תמותה טרום־זמנה ממחלות לב וכלי־מוח בבוגוטה — גישת למידת מכונה אנליטית

מדוע מקרים מוקדמים של מוות מלב ושבץ חשובים

בערים גדולות ברחבי העולם אנשים רבים מתים ממחלות לב ומשבץ לפני הגעתם לגיל זקנה. מחקר זה בוחן מה קורה בבוגוטה, קולומביה, ושואל שאלה מרכזית: מי מת מוקדם מדי ממחלות אלה ולמה? על ידי שילוב של רישומי תמותה ארציים עם שיטות מחשוב מודרניות, הכותבים מראים כיצד השכלה, כיסוי בריאותי ומקום המוות מקושרים באופן הדוק לתמותה מוקדמת ממחלות של כלי־דם בלב והמוח. עבודתם מציעה דרכים חדשות לרשויות הבריאות לזהות קבוצות פגיעות ולפעול לפני שאסון קורה.

מבט מעמיק על מקרי המוות בעיר

החוקרים ניתחו את כל מקרי המוות המתועדים בקולומביה בין השנים 2010 ל‑2022, כשהמיקוד הוא בבוגוטה. הם חקרו מבוגרים בגיל 30 ומעלה שמתו מארבעה מצבים עיקריים: חסימה בעורקי הלב (איסכמיה), שבץ, יתר לחץ דם כרוני ואי־ספיקה לבבית. מקרי מוות לפני גיל 75 סווגו כ"מוקדמים", בעוד שמקרי מוות בגיל 75 ומעלה נחשבו למקרי זקנה. בבוגוטה, מקרי תמותה קרדיו‑מוחיים מוקדמים היו כמעט 40,000 בין גיל 30 ל‑74, כאשר גברים הושפעו יותר מנשים. רבים מהמקרים האלה היו בקרב אנשים עם רמת השכלה נמוכה, אלה החיים במרכז העיר ובעלי כיסוי מבוסס עובד. מחלת לב איסכמית הייתה הגורם המוביל, אחריו שבץ, יתר לחץ דם ואי‑ספיקה לבבית.

מגמות עולות והזעזוע של המגפה

כאשר הצוות צייר את הנתונים על ציר הזמן, נמצא שמקרי המוות המוקדמים וכיוצא בהם במבוגרים עלו בעקביות לאורך תקופה של 13 שנים. העלייה הייתה חדה במיוחד ב‑2020 וב‑2021, בשיא מגפת COVID‑19. גברים הציגו שיעורי תמותה גבוהים יותר ותנודתיות שנתית גדולה יותר מאשר נשים, והיו גם שיאים עונתיים מתונים, בעיקר סביב דצמבר ובאמצע השנה. בקרב בני 75 ומעלה, מקרי המוות עלו במקביל והתחזקו גם הם בתקופת המגפה. דפוסים אלו מצביעים על כך שחולשות ארוכות טווח במניעה וטיפול במחלות כרוניות הוחמרו כאשר מערכת הבריאות נשאבה ללחץ קיצוני.

להניח למכונות לחפש דפוסים נסתרים

כדי לצאת מעבר לספירות וממוצעים פשוטים פנו הכותבים ללמידת מכונה — משפחת שיטות המאפשרת למחשבים ללמוד דפוסים מתוך נתונים. הם השתמשו ברישומי תמותה שכללו גיל, מין, השכלה, קבוצה אתנית, סוג ביטוח, שנת ומקום המוות והגורם הרחב למוות. נבחנו אלגוריתמים שונים כדי לבדוק עד כמה הם יכולים להבחין אם מוות הוא מוקדם או לא. בין היתר, שיטת ה‑random forest הצטיינה והגיעה להצלחה מתונה בהבחנה בין מקרי מוות מוקדמים למאוחרים. נבנו גם מודלים נפרדים לכל קבוצת מחלות, מה ששיפר מעט את הביצועים וחשף שהדפוסים מאחורי מיתות מוקדמות אינם זהים עבור התקפי לב, שבץ, יתר לחץ דם ואי‑ספיקה לבבית.

תנאים חברתיים כראשי־רמז חזקים

התוצאה הבולטת ביותר הייתה שתכונות חברתיות השפיעו יותר מאבחנה רפואית ספציפית. גם במודל הכללי וגם במודלים הספציפיים לגורם, רמת ההשכלה הייתה תמיד המשתנה החזק ביותר בחיזוי האם מוות יהיה מוקדם. סוג ביטוח הבריאות ומקום המוות — האם בבית חולים, בבית או במקום אחר — הגיעו מיד אחריו. המין היה חשוב במיוחד במחלה האיסכמית של הלב, שבה גברים היו בעלי סבירות גבוהה יותר למות מוקדם. הכותבים השתמשו בטכניקה הנקראת SHAP כדי להמחיש כיצד כל גורם הדחף את התחזית לעבר מוות מוקדם או מאוחר, והראו, לדוגמה, שרמת השכלה נמוכה וסוגי ביטוחים מסוימים נטו להיות מקושרים עם סיכון מוגבר למות לפני גיל 75.

מה משמעות הדבר לחיי היומיום

ללא‑מומחים, המסר המרכזי הוא שמקרי מוות מוקדמים מלב ושבץ בבוגוטה אינם עניין של מזל רע או ביולוגיה בלבד. הם משקפים כיצד השכלה, ביטוח בריאות הקשור להכנסה וגישה מהירה לטיפול מעצבים את סיכויי ההישרדות עד לגיל מבוגר. אמנם מודלי המחשב אינם מושלמים — הם ממיינים מקרים בצורה מתונה בלבד — אך הם כבר מסמנים בבירור את חשיבות התנאים החברתיים. הכותבים טוענים שרשויות הבריאות יכולות להשתמש במודלים כאלה ככלים לתמיכה בקבלת החלטות: לנטר מגמות, לזהות קבוצות בסיכון גבוה ולעצב מאמצי מניעה המשלבים השכלה טובה יותר, כיסוי בריאותי צודק יותר וטיפול חירום מהיר יותר. בקיצור, להפחתת מקרי מוות מוקדמים מלב ושבץ נדרשת לא רק רפואה טובה, אלא גם צדק חברתי גדול יותר.

ציטוט: Malagón Sintura, Y.C., Arias-Ortiz, W.A. Premature mortality from cardio-cerebrovascular diseases in Bogotá an analytical machine learning approach. Sci Rep 16, 10307 (2026). https://doi.org/10.1038/s41598-026-39453-z

מילות מפתח: תמותה קרדיו־וסקולרית מוקדמת, בריאות ציבורית בבוגוטה, למידת מכונה באפידמיולוגיה, קובעי בריאות חברתיים, מחלות לב ושבץ