Integrating Interpolated Weather Data into National Clinical Data Warehouse to Support Health Services

In veel delen van de wereld doet het weer meer dan alleen bepalen wat we dragen; het vormt op een stille manier de verspreiding van ziekten. Wanneer temperaturen stijgen of zware regenval plaatsvindt, kunnen de omstandigheden perfect worden voor muggen om zich voort te planten of voor bacteriën om zich te vermenigvuldigen in waterbronnen. Deze verbinding tussen de hemel en de menselijke gezondheid is goed bekend bij wetenschappers, maar het omzetten van die kennis in actie vereist een specifiek soort informatie. Om een uitbraak te voorspellen, moeten gezondheidsfunctionarissen precies weten wat het weer doet in elke kleine hoek van een land, en niet alleen in de weinige plaatsen waar officiële weerstations toevallig wel staan. De uitdaging is dat deze stations vaak ver uit elkaar liggen, waardoor er in de enorme gebieden ertussenin geen directe metingen zijn. Zonder een manier om die gaten te vullen, zijn planners voor de volksgezondheid gedwongen te gokken, vaak te laat om een epidemie te stoppen voordat deze begint.

Een team onderzoekers in Bangladesh heeft een nieuw systeem gebouwd om dit probleem op te lossen, waarbij zij een brug slaan tussen het verspreide netwerk van weerstations en de gedetailleerde registers van patiënten in ziekenhuizen. Bangladesh is een land waar ziekten zoals dengue koorts, cholera en diarree veel voorkomen en vaak gekoppeld zijn aan de moessonseizoenen. Het land heeft 42 officiële weerstations, maar het is verdeeld in 516 kleinere administratieve regio's genaamd upazila's. Veel van deze regio's liggen ver van een station, wat betekent dat hun specifieke weersomstandigheden voorheen onbekend waren voor de gezondheidsautoriteiten. De onderzoekers zetten zich in om een digitale kaart te maken die de temperatuur, luchtvochtigheid en neerslag voor elk van die 516 regio's kon schatten, gebruikmakend van enkel de gegevens van de 42 stations. Ze combineerden deze geschatte weerdata vervolgens met een enorme nationale database van klinische gegevens, waarbij ze de gezondheid van patiënten koppelden aan de weersomstandigheden in hun specifieke buurten.

De kern van hun werk bestond uit het leren van een computer hoe hij als een meteoroloog moet optreden. Het team testte verschillende wiskundige benaderingen om te zien welke het beste kon raden wat het weer zou zijn op een locatie waar geen station aanwezig was, gebaseerd op de metingen van nabijgelegen stations. Ze ontdekten dat een methode genaamd Random Forest, die werkt door de voorspellingen van vele kleinere besluitvormingsmodellen te combineren, het meest nauwkeurig was. Dit systeem slaagde er succesvol in om de dagelijkse minimale en maximale temperaturen, luchtvochtigheid en neerslag voor elke upazila in het land te schatten. De resultaten waren opmerkelijk dicht bij de werkelijke metingen op plaatsen waar wel stations aanwezig waren, waardoor de ware patronen van het weer behouden bleven. Zo kon het systeem bijvoorbeeld de dagelijkse temperatuurschommelingen en de intensiteit van de regenval nauwkeurig voorspellen, zelfs in gebieden die honderden kilometers verwijderd zijn van de dichtstbijzijnde waarnemer.

Zodra de weerdata voor het hele land waren ingevuld, voegden de onderzoekers deze samen met de National Clinical Data Warehouse, een centraal depot met anonieme gezondheidsgegevens uit ziekenhuizen in heel Bangladesh. Dit nieuwe systeem, dat ze Climate-NCDW noemden, stelde hen in staat om patiëntgegevens en weerdata naast elkaar te bekijken. Ze richtten zich specifiek op dengue koorts, een door muggen overgedragen ziekte die in de regio voor aanzienlijke ziekte en sterfte zorgt. Door vier jaar aan gegevens te analyseren, van 2019 tot 2024, ontdekten ze een sterke link tussen regenval en het aantal dengue-gevallen. De gegevens toonden aan dat regenval de hoogste associatie had met de ziekte, met name tijdens de maanden volgend op het moessonseizoen, van augustus tot oktober. De verbinding was zo duidelijk dat de onderzoekers konden zien hoe pieken in regenval werden gevolgd door een toename in het aantal dengue-gevallen, waarbij het weer fungeerde als een leidende indicator voor de uitbraak.

De studie onthulde ook dat hoewel temperatuur en luchtvochtigheid een rol speelden, de directe impact van zware regenval de krachtigste voorspeller van het dengue-risico was. De onderzoekers ontdekten dat voor elke toename in neerslag de waarschijnlijkheid van dengue-gevallen aanzienlijk steeg, waarbij de sterkste correlatie optrad direct nadat de regen was gestopt. Dit suggereert dat het water dat na stormen achterblijft, de broedplaatsen creëert voor de muggen die het virus dragen. Het systeem dat zij hebben gebouwd, laat niet alleen zien wat er in het verleden is gebeurd; het biedt een raamwerk voor de toekomst. Door realtime weerschattingen te integreren met klinische gegevens, kunnen gezondheidsfunctionarissen nu potentiële uitbraken zien ontstaan voordat ze zich wijdverspreid verspreiden. Dit stelt hen in staat om middelen, zoals medische benodigdheden en maatregelen voor muggenbestrijding, voor te bereiden voor de specifieke regio's die het meeste risico lopen.

De onderzoekers stopten niet bij dengue. Hun systeem is ontworpen om flexibel te zijn en in staat om gespecialiseerde databases te creëren voor andere ziekten zoals diarree, malaria en pneumonie. Ze demonstreerden hoe dezelfde methode gebruikt kon worden om deze ziekten te volgen, door ze te koppelen aan de specifieende weerpatronen die hun verspreiding aansturen. Zo merkten ze bijvoorbeeld op dat het aantal gevallen van diarree vaak stijgt met de temperatuur en neerslag, terwijl malaria wordt beïnvloed door een combinatie van hitte en luchtvochtigheid. Het vermogen om deze ziektespecifieke inzichten te genereren vanuit één enkel, verenigd systeem betekent dat de planners voor de volksgezondheid kunnen bewegen van een reactieve houding, waarbij patiënten worden behandeld nadat ze ziek zijn geworden, naar een proactieve houding, waarbij ziekte wordt voorkomen voordat deze begint.

Dit werk vertegenwoordigt een belangrijke stap voorwaarts in de manier waarop landen de volksgezondheid beheren in een veranderend klimaat. Door de ontbrekende stukjes van de weerpuzzel in te vullen en deze direct te verbinden met menselijke gezondheidsgegevens, hebben de onderzoekers een instrument gecreëerd dat ruwe data omzet in bruikbare inzichten. Het systeem bewijst dat het, zelfs met een beperkt aantal weerstations, mogelijk is om de klimaatcondities van een heel land met hoge precisie te begrijpen. Terwijl klimaatverandering de weerpatronen blijft veranderen en de grenzen van ziekten verschuift, zullen instrumenten zoals deze steeds belangrijker worden. Ze bieden een manier om de onzichtbare verbindingen tussen het milieu en het menselijk welzijn te zien, en bieden de helderheid die nodig is om gemeenschappen te beschermen tegen de volgende golf van infectieziekten.