Πώς μπορούν να συνδυαστούν άραγε η Ιατρική και η Επιδημιολογία, με τα Μαθηματικά και τη Γεωγραφία; Ίσως να νομίζατε ότι πρόκειται για άσχετες μεταξύ τους επιστήμες, με τις τελευταίες να μην έχουν τόσες πολλές εφαρμογές στην καθημερινή ζωή. Συναντήσαμε μια πολύ αξιόλογη προσπάθεια και θελήσαμε να τη μοιραστούμε με όλους. Η Δήμητρα (απόφοιτος του Τμήματος Γεωγραφίας του Πανεπιστημίου Αιγαίου) και η Γεωργία, συνδύασαν τις γνώσεις τους από τα διαφορετικά επιστημονικά αντικείμενα, με στόχο τη βελτίωση των ερευνών στην Ιατρική. Περισσότερα μπορείτε να διαβάσετε στη συνέχεια, από τις ίδιες τις ερευνήτριες, σε μια ενδιαφέρουσα συνέντευξη που μας προσφέρουν, αποτελώντας συνάμα μια αφορμή για μια πλούσια κουβέντα και συζητήσεις!
Ποιοι είστε;
Είμαστε μια ομάδα δύο ατόμων με βασική γνώση στα Μαθηματικά και στην Γεωγραφία. Και οι δύο με μεταπτυχιακό στην Ιατρική («Οπτική & Όραση» και «Δημόσια Υγεία & Επιδημιολογία»). Τον τελευταίο χρόνο δραστηριοποιούμαστε στην έρευνα σε θέματα Επιδημιολογίας και Δημόσιας Υγείας μέσω μελετών, συμμετοχών σε ιατρικά συνέδρια και δημοσιεύσεων σε διεθνή επιστημονικά περιοδικά του χώρου.
Ποιο είναι το αντικείμενο που πραγματεύεστε;
Υπήρξε έντονος προβληματισμός από πλευράς μας, κυρίως στην αρχή αυτής μας της δραστηριότητας, σχετικά με το ποια λογική έρευνας, ανάλυσης και μεθοδολογίας θα ήταν ορθότερο να εφαρμοστεί για την ανάλυση επιστημονικών δεδομένων ανεξαρτήτως προέλευσης τους. Στον ευρύτερο χώρο της Επιδημιολογίας και της ιατρικής έρευνας (κυρίως στην Ελλάδα) είθισται να εφαρμόζονται κλασικές μέθοδοι στατιστικής ανάλυσης (ανεξάρτητα από την κάθε περίπτωση δεδομένων). Αναρωτηθήκαμε λοιπόν, κατά πόσο μπορεί τα επιστημονικά δεδομένα να είναι πάντα «τυχαία» ώστε να εφαρμόζονται οι μέθοδοι κλασικής στατιστικής.
Έτσι θέσαμε κάποια ερωτήματα τα οποία καταφέραμε να απαντήσουμε και εν συνεχεία ξεκινήσαμε το δύσκολο δρόμο να πείσουμε στο χώρο της Υγείας και τα άτομα που εργάζονται σε αυτόν.
Τι ήταν δηλαδή τα ερωτήματα που θέσατε;
Τα βασικά ερωτήματα που τέθηκαν ήταν:
1. Γιατί τα οποιαδήποτε δεδομένα που χρήζουν ανάλυσης να αναλύονται μόνο με μεθόδους κλασσικής στατιστικής; Αντιθέτως, θα πρέπει πρώτα να ερευνηθεί και να οριστεί η «φύση» των δεδομένων που έχουμε σε κάθε περίπτωση. Λέγοντας «φύση» αναφερόμαστε στη συμπεριφορά των δεδομένων. Δηλαδή, αν είναι τυχαία, τότε θα εφαρμόζαμε κλασσική στατιστική. Αν είναι ντετερμινιστικά ή ντετερμινιστικά με ύπαρξη χαοτικής συνιστώσας ή κάτι άλλο, σε αυτές τις περιπτώσεις θα εφαρμόζαμε μαθηματικά μοντέλα και όχι στατιστική. Ανάλογα με τη «φύση» τους θα πρέπει να επιλέγεται ο καταλληλότερος τρόπος ανάλυσης.
