Dengue hospitalizations in Brazil: forecasting with climatic and physicians digital search data under real-world reporting delays

ملخص تقني: حالات دخول المستشفيات بسبب حمى الضنك في البرازيل: التنبؤ باستخدام البيانات المناخية وبيانات البحث الرقمي للأطباء في ظل تأخيرات الإبلاغ الواقعية

بيان المشكلة
يعد التنبؤ في الوقت المناسب بحالات دخول المستشفيات بسبب حمى الضنك أمراً بالغ الأهمية للاستعداد للصحة العامة في البرازيل، ومع ذلك، غالباً ما تعيق تأخيرات الإبلاغ الكبيرة في أنظمة الاستشفاء الرسمية (SIH/SUS) هذه العملية، حيث تصبح البيانات متاحة غالباً بعد أسابيع أو أشهر من دخول المريض. وبينما تُعرف الظروف المناخية كمحركات لنقل مرض حمى الضنك، فإن النماذج التي تعتمد فقط على بيانات الاستشفاء التاريخية أو المتغيرات المناخية تواجه صعوبة في تقديم تحذيرات مبكرة قابلة للتنفيذ عندما يكون هناك تأخير في البيانات الرسمية. تعالج هذه الدراسة الحاجة إلى إشارات أكثر توقيتاً للنشاط المرضي الناشئ من خلال استكشاف دمج السلوك السريري الرقمي – وتحديداً استعلامات البحث السريرية من قبل الأطباء على منصة دعم القرار السريري – مع البيانات الأرصادية والوبائية التقليدية.

المنهجية
طورت الدراسة إطار عمل تنبؤي باستخدام شبكات الذاكرة الطويلة قصيرة المدى (LSTM) للتنبؤ الأسبوعي بحالات دخول المستشفى بسبب حمى الضنك عبر 27 منطقة جغرافية فورية (IGRs) في البرازيل من عام 2021 إلى 2024. تضمن مسار التحليل ما يلي:

• تكامل البيانات: دمج النموذج ثلاثة مصادر رئيسية للبيانات:
  1. بيانات الاستشفاء: أعداد أسبوعية من قاعدة بيانات SIH/SUS.
  2. بيانات البحث السريري: عدد عمليات البحث المجهولة والآنية للمصطلحات المتعلقة بحمى الضنك من قبل الأطباء المرخصين المعتمدين على منصة Afya Whitebook®.
  3. البيانات المناخية: ملاحظات الأرصاد الجوية اليومية (هطول الأمطار، درجة الحرارة، الرطوبة) من محطات INMET، والتي تم تجميعها في سلاسل أسبوعية وتحويلها إلى 42 متغيراً تنبؤياً محتملاً (بما في ذلك فترات التأخير، والحدود القصوى، والتفاعلات).
• اختيار الميزات: لإدارة الأبعاد، اختار النموذج متغيراً واحداً ممثلاً من كل فئة من الفئات المناخية الأربع (الرطوبة، درجة الحرارة، هطول الأمطار، الموسمية) لكل منطقة جغرافية فورية بناءً على أدنى جذر لمتوسط مربع الخطأ (RMSE) أثناء التدريب.
• سيناريوهات النمذجة: تم تقييم سيناريوهين متميزين لتقدير الأداء تحت ظروف مختلفة لتوافر البيانات:
  1. سيناريو البيانات المثالية: يفترض التوافر الفوري لبيانات الاستشفاء (لا يوجد تأخير في الإبلاغ).
  2. سيناريو العالم الواقعي: يتضمن تأخيرات الإبلاح النموذجية عن طريق إزاحة بيانات الاستشفاء بما يصل إلى ثمانية أسابيع لمحاكاة زمن الاستجابة في الواقع.
• النماذج المقارنة: تمت مقارنة خمسة هياكل نماذج: (الاستشفاء فقط - LSTM و SARIMAX)، (البحث السريري فقط - الاستشفاء + البحث)، (المناخ فقط - الاستشفاء + المناخ)، و(النموذج المتكامل - الاستشفاء + البحث + المناخ).
• التقييم: تم تقييم الأداء باستخدام RMSE، وMSE، وMAE، ومعامل التحديد ($R^2$). كما تم تحليل أهمية الميزات باستخدام قيم SHAP (تفسيرات SHapley الإضافية).

