Forecast-to-warning for Injury Surveillance in Megacity based on Seasonal and Holiday Effects: A District-level Study

تخيل أنك تحاول التنبؤ بالطقس في حيك. أنت تعلم أن المطر غالبًا ما يأتي في مواسم، وتعلم أن العواصف قد تضرب بقوة أكبر بعد عطلة كبيرة حيث يكون الجميع في الخارج للاستمتاب. في عالم الصحة العامة، يقوم العلماء بشيء مشابه ولكن باستخدام الإصابات بدلاً من المطر. إنهم يحتفظون بسجل يومي لعدد الأشخاص الذين يتعرضون للأذى ويهرعون إلى المستشفى. يسمى هذا الترصد. عادةً، تُستخدم هذه السجلات فقط للنظر إلى الماضي والقول: "أوه، أصيب المزيد من الناس بسبب ركوب الدراجات في شهر يوليو". ولكن ماذا لو استطعنا النظر إلى الأمام؟ ماذا لو استطعنا القول: "مهلاً، الثلاثاء القادم قد يكون يومًا خطيرًا، لذا دعونا نجهز أطباء إضافيين"؟ هذا هو هدف التنبؤ. للقيام بذلك، يستخدم العلماء نماذج رياضية تعمل مثل الكرات البلورية، تحاول إيجاد أنماط في فوضى الحياة اليومية، مثل إيقاع الأسبوع أو الفوضى الخاصة بالعطلات الرسمية. السؤال الكبير هو: هل يمكننا تحويل هذه التنبؤات الرياضية إلى نظام تحذير ملون وبسيط — مثل إشارة المرور — يخبر المستشفيات متى تكون في حالة تأهب قصوى؟

هذه الورقة هي قصة محاولة بناء نظام "إشارة المرور" هذا لمدينة ضخمة وسريعة للغاية وهي شينزين في الصين. نظر الباحثون في أربعة مستشفيات مختلفة في أحياء مختلفة وسألوا: "هل يمكننا التنبؤ بطفرات الإصابات قبل حدوثها، خاصة حول العطلات الكبيرة مثل مهرجان الربيع؟" لقد اختبروا عدة "كرات بلورية" مختلفة (نماذج رياضية) لمعرفة أي منها يعمل بشكل أفضل. ووجدوا أنه بينما لا يوجد نموذج واحد مثالي لكل مستشفى، فإن أداة تسمى Prophet كانت جيدة بشكل خاص في تخمين اتجاه التغيير — أي إخبارهم ما إذا كانت الإصابات على وشك الارتفاع أو الانخفاض. كما اكتشفوا أن العطلات أمر بالغ الأهمية؛ فعلى سبيل المثال، خلال مهرجان الربيع، انخفضت أعداد الإصابات في بعض المستشفيات لأن الناس ذهبوا إلى منازلهم مع عائلاتهم، ولكن خلال عيد العمال، ارتفعت في مناطق أخرى لأن العمال كانوا في الخارج يستمتعون بوقتهم.

ومع ذلك، فإن الجزء الأكثر إثارة للاهتمام في القصة هو "إشارة المرور" نفسها. حاول الباحثون تحويل تنبؤاتهم الرياضية إلى ثلاثة ألوان: الأخضر (طبيعي)، الأصفر (حذر)، والأحمر (خطر). إليك المفاجأة: مجرد كون الرياضيات جيدة في تخمين العدد الدقيق للإصابات لا يعني أنها جيدة في تخمين اللون الصحيح. كان النظام جيدًا بما يكفي لقول "أخضر" عندما تكون الأمور هادئة، لكنه واجه صعوبة في التقاط الأيام "الصفراء" أو "الحمراء". لقد فاتته الكثير من الأيام عالية المخاطر أو ارتبك بشأن متى يبدأ الخطر. تشير الورقة إلى أنه بينما يمكننا التنبؤ بالإصابات، فإن تحويل تلك الأرقام إلى نظام تحذير موثوق هو أمر صعب. الأمر يشبه امتلاك تطبيق للطقس يعرف أن السماء ستمطر ولكنه لا يستطيع إخبارك بالضبط متى تحتاج إلى المظلة. ويخلص المؤلفون إلى أنه لجعل هذا يعمل في الحياة الواقعية، يحتاج كل مستشفى إلى إعداداته الخاصة.

