TDA Engine v2.1: A Computational Framework for Detecting Structural Voids in Spatially Censored Epidemiological Data with Temporal Classification and Causal Inference

Het TDA Engine v2.1-framework maakt gebruik van topologische data-analyse om structurele gegevensgaten in epidemiologische data te detecteren en te classificeren op basis van tijdsduur en waarschijnlijke oorzaken, waardoor beleidsmakers natuurlijke lacunes kunnen onderscheiden van mogelijke onderdrukking.

De kern

De "Stilte-detectie" voor Gezondheidszorg: Een Simpele Uitleg van de TDA Engine

Stel je voor dat je een kaart tekent van alle ziekenhuizen en klinieken in een groot gebied, bijvoorbeeld in Kenia. Normaal gesproken kijken we naar de kaart om te zien waar de hulp is: "Hier is een ziekenhuis, daar is een kliniek." Maar wat als er een plek op de kaart is die leeg is?

Dat is het grote probleem waar deze wetenschappelijke studie over gaat. Een lege plek op de kaart kan twee dingen betekenen:

1. Er wonen gewoon niemand (bijvoorbeeld in een meer of een bos).
2. Er wonen heel veel mensen, maar er is geen enkele hulp en niemand meldt ziektes. Dit is een "stilte" die gevaarlijk is, omdat het kan betekenen dat mensen ziek zijn maar niet geholpen kunnen worden, of dat de gegevens niet worden doorgestuurd.

De oude methoden om naar deze lege plekken te kijken, waren als een vage wazige foto. Ze maakten de lege plekken vaak onzichtbaar of dachten dat het gewoon een klein gebrek aan data was.

De Nieuwe Oplossing: De "Stilte-Meter"
De auteur, Grold Otieno Mboya, heeft een nieuwe computerprogramma ontwikkeld (genaamd TDA Engine v2.1) dat als een super-scherpe lantaarn door de kaart schijnt. In plaats van te kijken naar hoeveel mensen er zijn, kijkt deze engine naar de vorm van de lege plekken.

Hier is hoe het werkt, vertaald naar alledaagse beelden:

1. Het Meten van de Afstand (De "Zwemmen in de Leegte" Analogie)

Stel je voor dat je in een zwembad staat. Als je dicht bij de rand staat, is het niet ver om te zwemmen. Maar als je midden in een enorm, leeg zwembad staat, is de afstand tot de dichtstbijzijnde rand heel groot.

• De oude methode: Keek alleen naar hoe vol het zwembad was.
• De nieuwe methode (DTM): Meet precies hoe ver je moet zwemmen voordat je een andere zwemmer (een ziekenhuis) tegenkomt. Als je in een gebied zit waar je kilometers moet zwemmen voordat je hulp vindt, terwijl er toch mensen wonen, dan is dat een Structurale Leegte. Dat is een rode vlag.

2. Geen Gokjes meer (De "Slimme Schaar")

Vroeger moesten onderzoekers een giswerk doen: "Laten we zeggen dat alles wat verder dan 5 kilometer is, een probleem is." Dat was willekeurig.
Deze nieuwe engine gebruikt een slim algoritme (de "Kneedle") dat zelf de kaart bekijkt en zegt: "Kijk, hier verandert de afstand plotseling heel hard. Dat is het punt waar we de schaar moeten zetten." Het kiest dus geen willekeurige getallen, maar kijkt naar de echte vorm van de data.

3. Is het een storing of een echte leegte? (De "Tijdmeter")

Soms is een plek even stil omdat het weekend is of omdat er een storm was (tijdelijk). Soms is het stil omdat er nooit hulp is (permanent).
De engine gebruikt een tijds-analyse (een soort "herinneringsmachine" die heet HMM):

• Stochastisch (Willekeurig): "Oh, deze week was het stil, maar vorige week niet. Geen paniek."
• Structuraal (Echt probleem): "Het is al 6 maanden stil. Dit is geen toeval, dit is een structureel probleem."
  Dit helpt de gezondheidsdiensten om te weten waar ze echt naartoe moeten gaan, in plaats van tijd te verspillen aan tijdelijke storingen.

4. Waarom is het stil? (De "Detective")

Als de engine een probleem vindt, probeert hij te raden waarom:

• Grens: "Misschien wonen mensen hier, maar melden ze zich in het buurland?"
• Toegang: "Is het een modderpad waar niemand komt?"
• Infrastructuur: "Is er gewoon geen ziekenhuis in de buurt?"
• Systeem: "Zijn er ziekenhuizen, maar werkt de computer niet?"
  Dit geeft de onderzoekers een hint: "Ga niet naar het ziekenhuis kijken, maar check de wegen!" of "Check de computersystemen!"

