Verktyg utvecklade av Håvard Rue har förändrat dataanalys, tolkning och kommunikation, och tillämpas brett:från modellering av spridningen av infektionssjukdomar till kartläggning av fiskbestånd.

Statistik är vetenskapen om att lära av data, med statistiker som ger värdefulla insikter om de mest angelägna problemen som mänskligheten står inför, såsom hälsoeffekterna av föroreningar på spridningen av infektionssjukdomar.

Forskare måste förstå statistik om de ska kunna fatta välgrundade beslut.

"Att tillhandahålla verktyg för forskare att bättre förstå verkliga problem innebär att beslutsfattare har tillgång till tillförlitlig data för att fatta viktiga beslut som påverkar många aspekter av livet, från hälsa och miljö till ekonomi och sociala frågor, " förklarar KAUST professor i statistik Håvard Rue.

Rue är en pionjär inom området för beräkningsbaserad Bayesiansk statistik, en metod som tillämpar sannolikheter på statistiska problem, leder till snabbare och mer exakta förutsägelser. Hans arbete fokuserar på tillämpningen av integrerade kapslade Laplace approximationer (INLA), ett tillvägagångssätt för att genomföra Bayesiansk slutledning som uppdaterar slutsatser som dras från statistiska modeller i ljuset av nya data.

"Huvudproblemen med Bayesiansk modellering är hastighet och noggrannhet, " förklarar Rue. "Normalt måste du byta hastighet för noggrannhet, men med INLA får du båda. Det är nästan för bra för att vara sant."

INLA-metoden representerar ett annat sätt att analysera högdimensionella datauppsättningar som innehåller tusentals mätningar - som de som används för att modellera klimat eller förutsäga vädermodeller - och är för komplexa för metoder som Markov-kedjan Monte Carlo-provtagning, som är tidskrävande och opraktiska för mycket stora modeller.

För att hjälpa till att tillämpa INLA statistiska metoden och för att bättre analysera allt större datamängder, Rue och hans kollegor utvecklade R-INLA statistiska mjukvarupaket, som möjliggör INLA-applikation inom olika områden, från sjukvård till ekologi.

Till exempel, Gavin Shaddick, professor i datavetenskap och statistik vid University of Exeter i Storbritannien, använde R-INLA för att analysera en databas som innehåller data från fler än 4, 300 städer i över 100 länder för att modellera hälso- och miljöpåverkan från luftföroreningar.

"Luftföroreningar är en viktig riskfaktor för global hälsa med 4,2 miljoner dödsfall årligen som tillskrivs föroreningar av fina partiklar, ", säger Shaddick. "Utan R-INLA hade vi inte kunnat utföra dessa analyser på global skala."

Arbetet, i samarbete med Världshälsoorganisationen (WHO), har visat att 92 procent av världens befolkning bor i områden som överskrider WHO:s riktlinjer för luftkvalitet.

Metoden har även använts av Malaria Atlas Project (MAP), som sprider gratis, exakt, uppdaterad information om malaria, och syftar till att begränsa spridningen av sjukdomen. Enligt WHO:s World Malaria Report 2017, uppskattningsvis 216 miljoner fall av malaria inträffade globalt under 2016, en ökning med cirka 5 miljoner fall från föregående år.

"Innan R-INLA om inte var möjligt att göra slutsatser för mer än tusen observationer, gör detta till ett viktigt verktyg för att förstå spridningen av malaria, " säger, Samir Bhatt från Imperial College Public School of Health i London, STORBRITANNIEN., som använde R-INLA för att modellera förekomsten av olika former av malaria på en global skala.

Center for Disease Control and Prevention (CDC) använder också R-INLA för att kartlägga det ökande antalet självmord över hela USA, ger en aldrig tidigare skådad detaljnivå genom att tillåta förändringar i självmordsfrekvensen hos över 3, 000 län som ska spåras från 2005 till 2015.

"Att förstå de geografiska mönstren för självmordsfrekvenser hjälper oss att avgöra vilka län som rapporterar höga siffror och som är i behov av resurser för att förebygga självmord, " förklarar Diba Khan, senior service fellow vid Centers for Disease Control and Prevention (CDC). "Genom att använda INLA, lokala folkhälsomyndigheter kan tilldela medel för att uppnå hälsoresultat som inte är möjliga från endast statlig nivå."

INLA-metoden har även tillämpats av forskare vid katolska universitetet i Valparaíso för att kartlägga utbredningsmönstren för räkor utanför Chiles kust. Det har gjort det möjligt för dem att identifiera områden där fiske är möjligt och att ge rekommendationer om fångstkvoter för att hjälpa till att förvalta fiskresurserna.

"Jag blir fortfarande förvånad när jag ser tillämpningar av INLA inom områden jag aldrig har hört talas om och som ligger utanför kärnstatistiken. Detta visar att det vi gör är viktigt och har en inverkan på hur människor arbetar med statistik, säger Rue.