我们的健康主要由地方行为，社会和环境因素驱动。Miter和Virginia Tech正在探索将地方，州和联邦政府行政数据联系起来是否可以确定家庭暴力的风险。
智能分散融合当地数据以识别家庭暴力风险
“全球思考，在本地行动。”这是改善我们星球环境健康的一个长期概念。然而，根据Miter的Dawn Heisey-Grove，同一概念的许多方面也适用于我们的个人健康。
海西·格罗夫（Heisey-Grove）说：“一个人的健康中的绝大多数是由地方行为，社会和环境因素驱动的，但大多数地方政府无法有效地分析相关数据。”她指出，尽管从酒精中毒到壁虱传播疾病的所有事物都可能存在全球因素，但人们在当地社区中遭受了这些疾病，当地社区负责帮助他们。
海西·格罗夫（Heisey-Grove）是一项MITER Innovation项目的主要研究者，该项目融合了当地和国家数据，以帮助当地社区确定潜在的健康风险，其长期目标是帮助他们采取预防措施。这个概念符合Miter为解决一个更安全的世界解决问题的使命 - 包括我们相信数据是健康的下一个医疗创新。
她和模拟建模工程师凯文·戈姆利（Kevin Gormley）正在与弗吉尼亚理工大学的社会和决策分析实验室合作，探讨如何使用来自弗吉尼亚州阿灵顿县多个实体的地方行政数据来增强公共卫生监视并为政策决策提供信息。他们首先关注家庭暴力，这通常是一个高度报道的问题。
“智能分散”如何识别潜在风险
戈姆利解释了“模拟多元自适应回归技术（SMART）散射”的概念，是使用来自多个地理水平的数据进行归纳（估计数据估计数据）风险因素的一种方式。
他说：“您可能在县级有一些数据，邮政编码或人口普查组级别的其他数据以及家庭一级的其他数据。”“通过利用有关风险因素如何变化的所有这些信息，可以对包括失业，药物滥用，收入，犯罪率等的风险因素进行更好的估计，从而在社区内对与政策更相关的级别进行更准确的预测制造商，例如学区。”
海西·格罗夫（Heisey-Grove）说：“我们要谨慎地认识到这些指标并不建议任何特定的人面临更大的风险。相反，这些数据点显示了小人群中的风险潜力，可能是在几个块或邮政编码中。”
预防而不是反应
海西·格罗夫（Heisey-Grove）认为，这些工具可以帮助地方政府通过预防性而不是对这些健康问题做出反应来帮助其有限的资源，并做出更好的决策。
“凭借这种信息，社区可以专注于显示有效减少家庭暴力和其他问题几率的计划。”
海西·格罗夫（Heisey-Grove2018 Health Datapalooza在华盛顿特区，入学室观众。“显然，人们非常有兴趣找出利用社会决定因素数据来改善公共卫生监视和人口健康的方法。”
弗吉尼亚理工大学最近进行了模拟，表明智能散布在比以前可能更为特定的地理特定水平估算危险因素方面更好，从而可以对家庭暴力事件进行更准确的预测。这种能力将可以更好地定位干预措施，并了解最好分配有限的公共卫生资源的地方。
戴维·希格登（David Higdon）教授说：“ Smart Scatter增强了多种插入量的尝试和真实的方法，并通过其他数据源和地理位置为我们提供了在社区层面的其他解决方案。”
展望未来，海西·格罗夫（Heisey-Grove）说，她想以“插件”水平和建议的干预措施为社区提供这些工具。
“这并不意味着您必须进入并宣布，'我们的数据说，您的社区有遭受家庭暴力的风险。'相反，社区领导人可能会认识到潜力，并选择将其有限资金投资于工作咨询，药物滥用治疗以及预防家庭暴力和意识计划。”
卫生社会决定因素的其他应用
海西·格罗夫（Heisey-Grove）说，林特（Miter）和弗吉尼亚理工大学（Virginia Tech）还有许多其他可能的应用程序。例如，靠近林区的居民可能会面临tick虫疾病的风险更大，或者居住在“食物沙漠”中的居民可能更容易受到肥胖症的影响。但是她觉得家庭暴力是正确的起点。
“鉴于家庭暴力如何随着时间的流逝和沉默而逐渐升级，因此及早确定风险有可能减少或防止巨大的痛苦。”
- 比尔·埃德森（Bill Eidson）