تغییر رویکرد در شناسایی بیماریهای گرمایی
مطالعات پیشین درباره سلامت و گرما، معمولاً بر فهرستی محدود و از پیش تعیینشده متمرکز بود. پزشکان و محققان عمدتاً به دنبال اثرات شناختهشدهای مانند خستگی گرمایی، گرمازدگی یا نارساییهای قلبی میگشتند. اگرچه این روش معتبر است، اما دامنه تحقیقات را به مواردی محدود میکرد که پیشتر شناخته شده بودند و احتمال کشف پیوندهای جدید را کاهش میداد.
در مقابل، پژوهش جدید با رویکردی دادهمحور و مشابه روشهای «ارتباط گسترده ژنومی» طراحی شده است تا تصویری کاملتر از طیف بیماریها و تشخیصهای مرتبط با قرار گرفتن در معرض گرمای شدید ارائه دهد.
ترکیب هوش مصنوعی و دادههای اقلیمی
ایبل کو، مدیر موسسه هوش مصنوعی در پزشکی دانشکده فاینبرگ و یکی از مدیران شبکه هوش مشارکتی نورثوسترن، از روشهای نوین برای تحلیل این ارتباط استفاده کرده است. او با متصل کردن دادههای بالینی شبکه CAPriCORN در شیکاگو به دادههای اقلیمی (بر اساس مکان و زمان)، توانست درک بهتری از نحوه تأثیر گرمای شدید بر سلامت افراد در معرض خطر به دست آورد.
یافتههای این تیم نشان میدهد گرمای شدید با عوارضی مرتبط است که معمولاً در دستهبندی بیماریهای گرمایی قرار نمیگیرند. از جمله این موارد میتوان به موارد زیر اشاره کرد:
- بیماریهای عصبی مانند اماس (MS)
- افزایش احتمال تصادفات رانندگی
- ۳۱ عارضه و بیماری دیگر که فراتر از کمآبی هستند
قابلیت تعمیم مدل به سطح جهانی
پژوهشگران تأکید میکنند که اگرچه این مطالعه در شهر شیکاگو انجام شده، اما چارچوب آن قابلیت اجرا در هر شهر، ایالت یا کشوری را دارد. این مدل تحلیلی را میتوان برای انواع دیگر دادههای بهداشتی، از جمله سوابق مرگومیر یا آمارهای تماس با آمبولانسها نیز به کار برد.
دانیل هورتون، متخصص رویدادهای آبوهوایی شدید و مدیر گروه کاری «کاهش پیامدهای بلایا» در موسسه امور جهانی روبرتا بافت، در این زمینه فعالیت میکند. تمرکز او بر پیوند میان تغییرات اقلیمی ناشی از فعالیتهای انسانی، رویدادهای شدید آبوهوایی و سلامت عمومی است تا اثرات نامطلوب این پدیدهها در شیکاگو و مناطق اطراف کاهش یابد.