2. Αφού τα δεδομένα εξελίσσονται στο χώρο (όπως κάθε φαινόμενο στο κόσμο μας, π.χ. μια νόσος) γιατί να μην χρησιμοποιήσω μεθόδους χωρικής στατιστικής αλλά να περιορίζομαι στη κλασσική στατιστική;
Τα ερωτήματα αυτά σε τι απαντήσεις σας οδήγησαν;
Όπως αναφέρθηκε παραπάνω, καταφέραμε να απαντήσουμε με μαθηματικό ή χωρικό τρόπο τα παραπάνω ερωτήματα. Για το πρώτο ερώτημα δημιουργήθηκε ένα μαθηματικό μέγεθος, η συνάρτηση χωρικής δομής (Spatial Structure Function) και o κατάλληλος αλγόριθμος στο πρόγραμμα-περιβάλλον Matlab. Για το δεύτερο ερώτημα, καθώς υπήρχε ήδη μια επιστήμη που το έχει αναπτύξει πλήρως και επαρκώς (η Γεωγραφία), απλά υιοθετήσαμε τις εφαρμογές της, συνήθως με τη χρήση των Συστημάτων Γεωγραφικών Πληροφοριών (GIS) και των αντίστοιχων λογισμικών, όπως το ArcMap. Έχουμε ήδη αποδείξει με μελέτη μας ότι η θνησιμότητα στη Ελλάδα είναι ένα φαινόμενο ντετερμινιστικό με ύπαρξη χαοτικής συνιστώσας και με έντονη τοπικότητα (αναφέρεται σε τοπικές πολιτικές υγείας και όχι εθνικές). Αυτές οι εφαρμογές είναι περισσότερο διαδεδομένες στο εξωτερικό ή σε άλλα επιστημονικά πεδία όπως το Περιβάλλον, οι Επιστήμες της Θάλασσας, η Μετεωρολογία, η Γεωμορφολογία και άλλα. Πρόσφατα, εφαρμόστηκε και στην Ιατρική με μεγάλη επιτυχία αλλά φαντάζει δύσκολη η αποδοχή του από το συγκεκριμένο επιστημονικό περιβάλλον, προς το παρόν.
Σκοπός μας είναι να πείσουμε γι αυτά τα οποία πιστεύουμε, ανοίγοντας διάλογο, συνεργασίες, ανταλλαγή απόψεων και προβληματισμό με τον καθένα που ενδιαφέρεται και συγχρόνως με την έρευνα και τη δημιουργία μελετών στο χώρο Υγείας.
Με ποιόν τρόπο θα μπορέσετε να πετύχετε το σκοπό σας; Έχετε κάποια ιστοσελίδα/ιστότοπο που να στεγάζει τις ιδέες σας;
Πριν λίγους μήνες, αποφασίσαμε να εφαρμόσουμε πιο σύγχρονες τακτικές διάδοσης των απόψεων μας. Η αρχή έγινε με τη δημιουργία μιας ιστοσελίδας (Geo-maths in Medicine) και στη συνέχεια η αντίστοιχη σελίδα στο Facebook με στόχο την ευρύτερη υποστήριξη της ιστοσελίδας. Σε αυτές υπάρχουν πληροφορίες για τη θεωρία και τις απόψεις μας, αποτελέσματα δικών μας μελετών, άλλων γνωστών ερευνητών ή χρήσιμο υλικό προς προβληματισμό και μελέτη. Μέσω της ιστοσελίδας δόθηκε η δυνατότητα επικοινωνίας με ένα ευρύ κοινό και η έναρξη μιας σειράς συζητήσεων πάνω σε θέματα Επιδημιολογίας, ανάλυσης και συνεργασιών.
Παράλληλα, συνεχίζεται η ερευνητική μας δραστηριότητα σε ποικίλα θέματα, οι δημοσιεύσεις αυτών μέσω επιστημονικών άρθρων, η συμμετοχή σε διεθνή συνέδρια και ερευνητικά προγράμματα. Πρόσφατα έγινε δεκτή μια αναφορά (report) - η οποία πραγματεύεται όλες αυτές τις μεθόδους και την ευρύτερη θεωρία μας - στο UCL Institute of Health Equity στα πλαίσια των νέων τους δράσεων, με στόχο τη μείωση των ανισοτήτων στο χώρο της Υγείας. Αυτό είναι ένα σημαντικό βήμα, καθώς το UCL Institute of Health Equity αλλά και ο υπεύθυνος αυτής της δράσης Prof. Marmot, θα μπορούσαν να χαρακτηριστούν ως «η πηγή» της γνώσης και του τρόπου λειτουργίας των παγκόσμιων πολιτικών υγείας.
Οι ερευνήτριες:
Γεωργία Πιστόλλα, Μαθηματικός, Διδακτορικό στην Ιατρική
Δήμητρα Σηφάκη-Πιστόλλα, Γεωγράφος, Μεταπτυχιακό στη Δημόσια Υγεία & Επιδημιολογία
Αναφορά στον αρχικό δημιουργό - (Attribution) 
Διανομή του παράγωγου έργου με τους ίδιους όρους της αρχικής άδειας - (Share Alike) 
By 