قصة كرة الإصابات البلورية

الإعداد: مدينة بالملايين وجبل من البيانات
شينزين هي مدينة عملاقة، مكان يتحرك فيه ملايين الأشخاص، يعملون ويلعبون كل يوم. ولأنها كبيرة ومزدحمة جدًا، تحدث الإصابات طوال الوقت. تمتلك المدينة شبكة من "المستشفيات الحارسة" (فكر فيها كأنها تقارير الإصابات الرئيسية للمدينة) التي تعد كل إصابة تمر عبر غرفة الطوارئ. حصل الباحثون على أعداد الإصابات اليومية من أربعة من هذه المستشفيات: باوان، قوانغمينغ، نانشان، ولونغغانغ. أرادوا معرفة ما إذا كان بإمكانهم التنبؤ بعدد الإصابات المستقبلي للأسبوع التالي.

الأدوات: خمس كرات بلورية مختلفة
لإجراء تنبؤاتهم، لم يعتمد الفريق على التخمين؛ بل استخدموا خمس "كرات بلورية" رياضية (نماذج) وقارنوا بينها لمعرفة أيها الأكثر حدة:

1. ARIMA و SARIMA: هذه هي النماذج الكلاسيكية القديمة. وهي رائعة في إيجاد الأنماط التي تتكرر كل أسبوع أو كل عام، مثل الساعة.
2. SARIMAX: هو النموذج الكلاسيكي ولكن مع ميزة إضافية: يمكنه النظر في العوامل الخارجية، مثل العطلات.
3. LSTM: هذه "شبكة عصبية" حديثة ومتطورة (نوع من أنواع الذكاء الاصطناعي) تحاول تعلم الأنماط المعقدة من خلال القراءة عبر كميات هائلة من البيانات الماضية، تمامًا مثل طالب يحفظ كل كتاب مدرسي.
4. Prophet: هذه أداة أحدث مصممة لتكون مرنة. فهي تفكك البيانات إلى اتجاه (هل هو في صعود أم هبوط؟)، وموسمية (هل يحدث ذلك كل أسبوع؟)، وعطلات. إنها مثل طباخ يعرف بالضبط مقدار الملح الذي يجب إضافته بناءً على يوم الأسبوع والموسم.

التجربة: رمي النرد
لم يختبر الباحثون هذه النماذج مرة واحدة فقط. لقد استخدموا طريقة "النافذة المتدحرجة". تخيل أنك تتنبأ بالطقس للأسبوع المقبل. تستخدم بيانات من الماضي لتقديم تخمين، ثم تنتظر أسبوعًا، لترى ما حدث بالفعل، وتضيف تلك البيانات الجديدة إلى تاريخك، وتضع تخمينًا جديدًا للأسبوع التالي. فعلوا ذلك مرارًا وتكرارًا لكل مستشفى.

النتائج: ليس هناك مقاس واحد يناسب الجميع
هنا تصبح القصة مثيرة للاهتمام. وجد الباحثون أنه لا يوجد نموذج واحد فائز للجميع.

• بالنسبة لمستشفيات باوان وقوانغمينغ، كان Prophet هو البطل. فقد قدم أكثر التخمينات دقة بشأن الأرقام وكان الأفضل في تحديد ما إذا كان عدد الإصابات في ارتفاع أو انخفاض.
• بالنسبة لمستشفى نانشان، كان نموذج LSTM (نموذج الذكاء الاصطناعي) هو الأفضل في تخمين الأرقام الدقيقة.
• بالنسبة لمستشفى لونغغانغ، قام نموذج ARIMA التقليدي بأفضل عمل فيما يتعلق بالأرقام.

لقد تعلموا درسًا كبيرًا من هذا: لا يمكنك ببساطة اختيار نموذج واحد "أفضل" للمدينة بأكملها. كل مستشفى يشبه حيًا مختلفًا له شخصيته الخاصة، ويجب ضبط النموذج ليتناسب مع ذلك المكان المحدد.

تأثير العطلة: عندما يغير التقويم قواعد اللعبة
أراد الباحثون أيضًا معرفة: هل تعطل العطلات التنبؤات؟ في الصين، تعتبر العطلات مثل مهرجان الربيع (رأس السنة الصينية) واليوم الوطني أمورًا ضخمة. الناس يسافرون، والحفلات تقام، والروتين يتغير.

