Rethinking respiratory disease forecasting: temporal heterogeneity between surveillance predictors and outcomes drives forecast instability
تُظهر هذه الدراسة أن العلاقات غير المستقرة والمتغيرة موسمياً بين مختلف مؤشرات المراقبة ونتائج الأمراض التنفسية تقوض فعالية نماذج التنبؤ الثابتة والتدريب التاريخي طويل الأمد، مما يستلزم استراتيجيات تكيفية وتقييماً مستمراً لتحسين دقة التنبؤ.
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
في كل شتاء، يعود إيقاع مألوف: تبدأ الفيروسات التي تسبب نزلات البرد والإنفلونزا وغيرها من أمراض الجهاز التنفسي في الانتشار، مما يدفع المستشفيات نحو أقصى حدود طاقتها ويجبر المجتمعات على اتخاذ خيارات صعبة بشأن السلامة والرعاية. بالنسبة لمسؤولي الصحة العامة، يتمثل الهدف في توقع هذه الموجات قبل وصولها، مما يسمح لهم بتجهيز المستشفيات، وتعديل الكوادر الطبية، وتوجيه النصائح للجمهور. ولتحقيق ذلك، بنى العلماء أنظمة تنبؤ تعمل مثل تقارير الطقس للأمراض. وبدلاً من تتبع سحب المطر، تتتبع هذه الأنظمة علامات العدوى في المجتمع، مثل عدد الأشخاص الذين يزورون غرف الطوارئ بسبب السعال، أو عدد اختبارات الفيروس التي تعود بنتيجة إيجابية، أو حتى كمية الفيروس التي تجري عبر أنظمة الصرف الصحي في المدينة. الفكرة الأساسية كانت تكمن منذ زمن طويل في أنه إذا نظرت إلى قدر كافٍ من التاريخ، يمكنك العثور على نمط ثابت: وهو أن العلاقة بين علامات الإنذار المبكر وعدد الأشخاص الذين ينتهي بهم المطاف في المستشفى تظل ثابتة بمرور الوقت. ولو كان هذا صحيحاً، لكان النموذج الذي تم تدريبه على سنوات من البيانات الماضية سيصبح ببساطة أفضل وأكثر دقة مع تعلم المزيد.
ومع ذلك، تتحدى دراسة جديدة من جامعة يوتا هذا الافتراض المريح. فقد سعى الباحثون هناك لاختبار ما إذا كانت هذه العلاقات بين علامات الإنذار المبكر وحالات الدخول إلى المستشفى تظل كما هي بالفعل، أم أنها تتغير وتتبدل مع تغير الفيروسات نفسها. لقد نظروا في البيانات الخاصة بتهديدين رئيسيين للجهاز التنفسي: فيروس سارس-كوف-2 (SARS-CoV-2)، وهو الفيروس المسبب لمرض كوفيد-19، والإنفلونزا. وجمعوا مجموعة واسعة من المعلومات، بما في ذلك الأعداد اليومية لدخول المستشفيات مقسمة حسب العمر، وزيارات غرف الطوارض حيث يعاني المرضى من أعراض هذه الأمراض، ونسبة اختبارات الفيروس التي جاءت إيجابية، وقياسات تركيز الفيروس في مياه الصرف الصحي. ومن خلال مقارنة هذه التدفقات المختلفة من البيانات مقابل أرقام المستشفيات الفعلية على مدار عدة سنوات، اكتشف الفريق أن الروابط بين علامات التحذير والنتائج بعيدة كل البعد عن الاستقرار. فالأنماط التي كانت صحيحة خلال موسم واحد أو لنسخة واحدة من الفيروس غالباً ما انهارت خلال الموسم التالي.
وجد الباحثون أنه عندما نظروا إلى جميع البيانات من سنوات متعددة في آن واحد، أشارت الأرقام إلى وجود رابط قوي ومتسق بين علامات التحذير ودخول المستشفيات. بدا الأمر وكأن زيادة زيارات غرف الطوارج ستتبعها حتماً زيادة في حالات دخول المستشفيات. لكن هذه الرؤية كانت مضللة. فعندما ركز العلماء في فحص فترات زمنية محددة، مثل الأوقات التي ظهرت فيها سلالة جديدة من الفيروس أو خلال موسم إنفلونزا معين، فإن تلك الروابط القوية غالباً ما اختفت أو حتى انعكست. فعلى سبيل المثال، خلال الموجات الأولى للجائحة، لم تكن بيانات الأطفال والبالغين تتحرك معاً؛ فما كان يحدث في إحدى المجموعتين لم يخبرنا بالكثير عما يحدث في الأخرى. ولاحقاً، ومع ظهور متحورات جديدة، تغيرت العلاقات مرة أخرى. وكان الشيء نفسه ينطبق على الإنفلونزا، حيث تغيرت العلاقة بين إشارات مياه الصرف الصحي وأرقام المستشفيات من موسم إلى آخر. وهذا يعني أن النموذج المبني على افتراض أن "المزيد من التاريخ يعني تنبؤاً أفضل" هو في الواقع يدرب نفسه على أنماط لم تعد موجودة، مما قد يجعل توقعاته أقل دقة.
