في عالم يتعرض لتغيرات مناخية متسارعة، يسعى العلماء إلى تحسين أساليب قياس مخاطر الوفيات المرتبطة بالحرارة. تأتي دراسة جديدة من arXiv تتناول هذه القضية بطريقة مبتكرة، حيث اقترح الباحثون نموذجاً جديداً يُعرف باسم الشبكات العصبية الرسومية القائمة على المخاطر (Risk Graph Neural Networks – RGNNs).

تعتمد هذه الشبكات على استخدام متغيرات تعداد دقيقة لتحسين استجابة النماذج التقليدية المعروفة باسم نماذج التوزيع غير الخطية (Distributed Lag Non-linear Models – DLNMs)، والتي غالبًا ما تُستخدم في صحة البيئة لتقدير مخاطر الوفيات نتيجة الحرارة.

تُظهر النتائج التي تم تقييمها عبر 10 مناطق في إنجلترا وويلز على مدار عامين حارين غير مسبوقين، أن نماذج RGNN تحتفظ بمعدل خطأ منخفض وتقدم تغطية منخفضة جداً لعدم اليقين خلال موجة الحرارة في عام 2022، حيث تتدهور المعايير التقليدية.

إن دمج السياقات الديموغرافية والجغرافية يعد تقدمًا هامًا في قياس مخاطر الحرارة، مما يسهل فهم المستويات المختلفة للعرضة المخاطر في المجتمعات المختلفة.

ما هي الآثار المحتملة لهذه التقنية في السياسات الصحية المستقبلية؟ شاركونا آراءكم في التعليقات.