📄 public and global health

Integrating Machine Learning-Based Variable Selection into Heat Vulnerability Index Design

تُظهر هذه الدراسة أن دمج عملية اختيار المتغيرات القائمة على تعلم الآلة، ولا سيما باستخدام الغابة العشوائية (Random Forest)، يحسن بشكل كبير من دقة تقييمات مؤشر الضعف تجاه الحرارة في شيكاغو من خلال تحديد المحددات الرئيسية مثل الفقر، ونقص تكييف الهواء، ونسبة كبار السن، متفوقاً بذلك على طرق تحليل المكونات الرئيسية (PCA) التقليدية غير الخاضعة للإشراف في التنبؤ بالوفيات الزائدة المرتبطة بالحرارة.

المؤلفون الأصليون: Qu, S., Sillmann, J., Barrett, B. W., Graffy, P. M., Poschlod, B., Brunner, L., Mansour, R., Szombathely, M. v., Hay-Chapman, F., Horton, T. H., Chan, J., Rao, S. K., Woods, K., Kho, A. N., Horton, D.

نُشر 2026-03-31

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Qu, S., Sillmann, J., Barrett, B. W., Graffy, P. M., Poschlod, B., Brunner, L., Mansour, R., Szombathely, M. v., Hay-Chapman, F., Horton, T. H., Chan, J., Rao, S. K., Woods, K., Kho, A. N., Horton, D. E.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

الصورة الكبيرة: البحث عن "النقاط الساخنة"

تخيل أن مدينة مثل شيكاغو هي قدر ضخم من الحساء. عندما يصبح الطقس حاراً جداً، يغلي بعض أجزاء الحساء (يصاب الناس بالمرض أو يموتون)، بينما تظل أجزاء أخرى باردة. كان الهدف من هذه الدراسة هو معرفة أي أجزاء المدينة هي الأكثر عرضة للغليان ولماذا.

يستخدم العلماء أداة تسمى مؤشر الضعف تجاه الحرارة (HVI). فكر في هذا المؤشر كأنه "خريطة خطر الحرارة". إنه يعطي درجة لكل حي ليخبر مخططي المدن: "مهلاً، هذا الجزء يحتاج إلى مزيد من المساعدة (مثل مراكز التبريد أو الأشجار) لأنه معرض لخطر مرتفع".

المشكلة: التخمين مقابل المعرفة

لفترة طويلة، كان العلماء يصنعون هذه الخرائط باستخدام نهج "معصوب العينين". كانوا ينظرون إلى قائمة تضم 10 عوامل خطر شائعة (مثل الفقر، أو العمر، أو عدم وجود تكييف هواء) ثم يدمجونها معاً رياضياً ليروا أي منها يبدو مهماً. هذا يشبه محاولة خبز كعكة عن طريق رمي مكونات عشوائية والأمل في أن يكون طعمها جيداً.

تساءل الباحثون في هذه الورقة: "ماذا لو لم نقم بالتخمين؟ ماذا لو تركنا البيانات تخبرنا بالضبط ما هي المكونات المهمة؟"

أرادوا معرفة ما إذا كان استخدام تعلم الآلة (Machine Learning) (خوارمايات حاسوبية ذكية) يمكن أن يبني "وصفة" أفضل لخرائط الحرارة هذه مقارنة بالطرق التقليدية القديمة.

التجربة: مسابقة الطبخ

أقام الباحثون مسابقة بين خمسة "طهاة" مختلفين (طرق/أساليب) لمعرفة من يمكنه ابتكار أفضل مؤشر للضعف تجاه الحرارة لأحياء شيكاغو الـ 77. وقد اختبروا خرائطهم مقابل بيانات واقعية: وفيات حقيقية مرتبطة بالحرارة من عام 1993 إلى 2019.

إليكم الطهاة الخمسة:

الطاهي التقليدي (Unsupervised PCA): الطريقة التقليدية. ينظر إلى جميع المكونات ويجمعها دون النظر إلى النتيجة النهائية (الوفيات). إنه يشبه خبز كعكة دون تذوقها.
الطاهي البسيط (Linear Regression): يتحقق مما إذا كان أحد المكونات (مثل الفقر) يرتفع عندما ترتفع الوفيات. يفترض أن العلاقة هي خط مستقيم.
الطاهي المنحني (Polynomial Regression): مشابه للطاهي البسيط، لكنه يسمد بالمنحنيات (ربما يؤثر الفقر قليلاً في البداية، ثم كثيراً لاحقاً).
طاهي التقليص (Lasso): خوارزمية ذكية تحاول تبسيط الوصفة عن طريق استبعاد المكونات التي لا تبدو ضرورية.
مزارع الأشجار (Random Forest): طريقة قوية لتعلم الآلة تبني آلاف الأشجار القرارية الصغيرة لإيجال أنماط معقدة. يشبه امتلاك فريق من الخبراء ينظر كل منهم إلى المشكلة من زاوية مختلفة ثم يصوتون على الإجابة.
الطاهي المعزز (XGBoost): طريقة متقدمة أخرى لتعلم الآلة تحاول التعلم من أخطائها لتصبح أفضل.

