[w.....a]

W dzisiejszym wpisie krótko o tym, jak wizualizacja danych ratowała życie już w połowie XIX wieku.

Tl;dr Jak wykryć źródło zarazy, gdy teorie dotyczące jej rozprzestrzeniania są fałszywe?

W 1954 roku w Londynie na cholerę zmarło ponad 600 osób. W tamtym czasach równie powszechnie co błędnie uważano, że za epidemię odpowiada „morowe powietrze”. John Snow, lekarz i jeden z twórców epidemiologii, drążył kwestię przyczyn rozprzestrzeniania się cholery, bo według niego fakty w żaden sposób nie potwierdzały roli powietrza. Na podstawie rozmów z mieszkańcami i świadkami doszedł do wniosku, że źródłem zarazy jest ogólnodostępna uliczna pompa. Nie potrafił tego jednak udowodnić mikroskopowymi czy chemicznymi badaniami próbek, posłużył się więc statystyką:
- wzorcami rozprzestrzeniania się cholery
- powiązaniami zarażeń z jakością wody
- częstością występowania zarażeń w określonych lokalizacjach dystrybucji wody (to właśnie widać na mapie)

Na szczęście udało się przekonać lokalne władze i feralną pompę zamknięto (a właściwe zabrano… rączkę). John Snow przyznawał później uczciwie, że nie przypisuje sobie całej zasługi, bo być może epidemia zaczynała właśnie wygasać. Jednak pomysłowość lekarza zasługuję na wieczną chwałę, bo niewątpliwie przyczynił się do uratowania wielu ludzi – nie tylko w wiktoriańskiej Anglii.

Choć w tym przypadku załączona wizualizacja powstała nieco później, była przekonującym dowodem w całej serii batalii o odrzucenie teorii rozprzestrzeniania się niektórych chorób przez złe powietrze. Stary paradygmat wcale nie odszedł tak szybko do lamusa, ale to już inna historia.

#historia #statystyka #wizualizacja #medycyna
#grafika jak zwykle do otwierania w nowym oknie

Korzystałem z https://en.wikipedia.org/wiki/John_Snow

#whatadata – analiza i wizualizacja danych, statystyka, ciekawostki z półświatka Data Science ( ͡° ͜ʖ ͡°)

PS. Ten bardziej znany, choć fikcyjny Jon Snow z #got też ma coś wspólnego z #datascience – ale o tym w jednym z następnych odcinków :)