HEALTH EMERGENCY E GIS: MAPPATURA E GESTIONE DEL RISCHIO

Distribuzione nuovi HAT 2011 distrettiCome promesso, ecco qui una sintesi della mia tesi: uno studio sull’Human African Trypanosomiasis (o meglio conosciuta come malattia del sonno) nella Repubblica Democratica del Congo. Di seguito, anche, le 3 cartografie originali che, grazie l’uso dei sistemi GIS, ho potuto realizzare.

Scarica in PDF15399621-archivo-pdf-descargar-icono-ilustracion-vectorial

Background

Per comprendere meglio il caso studio preso in esame, è importante avere una visione chiara e lineare della terminologia e degli sviluppi in materia di HEALTH EMERGENCY.

Nella prima parte della tesi, viene data la definizione di emergenza legata all’ambito sanitario. Con l’obiettivo di chiarire qual è la definizione più idonea in questo contesto, si passerà dallo studio etimologico del termine epidemia, il quale si scopre essere strettamente correlato ad un contesto circoscritto ad un determinato territorio, alla definizione di emergenza nazionale, facendo gli esempi dell’Italia, degli Stati Uniti e dell’Unione Europea, i quali prevedono piani molto avanzati in materia di prevenzione e intervento sanitario.

Viene analizzato, inoltre, il contesto internazionale descrivendo qual è il ruolo in questo ambito del WHO, gli obiettivi previsti dai forum in materia di emergency management quali lo Hyogo Framework for Action e lo UN system policies and plan, nonché i partner coinvolti nell’azione.

Una menzione particolare viene riservata a Medici Senza Frontiere, la prima organizzazione non governativa al mondo che opera in emergenza medico-sanitaria, nonché Premio Nobel per la Pace nel 1999.

In emergenza, una questione molto importante è la conoscenza di ciò che si ha di fronte, quali territorio, operatori in campo, vie d’accesso, cultura della popolazione, abitudini alimentari, condizioni di salute, densità abitativa, condizioni igieniche, ecc.. Queste informazioni, vengono acquisite attraverso un processo di “data collection” descritto nel mio studio utilizzando il concetto di Gespatial Intelligence. Ho distinto dunque i tipi di dati che vengono raccolti in due macro categorie: per contenuto e per struttura; analizzando anche la modalità di raccolta di queste informazioni.

Le informazioni pre e post catastrofe (inclusi anche i dati generali) vengono raccolti e controllati da molti attori autonomi i quali spesso non hanno un coordinamento centrale che permetta la condivisione di questi dati con altri soggetti. Per venire incontro alla necessità in emergenza di acquisire in maniera veloce più dati possibili, vi sono diverse iniziative volte a superare questa problematica. Una di queste è il Common Operational Dataset, sviluppato dallo IASC (Inter-Agency Standing Committer), che permette di rendere disponibile a tutti gli attori coinvolti, entro 48 ore dallo scoppio di una crisi, i vari set di dati messi in condivisione.

Un’altra iniziativa di condivisione dati, è la Crowdsouced Geospatial Data (CGD). Il CGD è caratterizzato dalla condivisione di dati open source attraverso il web, da parte di individui non addestrati, ma con un alto grado di interesse per la tecnologia geospaziale i quali modificano e producono set di dati persistenti e in continua evoluzione. Ulteriori iniziative, utili ai sistemi di allarme rapido (Early Warning System – EWS), sono il ReliefWEB dell’UNOCHA e HEWSweb dello IASC. In via di sviluppo, vi è sempre più l’utilizzo dei social network, in particolare Twitter, per l’integrazione dei dati utili all’EWS.

Ho arricchito lo studio con la descrizione dei tool utili all’analisi dei dati attraverso il l’approccio Geostatistico. In particolare, descrivendo i seguenti strumenti: spatial autocorrelation; Morans’ I; Lisa; Quadrant analysis, K-function, Spatial Regretion; Geographically Weighted Regression; Road Network Analysis; Interpolation; p-media e p-centre. Un approfondimento è stato fatto in merito al fattore tempo, descrivendo il concetto di Temporal resolution e di Temporal accuracy, utili ai tool spatio-temporal scan statistics.

