Smurtas dėl intymaus partnerio, kaip žinoma, nepakankamai pranešamas ir teisingai diagnozuojamas ligoninėse tik maždaug ketvirtadalį laiko, tačiau naujas metodas suteikia realesnį vaizdą apie tai, kurios moterų grupės yra labiausiai paveiktos, net jei jų atvejai nėra registruojami.
PURPLE, Kornelio ir Masačusetso technologijos instituto mokslininkų sukurtas algoritmas, įvertina, kaip dažnai skirtingose demografinėse grupėse pasitaiko nepakankamos sveikatos būklės. Naudodami ligoninių duomenis, mokslininkai parodė, kad PURPLE gali geriau įvertinti, kurios moterų grupės dažniausiai patiria smurtą intymioje partnerystėje, palyginti su metodais, kurie nepataiso nepakankamo pranešimo.
Naująjį metodą sukūrė Divya Shanmugam, buvusi MIT doktorantė, kuris šį rudenį prisijungs prie Cornell Tech kaip podoktorantūros tyrėjas, ir Emma Pierson, Andrew H. ir Ann R. Tisch informatikos profesoriaus asistentė Jacobs Technion- Kornelio institute Cornell Tech ir Cornell Ann S. Bowers kompiuterių ir informacijos mokslų koledže.
Tyrėjai aprašo savo požiūrį „Intymaus partnerio smurto skirtumų kiekybinis įvertinimas: mašininio mokymosi metodas, skirtas ištaisyti nepakankamą ataskaitų skaičių“, paskelbtas npj Moterų sveikata.
„Dažnai mums rūpi, kaip dažnai liga pasireiškia vienoje populiacijoje, palyginti su kita, nes tai gali padėti nukreipti išteklius į grupes, kurioms jos labiausiai reikia“, – sakė Piersonas. „Iššūkis yra tas, kad daugelis ligų yra nepakankamai diagnozuojamos. Nepranešimas yra glaudžiai susijęs su visuomenės nelygybe, nes dažnai tai labiau paveikia grupes, jei jos turi blogesnę prieigą prie sveikatos priežiūros paslaugų.”
Shanmugam susidomėjo smurtu artimuose partneriuose po to, kai Piersonas rekomendavo Rachel Louise Snyder knygą „No Visible Bruises: What We Don't Know About Domestic Violence Can Kill Us“. Ji suprato, kad plačiai paplitusią nepakankamo pranešimo problemą gali padėti išspręsti statistiniai metodai. Rezultatas buvo PURPLE (teigiamas nepaženklintas santykinio paplitimo įvertinimas), mašininio mokymosi metodas, kuris įvertina santykinį būklės paplitimą, kai nežinomas tikrasis paveiktų žmonių skaičius skirtingose grupėse.
Tyrėjai pritaikė PURPLE dviem realaus gyvenimo duomenų rinkiniams, iš kurių vienas apėmė 293 297 skubios pagalbos skyrių apsilankymus ligoninėje Bostono srityje, o antrąjį – 33,1 mln. apsilankymų ligoninėse visoje šalyje. PURPLE naudojo demografinius duomenis kartu su faktinėmis intymių partnerių smurto diagnozėmis ir susijusiais simptomais, tokiais kaip riešo lūžis ar mėlynės, kurie gali rodyti būklę net tada, kai pacientui iš tikrųjų nebuvo diagnozuota.
„Šie platūs duomenų rinkiniai, apibūdinantys milijonus apsilankymų skubios pagalbos skyriuje, gali sukelti santykinį paplitimą, kuris yra klaidinantis, naudojant tik pastebėtas diagnozes”, – sakė Shanmugam. „PURPLE koregavimai gali priartinti mus prie tiesos“.
PURPLE nurodė, kad pacientai, kurie nėra balti, nėra legaliai susituokę, vartoja Medicaid arba gyvena mažesnes pajamas gaunančiose arba didmiesčių zonose, dažniau patiria intymių partnerių smurtą. Šie rezultatai sutampa su ankstesniais literatūros duomenimis, parodydami PURPLE rezultatų patikimumą.
Rezultatai taip pat rodo, kad norint gauti tikslius įvertinimus, svarbu ištaisyti nepakankamą informaciją. Be šios pataisos ligoninių duomenų rinkiniai neparodo tiesioginio ryšio tarp pajamų lygio ir viktimizacijos lygio. Tačiau PURPLE aiškiai rodo, kad smurto lygis yra didesnis moterims, turinčioms mažesnes pajamas, o tai atitinka literatūrą.
Be to, mokslininkai tikisi, kad PURPLE bus pritaikyta kitoms dažnai nepakankamai pranešamoms moterų sveikatos problemoms, tokioms kaip endometriozė ar policistinių kiaušidžių sindromas.
„Dar reikia daug nuveikti, kad būtų galima įvertinti, kokiu mastu šie rezultatai yra nepakankamai diagnozuoti, ir aš manau, kad PURPLE gali būti viena priemonė, padedanti atsakyti į šį klausimą“, – sakė Shanmugam.
Naujoji technika taip pat gali būti pritaikyta ne tik sveikatos būklėms. PURPLE galėtų būti naudojama siekiant atskleisti santykinį policijos nusižengimų, apie kuriuos pranešta, paplitimą apylinkėse arba neapykantą kurstančių kalbų, nukreiptų į skirtingas demografines grupes, kiekius.
Kaihua Hou, Kalifornijos universiteto Berklio doktorantė, prisidėjo prie tyrimo. Piersonas taip pat turi susitikimą su Weill Cornell Medicine.