Η χολέρα είναι μια υδατογενής ασθένεια που εμφανίζεται ως αποτέλεσμα της κατανάλωσης νερού.
Υπερθέρμανση του πλανήτη και αυξημένη συχνότηταΤα ακραία καιρικά φαινόμενα προκαλούν κρούσματα χολέρας, μια ασθένεια που επηρεάζει 1,3 έως 4 εκατομμύρια ανθρώπους παγκοσμίως κάθε χρόνο και προκαλεί έως και 143.000 θανάτους. Μια νέα μελέτη δείχνει πώς τα κρούσματα χολέρας στις παράκτιες περιοχές της Ινδίας μπορούν να προβλεφθούν με ποσοστό επιτυχίας 89%, στην πρώτη επίδειξη χρήσης της αλατότητας της επιφάνειας της θάλασσας για την πρόβλεψη της χολέρας.
Έρευνα που δημοσιεύτηκε στοΔιεθνές περιοδικό περιβαλλοντικής έρευνας και δημόσιας υγείας,στοχεύει να προβλέψει τα κρούσματα χολέρας στον Βόρειο Ινδικό Ωκεανό, όπου περισσότερα από τα μισά κρούσματα παγκοσμίως αναφέρθηκαν μεταξύ 2010-16.
Αριθμός εστιών χολέρας που αναφέρθηκαν το 2001εβδομαδιαίες επιδημιολογικές αναφορές που δημοσιεύονται από το Ινδιάνικο Ολοκληρωμένο Πρόγραμμα Παρακολούθησης Νοσημάτων (IDSP) μεταξύ Ιανουαρίου 2010 και Δεκεμβρίου 2018 σε 40 παράκτιες περιοχές της Ινδίας που επιλέχθηκαν στη μελέτη. Εμφανίζονται μόνο οι περιοχές αναφοράς χολέρας για τις οποίες ήταν διαθέσιμα και τα επτά βασικά σύνολα δεδομένων (ECV). Πίστωση: Campbell et al., 2020.
Η σχέση μεταξύ περιβαλλοντικών παραγόντωνΗ επίπτωση της χολέρας είναι πολύπλοκη και ποικίλλει ανάλογα με την εποχή, με διάφορες καθυστερήσεις όπως η περίοδος των βροχών. Οι αλγόριθμοι μηχανικής μάθησης μπορούν να βοηθήσουν να ξεπεραστούν αυτά τα προβλήματα μαθαίνοντας να αναγνωρίζουν μοτίβα σε μεγάλα σύνολα δεδομένων προκειμένου να κάνουν δοκιμαστικές προβλέψεις.
Επικεφαλής της μελέτης ήταν η AmyΗ Κάμπελ κατά τη διάρκεια της μακροχρόνιας πρακτικής της στο Γραφείο Κλίματος ESA της Ευρωπαϊκής Υπηρεσίας Διαστήματος. Η Amy, μαζί με τους συν-συγγραφείς της στο Plymouth Marine Laboratory (PML), χρησιμοποίησαν έναν αλγόριθμο μηχανικής μάθησης δημοφιλές στις εφαρμογές περιβαλλοντικής επιστήμης που μπορεί να αναγνωρίσει μοτίβα σε μεγάλα σύνολα δεδομένων και να κάνει ελεγχόμενες προβλέψεις.
Αποτελέσματα μετρήσεων απόδοσης μοντέλουτυχαίο δάσος όπως εφαρμόζεται σε αόρατα δεδομένα δοκιμών για επιλεγμένες περιοχές στην παράκτια Ινδία που ανέφεραν εστίες χολέρας. Παράκτιες περιοχές όπου δεν αναφέρθηκαν κρούσματα χολέρας κατά την περίοδο της μελέτης και οι παράκτιες περιοχές εμφανίζονται με γκρι χρώμα. Πίστωση: Campbell et al., 2020.
Ο αλγόριθμος εκπαιδεύτηκε για εκδηλώσεις ασθενειών, ωανέφεραν σε παράκτιες περιοχές της Ινδίας μεταξύ 2010 και 2018 και εξέτασαν τη σχέση με έξι κλιματικά αρχεία από δορυφόρους που δημιουργήθηκαν από την ESA's Climate Change Initiative (CCI).
Συμπερίληψη ή κατάργηση περιβαλλοντικών μεταβλητών καιεπιμέρους παραμέτρους για διαφορετικές εποχές, ο αλγόριθμος εντόπισε βασικές μεταβλητές για την πρόβλεψη εστιών χολέρας όπως θερμοκρασία επιφάνειας εδάφους, αλατότητα επιφανείας θάλασσας, συγκέντρωση χλωροφύλλης και ανωμαλία στάθμης θάλασσας.
Διαβάστε επίσης
Δείτε τις πιο όμορφες φωτογραφίες του Χαμπλ. Τι έχει δει το τηλεσκόπιο σε 30 χρόνια;
Η Ρωσία δημιούργησε ένα ανθεκτικό υλικό από σκουπίδια για να καλύψει δρόμους
Η εξωγήινη ζωή βρίσκεται στους μετεωρίτες. Τι είναι γνωστό γι 'αυτήν και από πού προέρχεται;