ניתוח מקרי כלבת בישראל

**3. חקר הנתונים** **במהלך חקר הנתונים, גיבשנו מספר השערות ראשוניות שהתבססו על מאפייני המידע הקיים. ההשערות הראשוניות כוללות:** **רשימת משימות:** 1. **השערות:** - **הקשר בין מיקום גיאוגרפי להתפרצות**: יש אזורים גיאוגרפיים מסוימים שבהם התפרצות הכלבת נפוצה יותר. **כגון הגליל, העמקים והגולן,...

**3. חקר הנתונים** **במהלך חקר הנתונים, גיבשנו מספר השערות ראשוניות שהתבססו על מאפייני המידע הקיים. ההשערות הראשוניות כוללות:** **רשימת משימות:** 1. **השערות:** - **הקשר בין מיקום גיאוגרפי להתפרצות**: יש אזורים גיאוגרפיים מסוימים שבהם התפרצות הכלבת נפוצה יותר. **כגון הגליל, העמקים והגולן, מציגים שכיחות גבוהה יותר של מקרים.** - **עונתיות**: ייתכן שיש עונתיות בהתרחשות המקרים, מספר המקרים עולה בעונות מסוימות. לפי הנתונים שיש לנו אנחנו רואים עלייה במיוחד בחורף ובסתיו. - **סוגי בעלי חיים**: יש הבדל בין סוגי בעלי חיים בהקשר להתפרצות המחלה, **מרבית מקרי הכלבת מתרכזים בסוגי בעלי חיים מסוימים, כמו תנים וכלבים.** 2. **מאפיינים נראים מבטיחים להמשך הניתוח:** 3. **האם הגילויים שחשפתם שינו את ההשערות הראשוניות שלכם?** הגילויים שחשפנו במהלך הניתוח שינו את ההשערות הראשוניות שלנו באופן משמעותי. במהלך הניתוח, גילינו מאפיינים נוספים שהעשירו את ההבנה שלנו לגבי התפרצות מחלת הכלבת. אחד הגילויים המרכזיים היה השימוש בקואורדינטות גיאוגרפיות, אשר חשף מוקדים גיאוגרפיים ספציפיים שבהם התפרצות המחלה הייתה גבוהה יותר. גילוי זה הדגיש את החשיבות של ניתוח גיאוגרפי במעקב אחר התפרצויות מחלה, והראה לנו כיצד ניתן לנצל את המידע הגיאוגרפי כדי להבין טוב יותר את התפשטות המחלה. בנוסף, נמצא כי ישנה עלייה מובהקת במספר המקרים באזורים מסוימים בצפון הארץ, במיוחד בסמוך לריכוזי חיות בר. גילוי זה שינה את ההשערות שלנו לגבי הקשרים בין סוגי בעלי חיים לבין התפרצות המחלה. בעוד שההשערה המקורית הייתה שמקרי הכלבת מתרכזים בעיקר בבעלי חיים מסוימים, גילוי זה הראה שגם מינים פחות צפויים, כמו בקר, מעורבים במקרים. בהתאם לכך, הותאמו מטרות הניתוח כך שיתמקדו בזיהוי מוקדים גיאוגרפיים עם סיכון גבוה להתפרצות בעתיד. זה כולל את הצורך לשקול שילוב של נתונים סביבתיים, כמו תנאי מזג אוויר, כדי להבין את הקשר בין הסביבה לשכיחות המקרים. לסיכום, גילויים אלו לא רק שיפרו את ההבנה שלנו לגבי התפשטות מחלת הכלבת, אלא גם הובילו אותנו לשקול אסטרטגיות חדשות למניעת התפרצות, כמו חיזוק המעקב והטיפול באזורים עם ריכוז גבוה של חיות בר. 4. **האם חקר הנתונים שינה את מטרות מדעי הנתונים שלכם?** במהלך תהליך הניתוח, גילינו תובנות חדשות שהובילו אותנו להבין את המורכבות של התפרצות מחלת הכלבת. גילויים כמו מוקדים גיאוגרפיים ספציפיים שבהם יש ריכוז גבוה של מקרים, גם עלייה מובהקת באזורים עם ריכוזי חיות בר. 1\. **מיקוד במוקדים גיאוגרפיים:** המידע החדש הוביל אותנו לשים דגש על זיהוי מוקדים גיאוגרפיים עם סיכון גבוה להתפרצות בעתיד. במקום להתמקד רק בניתוח כללי של מקרי הכלבת, אנו מתכוונים לפתח מודלים שיכולים לחזות התפרצויות באזורים ספציפיים. 