ولرؤية كيف لعب ذلك دوراً في الممارسة العملية، قام الفريق بتشغيل عشرات النماذج المختلفة للتنبؤ بدخول المستشفيات. واختبروا طريقتين رئيسيتين لتعليم هذه النماذج: استخدمت إحدى الطريقتين نافذة ثابتة من البيانات الحديثة، بينما استمرت الأخرى في إضافة سنوات أقدم وأقدم إلى المزيج، بافتراض أن تاريخاً أكبر سيساعد. وكانت النتائج مفاجئة؛ فالنماذج التي استمرت في تكديم البيانات التاريخية القديمة أدت عموماً بشكل أسوأ من تلك التي ركزت فقط على الأسابيع الأخيرة. وفي كثير من الحالات، فشلت النماذج التي تدربت على أطول تاريخ من البيانات في التنبؤ بنقاط التحول في تفشي المرض، مثل متى بدأت الحالات في الارتفاع أو متى بدأت في الانخفاض. وكانت النماذج التي تتكيف بسرعة مع الوضع الحالي، متجاهلة الماضي البعيد، أكثر موثوقية في كثير من الأحيان. وهذا يشير إلى أن عالم فيروسات الجهاز التنفسي شديد السيولة بحيث لا يمكن تطبيق معادلة ثابتة واحدة عليه. إن الطريقة التي يتصرف بها الفيروس، وكيفية بحث الناس عن الرعاية الطبية، وكيف يظهر الفيروس في مياهنا وعياداتنا، كلها أمور في حالة من التغير المستمر.
كما كشفت الدراسة أنه لا يوجد نوع واحد من النماذج أو مصادر البيانات يمثل حلاً سحرياً. فالطريقة التي قد تعمل بشكل مثالي خلال موجة واحدة من الجائحة قد تفشل تماماً خلال الموجة التالية. وبالمثل، فإن النموذج الذي تنبأ بذروة الإنفلونزا بدقة في عام ما، قد يخطئ الهدف في الموسم التالي. ووجد الباحثون أن النهج الأفضل لم يكن الاعتماد على نموذج واحد "أفضل"، بل استخدام مجموعة متنوعة من العديد من النماذج المختلفة التي تعمل معاً. ومن خلال الجمع بين تنبؤات العديد من المناهج المختلفة، يمكن للنظام أن يظل قوياً حتى عندما تتغير القواعد الأساسية للمرض. هذا النهج يقر بأن المستقبل ليس مجرد إعادة عرض للماضي. فبدلاً من افتراض أن الماضي يحمل مفتاح المستقبل، يحتاج متنبئو الصحة العامة إلى التحقق باستمرار مما إذا كانت أدواتهم لا تزال تعمل، وأن يكونوا مستعدين لتكييف أساليبهم مع تطور الفيروس.
في نهاية المطاف، يشير العمل القادم من يوتا إلى أن التنبؤ بأمراض الجهاز التنفسي ليس كالتنبؤ بالطقس، حيث تظل فيزياء الغلاف الجوي ثابتة إلى حد كبير، بل هو أشبه بالملاحة في نهر يغير مساره باستمرار. فالمياه تتدفق بشكل مختلف اعتماداً على الموسم، والمطر، والتضاريس. وخلص الباحثون إلى أنه لكي تظل متقدمة على هذه الفيروسات، يجب على أنظمة الصحة العامة التخلي عن فكرة النموذج الواحد المثالي المدرب على كل التاريخ المتاح. وبدلاً من ذلك، يجب عليهم بناء أنظمة مرنة يمكنها تقييم أدائها في الوقت الفعلي، والتخلي عن الافتراضات القديمة عندما لا تعود مناسبة، والاعتماد على مجموعة متنوعة من المنظورات المختلفة لفهم مشهد متغير. ويتطلب هذا شراكة مستمرة بين العلماء ومسؤولي الصحة العامة، لضمان أن تكون الأدوات المستخدمة لحماية المجتمعات ديناميكية واستجابية بقدر التهديدات التي صُممت لتتبعها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.