 

metodologia

Partendo da alcuni esempi di casi studio dove è risultato utile il sistema GIS per analizzare alcuni eventi di emergenza sanitaria, l’attenzione si è volutamente soffermata su un caso di “Crisi Dimenticata”, non trattata dai media, ma che comunque incide pesantemente su un’ambia fascia di popolazione: la malattia del sonno nella Repubblica Democratica del Congo (RDC).

Inizialmente, è stata esposta una descrizione dei dati demograficici e sanitari della Repubblica Democratica del Congo e delle informazioni generali sulla malattia del sonno (Human African Trypanosomiasis – HAT), particolarmente presente nel paese (80% dei casi mondiali).

Acquisendo le informazioni da alcuni documenti descrittivi sulla situazione sanitaria riferita al territorio della RDC e dell’incidenza nel paese della malattia del sonno, ho creato manualmente dei database geolocalizzati su:

  • punti di approvvigionamento dei farmaci;
  • distribuzione per distretti dei nuovi casi HAT dell’anno 2011;
  • distribuzione della popolazione per province.

Questi database, sono stati integrati utilizzando il software ArcGis® ai dati cartografici di base riportanti i confini amministrativi (in formato shape) tramite la funzione join o tramite georeferenziazione delle coordinate.

Il mio studio si sviluppa dunque in 3 analisi:

  1. distribuzione dei punti di approvvigionamento dei farmaci. Una volta integrato il database sui punti di approvvigionamento dei farmaci, ho sovrapposto il risultante layer a quello rappresentane i confini amministrativi provinciali, assegnando poi la simbologia adeguata agli spot presenti nel primo layer e rendendo visibile il nome delle città tramite lo strumento “labels”;Approvigionamento farmaci 1
  2. aree a rischio della distribuzione dell’HAT. Dopo aver integrato il database che include i nuovi casi per distretti della malattia del sonno, ho reso visibile i dati in una scala di colori graduata (dal rosa al rosso) assegnando 5 categorie percentuali con intervallo scelto manualmente.Distribuzione nuovi HAT 2011 distrettiSuccessivamente, mediante il tool buffering, ho evidenziato delle aree a rischio intorno ai distretti con più di 150 casi di HAT e allo scopo di velocizzare l’utilizzo dei dati in situazione di emergenza, ho utilizzato il tool dissolve (ottimizzando così la quantità di dati nel database). I risultati sono stati intersecati tramite funzione intersect con il layer dei confini amministrativi escludendo dunque le aree esterne ai confini nazionali. I layer di buffer e di distribuzione per distretti sono stati sovrapposti e alle aree comprese è stato dato lo stesso colore;Distribuzione nuovi HAT 2011 buffered
  3. confronto distribuzione HAT con distribuzione popolazione (Immagine3). Dopo aver integrato i database sulla distribuzione della popolazione per province e quello sulla distribuzione per distretti dei nuovi casi HAT, ho creato due layer e li ho sovrapposti. Nel primo layer il numero di abitanti per provincia è visualizzato in una scala di colori graduata (11 categorie, dal rosa chiaro al rosso scuro); nel secondo layer, sovrapposto al primo, viene visualizzata la distribuzione dei casi di nuove infezioni per distretti per punti graduati, con l’esclusione, tramite linguaggio SQL, dei punti con meno di 20 casi per avere una visualizzazione migliore.Distribuzione Popolazione e HAT

 

CONCLUSIONI

  1. La prima cartografia mostra intuitivamente che in più della metà delle province non è presente un punto di distribuzione dei farmaci essenziali, con conseguente difficoltà di distribuzione ed approvvigionamento;
  2. Nella seconda analisi si evidenziano quelle aree dove è necessario estendere l’intervento di prevenzione mediante i test epidemiologici già previsti dal Ministero della Salute congolese;
  3. La terza cartografia mostra come la malattia del sonno ha più incidenza nelle aree a minore densità abitativa (aree rurali). Prova ne è il fatto che la mosca tsetse, vettore dell’infezione, vive e prolifera maggiormente nelle aree non bonificate, paludose e con maggiore concentrazione di animali selvatici.

Pertanto questo studio dimostra che l’applicazione del GIS in ambito delle emergenze sanitarie è diventato indispensabile poiché fornisce informazioni complesse in maniera grafica, facilmente comprensibili e rapidamente consultabili.

Scarica in PDF15399621-archivo-pdf-descargar-icono-ilustracion-vectorial