النتائج: من فاز؟

عندما قارنوا الخرائط بسجلات الوفيات الفعلية، فاز مزارع الأشجار (Random Forest) بالمسابقة.

لماذا؟ لأن الطرق القديمة أغفلت بعض الروابط الدقيقة والمعقدة. استطاع مزارع الأشجار أن يرى أن تركيبات معينة من العوامل (مثل كون الشخص فقيراً و ليس لديه تكييف هواء) خلقت خطراً أكبر من مجموع أجزائها.
النتيجة: كانت خريطة "الغابة العشوائية" (Random Forest) أفضل بكثير في التنبؤ بأماكن حدوث وفيات الحرارة مقارنة بالخريطة القديمة "معصوبة العينين".

"المكونات السرية" (ما الذي يهم حقاً)

بغض النظر عن الطاهي الذي فاز، وجدت الدراسة ثلاثة "مكونات سرية" جعلت الأحياء خطيرة باستمرار خلال موجات الحر في شيكاغو:

معدل الفقر: إذا كان الحي فقيراً، فمن المرجح أن يعاني.
عدم وجود تكييف هواء: إذا لم يستطع الناس تبريد منازلهم، فهم في ورطة.
العمر (65+ سنة): كبار السن أكثر هشاشة عندما تصبح الحرارة مرتفعة.

ومن المثير للاهتمام أن بعض الأشياء التي ظن الناس أنها مهمة، مثل "العيش بمفرده"، لم تظهر كعامل رئيسي عند النظر إلى مستوى الحي ككل. اتضح أنه على مستوى المجتمع، فإن امتلاك المال والتكييف أهم من مسألة ما إذا كنت تعيش بمفردك أم لا.

الخلاصة: توقفوا عن استخدام خرائط "مقاس واحد يناسب الجميع"

الدرس الرئيسي من هذه الورقة هو: لا تستخدموا نفس وصفة خريطة الحرارة لكل مدينة.

مجرد كون خريطة ما قد نجحت في نيويورك أو ديترويت لا يعني أنها ستنجح في شيكاغو. فلكل مدينة "نكهة" فريدة من المخاطر.

الطريقة القديمة: استخدام قائمة قواعد عامة للجميع.
الطريقة الجديدة: استخدام أدوات حاسوبية ذكية (تعلم الآلة) للنظر في بيانات مدينتك الخاصة، وإيجاد المكونات المحددة التي تسبب المشاكل هناك، وبناء خريطة مخصصة.

باختصار: من خلال السماح للحواسيب الذكية باختيار المتغيرات الصحيحة، يمكننا رسم "خرائط خطر" أكثر دقة. وهذا يساعد المدن على توفير المال، والأهم من ذلك، إنقاذ الأرواح عبر إرسال المساعدة إلى حيث تشتد الحاجة إليها تماماً.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "دمج اختيار المتغيرات القائم على تعلم الآلة في تصميم مؤشر الهشاشة الحرارية."

1. بيان المشكلة

مع اشتداد حدة موجات الحر الشديدة بسبب تغير المناخ، يصبح التقييم الدقيق للهشاشة الحرارية أمراً بالغ الأهمية للتدخلات في مجال الصحة العامة. ومع ذلك، فإن أطر عمل مؤشر الهشاشة الحرارية (HVI) التقليدية، مثل منهجية تحليل المكونات الرئيسية (PCA) التي استخدمها ريد وآخرون (2009) على نطاق واسع، تعتمد على اختيار المتغيرات غير الخاضع للإشراف (unsupervised). تختار هذه الطرق المؤشرات بناءً على التباين الإحصائي دون الرجوع إلى النتائج الصحية الفعلية، مما قد يؤدي إلى الفشل في رصد المحركات المحددة للوفيات المرتبطة بالحرارة. علاوة على ذلك، فإن الطرق الخاضعة للإشراف (supervised) الحالية غالباً ما تعتمد على الانحدار الخطي البسيط، والذي قد يفشل في رصد العلاقات المعقدة وغير الخطية بين العوامل الاجتماعية والاقتصادية/الديموغرافية والنتائج الصحية. ومن هنا تبرز الحاجة إلى تقييم منهجي لكيفية مساهمة اختيار المتغيرات الخاضع للإشراف، لا سيما باستخدام خوارزميات تعلم الآلة (ML)، في تحسين الأداء التنبؤي لمؤشرات الهشاشة الحرارية مقابل بيانات الوفيات الواقعية.