2\. **שילוב נתונים סביבתיים:** גילויים אלו גם הובילו אותנו לשקול לשלב נתונים סביבתיים, כמו תנאי מזג האוויר, כדי להבין את הקשרים בין הסביבה לשכיחות המקרים. מטרתנו היא לפתח מודלים שיכולים לחזות את השפעת התנאים הסביבתיים על התפרצות המחלה. 3**. פיתוח אסטרטגיות מניעה**: אנו שואפים לפתח אסטרטגיות מניעה ממוקדות יותר, שיכולות לכלול חיזוק המעקב והטיפול באזורים עם ריכוז גבוה של חיות בר. המטרה היא לא רק להבין את התופעה, אלא גם לפעול למניעת התפרצות מחלת הכלבת. חקר הנתונים לא רק שיפר את ההבנה שלנו לגבי התפרצות מחלת הכלבת, אלא גם הוביל אותנו למקד את המטרות שלנו במדעי הנתונים, כך שיתמקדו בזיהוי מוקדים גיאוגרפיים, שילוב נתונים סביבתיים ופיתוח אסטרטגיות מניעה אפקטיביות. **מספר מקרי כלבת לפי אזור גיאוגרפי:** הנתונים מציגים את הפיזור הגיאוגרפי של מקרי הכלבת בישראל ומדגישים הבדלים משמעותיים בין האזורים. - גליל גולן: היה האזור עם מספר מקרי הכלבת הגבוה ביותר, מעל 350 מקרים. - עמקים: נרשמו מעל 200 מקרים באזור זה. - במקום שלישי, גליל מערבי: באזור זה נרשמו כ-60 מקרים. - **אזורים אחרים**, **שפלה וההר**, **נגב**, ו**השרון**, מציגים מספרים נמוכים בהרבה, דבר שיכול להעיד על אמצעים טובים יותר למניעה או ריכוז נמוך יותר של בעלי חיים פגיעים. **10 התאריכים עם מספר מקרי הכלבת הגבוה ביותר:** תרשים העמודות מציג את 10 התאריכים שבהם נרשם מספר מקרי הכלבת הגבוה ביותר. ייתכן כי מדובר בתקופות שבהן הייתה התפרצות כלבת מוגברת, מה שעשוי להצביע על שינויים עונתיים, אירועים מיוחדים, או גורמים סביבתיים שתורמים להדבקה. נתונים אלו יכולים לשמש בסיס למעקב וניתוח מעמיק יותר כדי לזהות מגמות או דפוסים. - **2009** - **2017** - **2010** - **2024** **4. איכות הנתונים** נתונים אינם מושלמים לעיתים קרובות. כדי להימנע מבעיות פוטנציאליות, יש לערוך ניתוח איכות מעמיק של הנתונים הזמינים לפני שלב המודלים. יש להתייחס לבעיות כגון: 1. **נתונים חסרים:\ **בחלק מהשדות, כמו LocationNotSettlementHeb, קיימים ערכים ריקים או חסרים, אשר עשויים לכלול ערכים ריקים, סימנים כמו NA או ערכים כמו 999. ערכים חסרים אלו עשויים להוביל לאי-דיוק בנתונים ולהשפיע על תוצאות הניתוח. 2. **שגיאות קידוד:**\ בשדות כמו RegionHeb ו-RegionEng, עשויה להיות אי-עקביות בין השמות בשפות עברית ואנגלית, דבר שעלול לגרום לחוסר התאמה בין הנתונים. 3. **שגיאות מדידה:**\ ייתכן שברישום נתוני הקואורדינטות (x, y) קיימים ערכים חריגים שאינם תואמים מיקומים גיאוגרפיים תקינים, דבר שיכול להשפיע על איכות המידע. 4. **חוסר עקביות בקידוד**: 5. **מטה-דאטה גרועה**: המלצות אלו יסייעו לשפר את איכות הנתונים ולהבטיח ניתוח מדויק ומהימן בעתיד. על ידי טיפול נכון בנתונים חסרים, תיקון שגיאות קידוד ויישום שיטות לניהול שגיאות מדידה, ניתן להבטיח שהנתונים יהיו עקביים, מדויקים ואחידים, דבר שיביא לשיפור משמעותי באמינות ובתוצאות הניתוחים והמודלים העתידיים.