5. Hoe ernstig is het? (De "Ziekte-Alarm")

De engine kijkt ook naar welke ziektes er zouden moeten zijn (zoals malaria of tuberculose) en vergelijkt dat met wat er werkelijk wordt gemeld. Als er in een gebied 1000 malaria-gevallen zouden moeten zijn, maar er wordt er 0 gemeld, dan is dat een kritiek alarm. Het systeem geeft een score: "Dit is een klein probleem" of "Dit is een ramp."

Wat betekent dit voor de wereld?

Vroeger keken beleidsmakers naar een kaart en zagen alleen waar de hulp was. Nu kunnen ze ook zien waar de hulp ontbreekt en waarom.

Het is belangrijk om te weten: deze engine is geen bewijs dat iemand liegt of bedriegt. Het is een zoeklicht. Het zegt: "Kijk hier, hier is iets raars aan de hand. Ga dit controleren." Het helpt om geld en hulp te sturen naar de plekken waar het het hardst nodig is, in plaats van te raden.

Kortom:
Deze studie is als het ontwikkelen van een nieuwe bril voor gezondheidsbestuurders. Met deze bril zien ze niet alleen de gebouwen, maar ook de donkere hoeken in de kaart die ze eerder over het hoofd zagen, en ze krijgen een kaartje met tips over hoe ze die donkere hoeken moeten oplossen.

Technische samenvatting

1. Probleemstelling

In de volksgezondheidstoezicht is de afwezigheid van data (stilte) vaak significanter dan de aanwezigheid ervan. Traditionele epidemiologische kaarten en ruimtelijke statistieken (zoals Kernel Density Estimation - KDE, Voronoi-diagrammen en SaTScan) zijn ontworpen om data-dichtheid te visualiseren, maar kampen met fundamentele beperkingen bij het interpreteren van lege ruimtes:

• Ze kunnen niet wiskundig onderscheid maken tussen stochastische leegte (natuurlijk gebrek aan data door lage bevolkingsdichtheid) en structurele leegte (systematische onderdrukking van rapportage of gebrek aan toegang).
• Bestaande methoden vervagen gaten door te gladstrijken, behandelen ze als randeffecten of vereisen willekeurige parameters.
• Er is een gebrek aan een rigoureus kader om deze "structurele voids" (leegtes) te detecteren, te valideren en te classificeren op basis van tijdsduur en waarschijnlijke oorzaak.

2. Methodologie

De auteurs introduceren TDA Engine v2.1, een computationeel kader dat Topological Data Analysis (TDA) toepast om de geometrische signatuur van data-afwezigheid te herstellen. De kernmethodologie omvat:

• Distance-to-Measure (DTM) Filtratie:
  • In plaats van de standaard afstandsfunctie (die gevoelig is voor uitbijters), wordt de DTM-functie gebruikt. Deze berekent de kwadratische gemiddelde afstand tot de $k$ dichtstbijzijnde buren, waarbij $k$ gebaseerd is op een massaparameter $m_0$ (vastgesteld op 0,05, wat overeenkomt met 95% verwachte rapportagevolledigheid).
  • Dit maakt de methode robuust tegen censuur (ontbrekende data).
• Adaptieve Drempelwaarde (Kneedle-algoritme):
  • Willekeurige drempels (zoals "1,5x de mediaan") worden vervangen door het Kneedle-algoritme. Dit analyseert de kromming van de DTM-verdeling om het "elleboogpunt" automatisch te vinden waar de groeisnelheid van de afstand het sterkst toeneemt.
• Statistische Validatie:
  • Een Monte Carlo-permutatietest onder de nulhypothese van Complete Ruimtelijke Willekeur (CSR) wordt gebruikt. De teststatistiek is het totale oppervlak van de gedetecteerde voids, niet het maximale DTM-waarde.
• Tijdrijclassificatie (v2.1 toevoeging):
  • Om te onderscheiden tussen permanente structurele stilte en tijdelijke fluctuaties, wordt een tweestapsbenadering gebruikt:
    1. Fano-factor: Meet de dispersie van de tijdreeks.
    2. Hidden Markov Model (HMM): Een twee-staten model (Silent vs. Reporting) dat de meest waarschijnlijke staatensequentie decodeert via de Viterbi-algoritme.
  • Resultaten worden geclassificeerd als STRUCTUREEL, INTERMITTENT of STOCHASTISCH.
• Causale Taxonomie:
  • Een beslissingsboom classificeert gedetecteerde voids in vijf categorieën op basis van covariaten (wegdichtheid, faciliteitsdichtheid, O/E-ratio, grensnabijheid):
    • BORDER: Grensdynamiek.
    • ACCESS: Fysieke onbereikbaarheid.
    • INFRASTRUCTURE: Gebrek aan faciliteiten.
    • SYSTEM: Data-pijpleidingfalen (faciliteiten zijn er, maar data komt niet binnen).
    • UNKNOWN: Vereist veldonderzoek.
• O/E Volledigheidsmotor:
  • Een "Observed-to-Expected" (O/E) ratio wordt berekend tegenover WHO-incidentiepercentages voor zeven ziekten (bijv. malaria, tuberculose, HIV). Dit normaliseert de ernst van de leegte ongeacht de ruwe aantallen.