2. المنهجية

استخدمت الدراسة مدينة شيكاغو، إلينوي (77 منطقة مجتمعية) كحالة دراسية، حيث دمجت بيانات بيئية، واجتماعية واقتصادية، وديموغرافية، وبيانات وفيات عالية الدقة من عام 1993 إلى 2019.

إعداد البيانات

مقياس التعرض: مؤشر الحرارة (HI) الأدنى اليومي المستمد من درجة الحرارة والرطوبة. تم تعريف "أيام الحرارة" بأنها يومان متتاليان على الأقل حيث يكون مؤشر الحرارة > 70 درجة فهرنهايت (21.1 درجة مئوية).
متغير النتيجة: الوفيات الزائدة المرتبطة بالحرارة (الوفيات المرصودة في أيام الحرارة ناقص الوفيات المتوقعة في غير أيام الحرارة).
المؤشرات المرشحة: 10 مؤشرات مستمدة من دراسة ريد وآخرون (2009)، تشمل:
- الديموغرافيا: الفئة العمرية > 65 عاماً، العيش بمفرد، العرق (أسود، هسباني)، التعليم (أقل من الثانوية العامة).
- الوضع الاجتماعي والاقتصادي: معدل الفقر.
- الصحة: انتشار مرض السكري.
- البيئة: نقص المساحات الخضراء.
- البنية التحتية: عدم توفر تكييف الهواء (AC).

إطار المقارنة

أنشأ المؤلفون ستة نماذج مختلفة لمؤشر الهشاشة الحرارية (HVI)، وجميعها تستخدم تحليل المكونات الرئيسية (PCA) لتقليل الأبعاد، ولكنها تختلف في خطوة اختيار المتغيرات قبل تطبيق PCA:

مؤشر الهشاشة الحرارية غير الخاضع للإشراف (الأساس): يستخدم جميع المؤشرات العشرة المختارة مسبقاً دون تصفية قائمة على النتائج (منهجية ريد وآخرون).
مؤشر الهشاشة الحرارية الخاضع للإشراف (الإحصاء التقليدي):
- الانحدار الخطي البسيط (SLR): يحتفظ بالمؤشرات التي تكون قيمة $p < 0.05$ .
- الانحدار متعدد الحدود (PR): يحتفظ بالمؤشرات ذات الحدود غير الخطية الهامة ( $p < 0.05$ ).
مؤشر الهشاشة الحرارية الخاضع للإشراف (تعلم الآلة):
- انحدار لاسو (Lasso Regression): استخدام تنظيم L1 لتقليص المعاملات إلى الصفر.
- الغابة العشوائية (Random Forest - RF): طريقة تجميع الأشجار باستخدام أهمية التبديل خارج العينة (OOB).
- إكس جي بوست (XGBoost):* تعزيز التدرج باستخدام متوسط الكسب لأهمية الميزات.

التقييم

تم التحقق من أداء مؤشرات الهشافة الحرارية الناتجة مقابل الوفيات الزائدة المرتبطة بالحرارة على مستوى المجتمع باستخدام:

المقاييس المستمرة: معامل ارتباط سبيرمان ( $\rho$ )، متوسط الخطأ المطلق (MAE)، ومتوسط مربع الخطأ (MSE).
المقاييس الفئوية: الدقة (Accuracy) ومقياس F1-score (بعد تصنيف درجات مؤشر الهشافة والوفيات إلى 4 مستويات من الهشاشة).
تحليل الحساسية: اختبار المتانة ضد تعريفات الحرارة البديلة (الحد الأقصى لمؤشر الحرارة > 110 درجة فهرنهايت)، وتوحيد الوفيات حسب العمر، وتأثيرات التأخير (lag effects).

3. النتائج الرئيسية

نتائج اختيار المتغيرات

المؤشرات القوية: عبر معظم الطرق، تم تحديد معدل الفقر، وعدم توفر تكييف الهواء، والفئة العمرية > 65 عاماً باستمرار كأهم محددات الهشاشة الحرارية في شيكاغو.
المؤشرات غير المتسقة: نادراً ما تم اختيار مؤشري "العيش بمفرد" ونسبة السكان من "الهسبان/اللاتينيين"، مما يشير إلى أنهما أقل متانة في التنبؤ على مستوى المجتمع في هذا السياق مقارنة بالعوامل الهيكلية مثل الفقر والوصول إلى التبريد.
الاختلافات بين الطرق:
- نجحت الغابة العشوائية (RF) وإكس جي بوست (XGBoost) في رصد التفاعلات غير الخطية بفعالية.
- استبعد لاسو (Lasso) متغير "عدم توفر تكييف الهواء" على الأرجثل بسبب ارتباطه بالفقر، مما يظهر قصوراً في التعامل مع تعدد الارتباط (multicollinearity) لمتغيرات معينة.

