Spatiotemporal dynamics of Plasmodium falciparum transmission across changing land use and land cover in the Greater Kumasi Metropolitan Area
本研究利用遥感技术和空间建模证明，大库马西都会区快速且无计划的城市扩张导致了排水不良和废物管理状况恶化，从而驱动了建成区面积与间日疟原虫（*Plasmodium falciparum*）疟疾传播上升之间强烈的正相关关系，并据此认为，疾病敏感型城市设计必须被纳入城市规划之中，而非将其视为一种事后补救措施。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
脆性骨折是指在跌倒或受伤时发生的骨折，而这类损伤对于健康的骨骼系统而言通常不会造成伤害。这些损伤是全球范围内导致成年人死亡、残疾和丧失独立生活能力的主要原因之一。随着人口老龄化，这类骨折的数量预计将会上升，给医疗系统和家庭带来沉重负担。为了预防这些骨折，医生依赖于预测工具来估算一个人在未来十年内发生骨折的风险。这些工具有助于决定谁需要进行骨密度扫描或预防性药物治疗。然而，目前最广泛使用的工具是基于较旧的数据构建的，并且往往忽略了重要的群体，例如患有学习障碍、艾滋病毒（HIV）或某些癌症的人群。此外，这些旧有的工具有时未能考虑到老年人在发生骨折之前可能会死于其他原因，这可能导致风险估算不准确。
英国的一个研究小组致力于建立一个更完善、更具包容性的骨折预测系统。他们分析了超过 1560 万成年人的医疗记录，创建了一个庞大的数据集，其中包含了不同种族背景以及患有多种慢性疾病的人群。他们的目标是开发新的模型，能够准确预测十年内发生主要骨质疏松性骨折和髋部骨折的风险，同时明确考虑学习障碍、唐氏综合征、多发性硬化症、视力障碍、艾滋病毒以及各种癌症等情况的存在。他们还想观察，如果从计算中移除种族因素，是否会使预测结果更加公平，这是一个在医学界引发争议的问题。
研究人员开发了两个新版本的预测模型。第一个版本更新了现有的框架，以更好地处理人们可能在骨折发生前死于其他原因的现实情况。第二个版本则更进一步，加入了针对那些在以往计算中常被遗漏群体的特定风险因素。他们使用另一组数百万人规模的人群对这些新模型进行了测试，以观察其表现如何。结果显示，新模型在区分哪些人会发生骨折以及哪些人不会发生骨折方面具有极高的准确性。更重要的是，与倾向于显著高估风险的旧工具相比，新模型能更准确地预测人群中实际发生的骨折数量。
其中一项最重要的发现是，加入这些新的预测因子改变了被识别为高风险人群的对象。例如，一名患有学习障碍的女性，即使在年龄和健康状况与其他女性完全相同的情况下，也会比没有该状况的女性提前约十年达到高骨折风险的阈值。同样，患有唐氏综合征的男性达到髋部骨折高风险阈值的时间比他们的同龄人大约早二十年。这表明，新模型可以帮助医生更早地发现脆弱个体，从而实现更早的骨骼健康评估和预防性护理。研究还发现，新模型在不同种族群体中表现良好，而旧工具往往会高估非白人人群的风险。
研究人员还测试了如果仅仅从方程中移除种族因素会发生什么——这是某些人为了确保公平性而提出的做法。他们发现，虽然这样做并不会改变模型对人群风险进行排序的能力，但实际上会降低模型对非白人群体的预测准确性，导致模型高估他们的风险。这表明，仅仅删除一个因素并不能保证公平，有时反而会导致不必要的医疗干预。相反，研究表明，将种族与其他临床因素结合在一起，可以提供更精确且更公平的风险图景。
最终，这项工作证明了骨折风险预测必须随着人口的变化而演进。随着越来越多的人带着复杂的慢性疾病长期生存，以及癌症幸存者人数的增加，用于保护他们骨骼的工具也必须反映这些现实。通过纳入更广泛的健康状况，并使用现代统计方法来解释竞争性死因，这些新模型为识别那些需要帮助的人提供了更准确且更具包容性的方式。研究结果支持从静态的历史公式转向动态工具，以适应不断变化的健康格局，确保预防措施能够触及那些最需要帮助的人，无论他们的背景或病史如何。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。