3. Belangrijkste Bijdragen

Het artikel presenteert acht methodologische bijdragen:

1. Adaptieve drempelwaarde: Eliminatie van subjectieve parameters via het Kneedle-algoritme.
2. Kwantitatief validatiekader: Een censurerings-simulatieprotocol met bekende "ground truth" voor nauwkeurige meting.
3. Topologische stabiliteit: Bewijs dat de parameter $m_0 = 0,05$ binnen een stabiel plateau ligt.
4. Verbeterde statistische inferentie: Gebruik van het totale void-oppervlak als teststatistiek met betrouwbaarheidsintervallen.
5. Tijdrijclassificatie: Combinatie van Fano-factor en HMM voor het onderscheiden van persistente versus toevallige stilte.
6. Causale taxonomie: Een actiegericht classificatiesysteem voor rapportage-falenmechanismen.
7. O/E Volledigheidsmotor: Standaardisatie van ernst over verschillende ziekten en populaties.
8. Duidelijke scope: Formele beperkingen die benadrukken dat geometrische anomalieën geen bewijs van onderdrukking zijn, maar wel aanleiding geven tot onderzoek.

4. Resultaten

De TDA Engine v2.1 werd gevalideerd tegen synthetische data en publieke gezondheidsfaciliteitsdata uit Kenia (Nyanza-regio):

• Ruimtelijke Nauwkeurigheid: De engine bereikte een Jaccard-index van 0,82 (95% CI: 0,74–0,89) bij het detecteren van gesimuleerde onderdrukkingszones. Dit is significant beter dan KDE (0,45) en relatieve risicosurfaces (0,38).
• Locatieprecisie: De fout in het zwaartepunt (centroid error) was gemiddeld 342 meter.
• Tijdsclassificatie: De classifier labelde 91% van de structureel stille eenheden correct in validatiedatasets.
• Statistische Significantie: Permutatietests leverden een p-waarde van 0,003 op, wat aantoont dat de gedetecteerde voids niet het gevolg zijn van toeval.
• Causale Classificatie: De taxonomie bereikte een algehele nauwkeurigheid van 78% (Kappa = 0,71) bij vergelijking met door analisten beoordeelde ground truth.
• Case Study: In de Nyanza-basis werden 3 structurele voids geïdentificeerd in peri-urbane gebieden met hoge bevolkingsdichtheid maar geen faciliteiten, geclassificeerd als "INFRASTRUCTURE" en "ACCESS".

5. Betekenis en Conclusie

De TDA Engine v2.1 biedt een wiskundig rigoureus, op topologie gebaseerd kader om structurele leegtes in epidemiologische data te detecteren en te interpreteren.

• Verschuiving in paradigma: De methode verschuift van "dichtheid-gebaseerde" smoothing naar "geometrie-gebaseerde" inferentie.
• Operationele waarde: Door voids te koppelen aan tijdsduur (persistentie) en waarschijnlijke oorzaken (causale taxonomie), kunnen overheidsinstanties middelen richten op gebieden waar onderdrukking of gebrek aan toegang waarschijnlijk is, in plaats van op willekeurige data-hiaten.
• Ethiek en Beperkingen: De auteurs benadrukken dat de engine "geometrische anomalieën" detecteert die consistent zijn met onderdrukking, maar geen bewijs daarvan vormen. Contextuele validatie (veldonderzoek, bevolkingsdichtheid) blijft essentieel.
• Beschikbaarheid: De tool is beschikbaar als open-source R/Shiny applicatie (TDA Engine v2.1) en is ontworpen voor integratie met systemen zoals DHIS2 voor real-time toezicht.

Samenvattend transformeert dit framework het concept van "data-afwezigheid" van een passief kartografisch probleem naar een actief, meetbaar en actiegericht instrument voor volksgezondheidsbeleid.