون الوطني، مع مراعاة العوامل المحلية، مثل حجم السكان العام ونسبة الأشياء التي تعيش في المدن، مع احترام التدفق الطبيعي للمخاطر من منطقة إلى أخرى في الوقت نفسه. وقد كان أداء التقديرات التي أنتجها هذا النهج الجديد جيداً من حيث خطأ التنبؤ، بما يضاهي أفضل النماذج "المعلمية" (parametric) وأنموذج التغاير الحقيقي في عمليات المحاكاة، ولم تظهر أي حالات فشل عبر السيناريوهات المختبرة.

تكمن أهمية هذا العمل في قدرته على تحويل البيانات المتفرقة وغير المتسقة إلى صورة واضحة وقابلة للتنفيذ. فمن خلال تجنب فخ إجبار البيانات على التكيف مع قالب جامد، ضمن الباحثون أن التقديرات السكانية النهائية تعكس الواقع على الأرض. وهذا أمر حيوي للتخطيط الصحي العام؛ فإذا تم تقدير منطقة ما بأنها تضم سكاناً أكبر مما هي عليه بالفعل، فقد تُحول الموارد بعيداً عن المناطق التي تحتاجها أكثر. وإذا كان التقدير منخفضاً جداً، فقد يُترك الأشخاص المستضعفون دون رعاية. توفر الطريقة الجديدة أداة قوية ومرنة يمكنها التعامل مع عدم اليقين وتعقيد بيانات العالم الحقيقي. إنها توفر وسيلة لرؤية "غير المرئي"، وتحويل نقاط البيانات المتناثرة إلى خريطة متماسكة يمكن أن توجه التدخلات المنقذة للحياة.

كما سلطت الدراسة الضوء على حدود الأدوات القياسية الحالية. فقد وجد الباحثون أن العديد من النماذج واسعة الانتشار حساسة للشكل المحدد للبيانات. فإذا كانت العلاقة الحقيقية بين المواقع مختلفة قليلاً عما يفترضه النموذج، فقد تصبح التنبؤات غير موثوقة. أما الطريقة الجديدة، فتم تصميمها لتكون متينة (robust)؛ فهي لا تتطلب من الباحث تخمين شكل العلاقة مسبقاً، بل تتعلم الشكل مباشرة من البيانات. وهذا يجعلها مفيدة بشكل خاص في مناطق مثل أفريقيا جنوب الصحراء الكبرى، حيث تكون البيانات شحيحة وأنماط انتقال المرض الأساسية غير مفهومة جيداً.

وفي النهاية، يوضح هذا العمل أن اتباع نهج إحصائي أكثر مرونة يمكن أن يؤدي إلى نتائج أفضل في مجال الصحة العامة. فمن خلال تطوير طريقة تتكيف مع البيانات بدلاً من إجبار البيانات على التكيف مع الطريقة، قدم الباحثون وسيلة جديدة لـ "عدّ ما لا يمكن عده". وهذا ليس مجرد تحسين نظري، بل هو أداة عملية يمكن أن تساعد الحكومات والمنظمات على تخصيص الموارد بشكل أكثر فعالية. ومع استمرار المعركة ضد فيروس نقص المناعة البشرية، تظل الحاجة إلى تقديرات دقيقة وموثوقة لأحجام الفئات الرئيسية أكثر أهمية من أي وقت مضى. ويقدم هذا النهج الجديد مساراً للمضي قدماً، مما يضمن عدم ترك أي مجتمع خلف الركب لمجرد أن البيانات كانت صعبة التفسير.