Фиг. 9. Корелация между различни показатели за замърсяване на въздуха / астма 2020 г., визуализация с ArcGIS, авторски архив
Фиг. 10. Корелация между различни показатели за замърсяване на въздуха / астма 2025 г., визуализация с ArcGIS, авторски архив
С помощта на код за ArcGIS Pro / ArcPy, който използва данни за България като общини, показатели за замърсяване и честота на заболяване може да се изготви карта и визуализация на връзката между факторите на околната среда и различни заболявания [ 5 ].
На фигурите 9 и 10 е показан резултат за корелация между замърсяване на въздуха и заболявания от астма на територията на България.
Първични източници за данните, използвани за визуализацията през двете години:- Европейска агенция за околна среда( EEA)— PM2.5- Национален статистически институт( НСИ)— емисии, смъртност, здравни анкети- IQAir / aqicn— агрегирани / оперативни AQI стойности
( за визуализации);
- НЦОЗА( Национален център по обществено здраве и анализи, МЗ)— доклади и публикации за хронични болести и превенция;
- местни РЗИ доклади и регионални карти.
8. МЕТОДОЛОГИЧНИ И ТЕХНОЛОГИЧНИ АСПЕКТИ
В съвременните изследвания и приложения на географски информационни системи( ГИС) се използва разнообразен набор от софтуерни инструменти, които подпомагат събирането, обработката, анализа и визуализацията на пространствени данни. Найразпространени сред тях са ArcGIS, QGIS, и GRASS GIS, които разполагат с богата функционалност за пространствен анализ, картографиране и създаване на триизмерни модели на местността. Заедно с тях обаче все по-популярни стават и облачни платформи като Google Earth Engine, които позволяват работа с големи обеми от данни в реално време и улесняват достъпа до сателитни изображения и глобални набори от данни дори за потребители, които не са професионалисти в тази област.
В този контекст са използвани и ключови методи от областта на геостатиката. Методът Kriging например се използва за интерполация и създаване на непрекъснати повърхности въз онова на ограничен брой измервания, включително за оценка на нивата на замърсяване на въздуха в даден регион, когато данните са налични само от отделни измервателни станции. Методът Kernel Density Estimation с от друга страна се използва за анализ на концентрации. Практически пример е идентифицирането на т. нар. „ горещи точки“ в градска среда или в контекста на тази статия на заболеваемост при различни фактори на околната среда. Съществено място заемат и времевопространствените модели, които дават възможност за проследяване на процеси в динамика. Такива модели се използват например при анализ на разпространението на инфекциозни заболявания. Това може да подпомогне за ограничаване на разпространението или за оптимизация на здравните ресурси.
През последните години все по-широко приложение намира и интеграцията на ГИС с методи от машинното обучение. Посредством алгоритми за обучение, базирани на исторически данни, могат да се създават модели за бъдещи тенденции. Може например да се предвиди рискът от наводнения на база климатични и топографски данни или да се моделира вероятността и последствията от възникване на дадено природно бедствие като пожар или буря. Тази комбинация от пространствен анализ и изкуствен интелект значително разширява възможностите за планиране и управление в различни сфери, в това число и екологията, и общественото здраве.
9. ЕТИЧНИ И ПРАВНИ ПРЕДИЗВИКАТЕЛСТВА
Етичните и правни предизвикателства са съществен аспект при работата със здравни данни, особено в условията на дигитализация и нарастващо използване на информационни технологии в здравеопазването. Здравната информация често е персонална и изисква строга защита съгласно Регламента за защита на личните данни( GDPR). Този тип информация включва чувствителна информация за здравословното състояние, диагнози, лечение и медицинска история на индивидите, което ги прави особено уязвими при неправомерен достъп или злоупотреба.
Съгласно изискванията на GDPR, обработката на здравни данни трябва да се извършва при наличие на явно правно основание, като например изрично информирано съгласие на субекта. Освен това организациите са длъжни да прилагат технически и организационни мерки за защита, включително криптиране, контрол на достъпа и проследимост на действията с данните. За да се постигне баланс между използването на данните за научни цели и защитата на личната неприкосновеност, се прилагат различни подходи. Един от тях е анонимизацията, при която личните идентификатори се премахват или трансформират така, че да не може да се установи самоличността на лицето. Друг важен метод е пространственото обобщаване, при което информацията
32 ГКЗ 3-4’ 2026