Florence Nightingale var en pioner innen hygiene og datavisualisering

Overalt var det rotter og avføring. Sterkt skadde og til dels døde soldater lå på senger eller på gulvet. Dette var de forferdelige forholdene Florence Nightingale møtte da hun i 1854 kom til et feltsykehus på Krim. Sjokkert over forholdene begynte hun å innføre hygieneprosedyrer og ønsket å implementere disse tiltakene også i andre feltsykehus. Som sykepleier trodde hun imidlertid at hun hadde liten innflytelse, og det var vanskelig å overbevise militæret om hennes planer. Men hun klarte det til slutt – med hjelp av matematikk. Og det skulle ikke bli siste gang statistikk hjalp til å redde utallige menneskeliv.

I dagens lys kan det virke vanskelig å tro at man kunne tvile på Nightingales forslag: Det er åpenbart at mangel på hygiene kan føre til sykdommer – spesielt når mennesker er skadet. Men på den tiden fantes det ingen enhetlige forskrifter om hygieniske forhold i sykehus, og det var heller ikke standardisert utdannet personell som sørget for et minimum av renhet. Dette skulle forandre seg gjennom en statistisk analyse utført av Nightingale.

Frykt for statistikk

På begynnelsen av 1800-tallet var statistikk verken utbredt eller særlig avansert. Tvert imot: I starten virket det som om folk fryktet statistiske uttalelser. Det viser et sitat av Charles Dickens fra boken «Hard Times», som refererer til antallet gjennomsnittlige dødsfall per år. Hvis antall døde så langt var under årsgjennomsnittet, «måtte omtrent 40 eller 50 mennesker dø før årets siste dag – og de vil dø», skrev forfatteren. Men Nightingale lot seg ikke avskrekke av slike vrangforestillinger.

Da hun etter to år på Krim vendte hjem, begynte hun å skrive en omfattende rapport om sitt arbeid der. På en for datiden helt uvant måte begynte hun å visualisere de innsamlede dataene.

Nightingales berømte kakediagrammer

Den mest kjente fremstillingen er Nightingales kakediagrammer. Hun delte en sirkel inn i tolv like store seksjoner, som hver representerer en måned i året. Deretter dokumenterte hun antallet døde: Jo større arealet av en seksjon, desto høyere antall døde. Med farger skilte hun mellom ulike dødsårsaker. Blå markerte de som døde av unødvendige sykdommer, rød de som bukket under for sine sår – og svart alle andre dødsfall. 

Effekten av hygiene

Med disse diagrammene kunne man umiddelbart se hvordan antallet dødsfall utviklet seg over tid. Man kunne også umiddelbart se hvor stor andel av dødsfallene som var unødvendige. Diagrammene viste at totalantallet døde, spesielt i den blå kategorien, først steg kraftig, for så å synke igjen. Årsaken til denne utviklingen var hygienetiltakene Nightingale innførte.

For å lage disse tegningene trengte Nightingale en viss matematisk forståelse. Først måtte hun dele en sirkel inn i tolv like store deler, altså i ulike 30-graders biter. Deretter måtte hun fastsette en referanseverdi, for eksempel: Et stykke med en radius på én centimeter – og dermed et areal på π⁄12 kvadratcentimeter – tilsvarer 100 døde. Hvis hun nå ønsket å registrere 1500 døde, måtte radius strekkes med faktoren √15 ≈ 3,87.

Med sine statistikker kunne Nightingale overbevise den britiske regjeringen om nytten av hennes metoder. 

John Snow og kolera i London

Det finnes mange andre tidlige eksempler på hvordan visualisering av data bidro til det gode. Et av dem er historien om John Snow, en britisk lege som hjalp til med å stoppe kolerautbrudd i London.

På 1840- og 1850-tallet ble England gjentatte ganger rammet av koleraepidemier. I motsetning til den vanlige tro mente Snow imidlertid ikke at sykdommen ble forårsaket av «dårlig luft». Han kunne imidlertid ikke navngi en alternativ årsak. Da det i 1854 brøt ut flere koleratilfeller i Londons Soho-distrikt, begynte Snow å spørre de berørte personene. Han kartla hvor de syke bodde og så et mønster.

Sykdomstilfellene så ut til å være konsentrert rundt en vannpumpe. Dette førte Snow til å anta at denne pumpen forårsaket epidemien. Kartet han laget med de markerte tilfellene, var nok til å overbevise de lokale myndighetene, som deretter fjernet pumpens håndtak. Kort tid etter falt antall tilfeller betydelig.

Kolera og drikkevannskvalitet

I senere arbeider kunne Snow gjennom statistiske undersøkelser vise at kolerautbruddene tilsynelatende var knyttet til drikkevannskvaliteten. I distrikter som fikk sterkt forurenset vann fra Themsen, forekom sykdommen opptil 14 ganger oftere enn i bydeler med rene vannkilder. Dermed presenterte Snow de første bevisene på at kolera ikke ble forårsaket av «dårlig luft», men av forurenset drikkevann.

Matematikk og statistikk under covid-19-pandemien

COVID-19 pandemien ga et klart eksempel på hvordan matematikk og statistikk spiller en avgjørende rolle i moderne helsevesen. Epidemiologiske modeller ble brukt til å forutsi smittespredning, evaluere effekten av folkehelsetiltak og utvikle vaksinasjonsstrategier. 

Dataanalyse og kontaktsporing

Moderne teknologi tillot også bruk av avanserte dataanalyseteknikker for kontaktsporing. Apper og digitale verktøy samlet inn data om smittespredning, og statistiske analyser bidro til å identifisere smitteklynger og overvåke utbrudd i sanntid. Dette gjorde det mulig for helsemyndigheter å iverksette målrettede tiltak for å begrense spredningen av viruset.

Vaksineutvikling og kliniske studier

Matematikk og statistikk var essensielle i utviklingen og distribusjonen av covid-19- vaksiner. Statistiske metoder ble brukt i alle faser av kliniske studier for å sikre at vaksinene var trygge og effektive. Videre bidro matematisk modellering til å optimalisere distribusjonen av vaksiner, slik at de raskest mulig kunne nå de mest sårbare befolkningsgruppene.

Moderne epidemiologi

De statistiske analysene og de visuelle fremstillingene av Nightingale, Snow og moderne forskere har sannsynligvis reddet utallige menneskeliv. Selv om de gjennom sitt arbeid ikke kunne avsløre de eksakte mekanismene for spredning av sykdommer gjennom patogener, la de grunnlaget for moderne epidemiologi: I denne disiplinen bruker eksperter undersøkelser og geografiske studier for å beskrive utviklingen av epidemier. Disse metodene er fortsatt høyst relevante i dag – selv om vi nå har en bedre forståelse av mekanismene bak sykdommene.