أداء النماذج

الأفضل أداءً: حقق مؤشر الهشافة الحرارية القائم على الغابة العشوائية (RF) أعلى أداء عبر جميع المقاييس:
- ارتباط سبيرمان: $\rho = 0.37$ (مقابل 0.29 للنموذج غير الخاضع للإشراف).
- التصنيف: الدقة = 0.49 و F1-score = 0.51 (مقابل 0.32/0.35 للنموذج غير الخاضع للإشراف).
- يمثل هذا زيادة نسبية قدرها ~53% في الدقة مقارنة بالنموذج الأساسي غير الخاضع للإشراف.
الأنماط المكانية: حددت جميع النماذج هشاشة أعلى في المجتمعات الجنوبية والغربية من شيكاغو، لكن نموذج RF قدم أكثر توافق مكاني دقيق مع تجمعات الوفيات المرصودة.
الحساسية: ظل تحديد الفقر، والوصول إلى التكييف، والفئة العمرية > 65 عاماً متيناً عبر مختلف تعريفات الحرارة وسيناريوهات توحيد الوفيات حسب العمر.

4. المساهمات الرئيسية

التقدم المنهجي: يثبت أن دمج اختيار المتغيرات القائم على تعلم الآلة الخاضع للإشراف في إطار عمل PCA التقليدي يتفوق بشكل كبير على كل من الطرق غير الخاضعة للإشراف ومناهج الانحدار الخطي التقليدية.
الرؤية الخوارزمية: يحدد الغابة العشوائية (RF) كخوارزمية اختيار متفوقة لهذا التطبيق المحدد، ويرجع ذلك على الأرجح لقدرتها على نمذجة العلاقات غير الخطية والتفاعلات المعقدة بين العوامل الاجتماعية والاقتصادية والبيئية دون الإفراط في التخصيص (overfitting) على أحجام العينات الصغيرة ( $n=77$ ).
التحقق السياقي: يؤكد أنه بينما قد تكون بعض المؤشرات (مثل الفقر، والتكييف) مهمة عالمياً، فإن الجمع المحدد للمحركات يعتمد بشدة على السياق. وتثبت الدراسة أن مجموعات المؤشرات "الموحدة للجميع" هي دون المستوى الأمثل؛ لذا فإن الاختيار المحلي القائم على النتائج ضروري.
الأهمية السياساتية: يوفر إطار عمل مدفوعاً بالبيانات للمدن لتحديد أولويات الموارد (مراكز التبريد، تحسينات الإسكان) بناءً على المؤشرات التي ترتبط إحصائياً بالوفيات الفعلية، بدلاً من الاعتماد فقط على الهشافة النظرية.

5. الأهمية والقيود

الأهمية: تجسر هذه الدراسة الفجوة بين علم الأوبئة في الصحة العامة وتعلم الآلة، حيث تقدم سير عمل قابلاً للتكرار لتنقيح تقييمات الهشافة. وهي تسلط الضوء على أن معدل الفقر، وعدم توفر تكييف الهواء، وكبار السن هي المحركات الهيكلية الأساسية لوفيات الحرارة في شيكاغو.
القيود:
- حجم العينة: اقتصر التحليل على 77 منطقة مجتمعية، مما حد من تعقيد النماذج التي يمكن تدريبها (على سبيل المثال، كان أداء XGBoost ضعيفاً، وربما بسبب الحساسية للضوضاء في مجموعات البيانات الصغيرة).
- نطاق المؤشرات: اقتصرت الدراسة على المؤشرات من إطار عمل ريد وآخرون (2009) لاختبار المنهجية وليس لبناء نموذج تنبؤي مثالي. وبناءً عليه، فإن معاملات الارتباط ( $\rho \approx 0.37$ ) تشير إلى وجود مجال للتحسين إذا تم تضمين مؤشرات أكثر تنوعاً ومحلية (مثل كثافة غطاء الأشجار، عمر المباني، مقاييس العزلة الاجتماعية).
- القدرة على التعميم: قد تختلف الطريقة "الأفضل" (RF) من مدينة لأخرى بناءً على الهياكل السكانية المختلفة أو توفر البيانات.

الخلاصة: تخلص الورقة إلى أنه بينما توفر مؤشرات الهشافة الحرارية غير الخاضعة للإشراف نقطة انطلاق مفيدة، فإن اختيار المتغيرات الخاضع للإشراف والمستند إلى النتائج — وتحديداً باستخدام طرق تعلم الآلة التجميعية مثل الغابة العشوائية — يعزز بشكل كبير القدرة على رصد المخاطر الصحية المرتبطة بالحرارة، مما يدعم استراتيجيات التكيف مع المناخ بشكل أكثر إنصافاً وفعالية.