• وجدوا أن مهرجان الربيع كان أمرًا ذا شأن كبير. في جميع المستشفيات تقريبًا، انخفضت أعداد الإصابات خلال هذا الوقت. يبدو أنه عندما يعود الجميع إلى منازلهم مع عائلاتهم، تهدأ المدينة، ويقل عدد المصابين في المدينة.
• أما عيد العمال فكان مختلفًا. في لونغغانغ، ارتفعت أعداد الإصابات. خمن الباحثون أن هذا قد يكون بسبب خروج العمال في تلك المنطقة للاستمتاع أو السفر أو القيام بأنشطة خارجية بدلاً من التواجد في مصانعهم.
• جربوا "نوافذ" زمنية مختلفة لمعرفة مدى استمرار تأثير العطلة. اختبروا ما إذا كان التأثير يستمر لمدة يوم واحد، أو 3 أيام، أو 5 أيام، أو 7 أيام قبل وبعد العطلة. وجدوا أن نافذة الـ 5 أيام (يومان قبل العطلة، العطلة نفسها، ويومان بعدها) كانت عادةً هي النقطة المثالية، لكن الأمر اختلف من مستشفى لآخر.

إشارة المرور: أخضر، أصفر، أحمر
الهدف النهائي لم يكن مجرد تخمين رقم مثل "42 إصابة غدًا". أرادوا تحويل ذلك الرقم إلى تحذير بسيط:

• الأخضر: كل شيء طبيعي.
• الأصفر: كن حذرًا، قد يكون العمل مزدحمًا.
• الأحمر: خطر! استعد لزيادة مفاجئة.

وضعوا قواعد لتحويل الأرقام المتوقعة إلى هذه الألوان. على سبيل المثال، إذا كان الرقم المتوقع أعلى من المتوسط مع إضافة بسيطة، فإنه يتحول إلى الأصفر. وإذا كان أعلى بكثير، فإنه يتحول إلى الأحمر.

المشكلة: الضوء كان يرتعش
هذا هو الجزء الصعب. على الرغم من أن النماذج كانت جيدة في تخمين الأرقام، إلا أنها لم تكن جيدة في تخمين الألوان.

• الأخضر عمل بشكل جيد. كان النظام جيدًا في قول "إنه يوم عادي".
• الأصفر كان في حالة فوضى. عانى النظام من التمييز بين اليوم العادي واليوم المزدحم قليلاً. لقد فاتته الكثير من الأيام الصفراء.
• الأحمر كان أيضًا غير مستقر. في بعض المستشفيات، التقط النظام الأيام الحمراء، ولكن في مستشفيات أخرى (مثل نانشان)، فاتته معظم الوقت.

أدرك الباحثون أن كونك "قريبًا" من الرقم الصحيح لا يعني أنك تحصل على التحذير الصحيح. يمكن للنموذج أن يكون بعيدًا قليًا عن الرقم ومع ذلك يعطي اللون الخطأ، وهو أمر كبير الخطورة إذا كنت تحاول إنقاذ الأرواح.

الخلاصة: التخصيص أو الفشل
تنتهي الورقة برسالة واضحة: يمكننا التنبؤ بالإصابات، ويمكننا استخدام العطلات للمساعدة، لكن لا يمكننا استخدام نهج "مقاس واحد يناسب الجميع".

• لا تستخدم نفس النموذج لكل مستشفى. بعضها يحتاج إلى ذكاء اصطناعي، وبعضها يحتاج إلى رياضيات تقليدية، وبعضها يحتاج إلى أداة Prophet المرنة.
• لا تفترض أن العطلات تؤثر على الجميع بنفس الطريقة. مهرجان الربيع قد يهدئ الأمور في منطقة ما ولكنه قد يسبب طفرة في منطقة أخرى.
• نظام التحذير يحتاج إلى عمل. تحويل الأرقام إلى ضوء أحمر/أصفر/أخضر بسيط هو أمر أصعب مما يبدو. يحتاج النظام إلى اختبار وضبط خصيصًا لكل مستشفى قبل أن يمكن الوثوق به لإخبارهم متى يستدعون موظفين إضافيين.

باختًا، بنى الباحثون أداة رائعة للمدينة، لكنهم تعلموا أنه لجعلها تعمل، عليك أن تعامل كل مستشفى كفرد فريد، وليس كمجرد رقم في جدول بيانات.