النتائج الرئيسية

• الارتباط والمحاذاة الزمنية: كشف التحليل أن نشاط البحث السريري على منصة Afya Whitebook® أظهر أقوى وأكثر الارتباطات الإيجابية اتساقاً مع حالات دخول المستشفى بسبب حمى الضنك عبر المناطق الجغرافية الفورية. وأشار تحليل السلاسل الزمنية إلى أن ذروات نشاط البحث غالباً ما سبقت أو تزامنت مع الزيادات في حالات دخول المستشفى، مما يشير إلى أن سلوك البحث يعمل كمؤشر سريري مبكر.
• أداء البيانات المثالية: في حالة عدم وجود تأخيرات في الإبلاغ، حققت النماذج التي تعتمد بشكل أساسي على المتغيرات المناخية أعلى دقة تنبؤية (أدنى RMSE). حقق النموذج المتكامل أداءً جيداً ولكنه أظهر مكاسب طفيفة فقط مقارنة بالنماذج المعتمدة على المناخ في هذا السيناريو.
• أداء العالم الواقعي: تحت ظروف تأخير الإبلاغ الواقعية، تغيرت ديناميكيات الأداء بشكل كبير. تفوق النموذج المتكامل (الذي يجمع بين تاريخ الاستشفاء، والمناخ، وبيانات البحث السريري) باستمرار على جميع النهج الأخرى، محققاً أدنى أخطاء التنبؤ عبر معظم المناطق.
  • عانت النماذج التي تعتمد فقط على المناخ أو بيانات الاستشفاء التاريخية من انخفاض في الدقة بسبب زمن استجابة السجلات الرسمية.
  • ساهم إدراج بيانات البحث السريري في تعويض الفقد في الإشارة الناتج عن تأخر أعداد الاستشفاء، مما حافظ على قوة التنبؤ.
• أهمية الميزات (SHAP): أكد تحليل SHAP أنه في الظروف المثالية، كانت سجلات الاستشفاء الأخيرة والمتغيرات المناخية هي المتنبئات المهيمنة. ومع ذلك، تحت ظروف التأخير الواقعي، انخفضت الأهمية النسبية لتاريخ الاستشفاء بشكل حاد، بينما زادت مساهمة مؤشر البحث السريري، مما يسلط الضوء على فائدته كوكيل آني للنشاط المرضي.

الأهمية والادعاءات
تدعي الورقة أن دمج السلوك السريري الرقمي مع البيانات المناخية يعزز أداء التنبؤ تحديداً تحت قيود الإبلاغ في العالم الواقعي. ويفترض المؤلفون أن سلوك البحث السريري يشكل مؤشراً قيماً وآنياً لنشاط حمى الضنك يعكس التفاعل السريري الفوري مع الحالات.

تخلص الدراسة إلى أنه بينما تكون النماذج القائمة على المناخ فعالة عندما تكون البيانات في وقتها، إلا أنها غير كافية للاستجابة المبكرة عندما يتأخر الإبلاغ الرسمي. ومن خلال دمج الإشارات الرقمية للأطباء، يعزز الإطار المقترح أنظمة الإنذار المبكر ويدعم اتخاذ القرارات المتعلقة بالصحة العامة بشكل أكثر توقيتاً. ويؤكد المؤلفون أن هذا النهج يوفر "إشارة أكثر سرعة وقاعدة سريرية" لدعم اكتشاف الفاشيات، لا سيما في البيئات التي تكون فيها تأخيرات الإبلاغ هيكلية. كما يقرون بالقيود المتعلقة بالاستدلال الإيكولوجي، والتحيزات المحتملة في قاعدة مستخدمي الأطباء، وعدم شفافية نماذج LSTM، لكنهم يؤكدون أن دمج مجالات البيانات هذه يقدم تحسيناً عملياً للتنبؤ التشغيلي في البرازيل.