Las herramientas desarrolladas por Håvard Rue han transformado el análisis de datos, interpretación y comunicación, y se aplican ampliamente:desde la modelización de la propagación de enfermedades infecciosas hasta la cartografía de las poblaciones de peces.

La estadística es la ciencia de aprender de los datos, con estadísticos que brindan información valiosa sobre los problemas más urgentes que enfrenta la humanidad, como los impactos en la salud de la contaminación y la propagación de enfermedades infecciosas.

Los investigadores deben comprender las estadísticas para poder tomar decisiones informadas.

"Proporcionar las herramientas para que los científicos comprendan mejor los problemas del mundo real significa que los legisladores tienen acceso a datos confiables para tomar decisiones importantes que afectan muchos aspectos de la vida, desde la salud y el medio ambiente hasta la economía y las cuestiones sociales, "explica el profesor de estadística de KAUST Håvard Rue.

Rue es pionera en el campo de la estadística computacional bayesiana, un método que aplica probabilidades a problemas estadísticos, conduciendo a predicciones más rápidas y precisas. Su trabajo se centra en la aplicación de aproximaciones de Laplace anidadas integradas (INLA), un enfoque para realizar inferencias bayesianas que actualiza las conclusiones que se extraen de los modelos estadísticos a la luz de nuevos datos.

"Los principales problemas del modelado bayesiano son la velocidad y la precisión, "explica Rue." Normalmente tienes que cambiar la velocidad por la precisión, pero con INLA obtienes ambos. Es casi demasiado bueno para ser verdad ".

El enfoque INLA representa una forma diferente de analizar conjuntos de datos de alta dimensión que contienen miles de mediciones, como las que se utilizan para modelar el clima o predecir modelos meteorológicos, y son demasiado complejos para métodos como el muestreo de Monte Carlo en la cadena de Markov, que son lentos y poco prácticos para modelos muy grandes.

Para ayudar a aplicar el método estadístico INLA y analizar mejor conjuntos de datos cada vez más grandes, Rue y sus colegas desarrollaron el paquete de software estadístico R-INLA, que permite la aplicación de INLA en diversos campos, de la salud a la ecología.

Por ejemplo, Gavin Shaddick, profesor de Ciencia de Datos y Estadística en la Universidad de Exeter en el Reino Unido, utilizó R-INLA para analizar una base de datos que contiene datos de más de 4, 300 ciudades en más de 100 países para modelar los impactos ambientales y en la salud de la contaminación del aire.

"La contaminación del aire es un factor de riesgo importante para la salud mundial, con 4,2 millones de muertes anuales atribuidas a la contaminación por partículas finas, "dice Shaddick." Sin R-INLA no hubiéramos podido realizar estos análisis a escala global ".

La obra, en colaboración con la Organización Mundial de la Salud (OMS), ha demostrado que el 92 por ciento de la población mundial reside en áreas que exceden las pautas de calidad del aire de la OMS.

El método también ha sido utilizado por el Proyecto Atlas de Malaria (MAP), que difunde gratis, preciso, información actualizada sobre la malaria, y tiene como objetivo limitar la propagación de la enfermedad. Según el Informe mundial sobre el paludismo de la OMS 2017, Se estima que 216 millones de casos de malaria ocurrieron en todo el mundo en 2016, un aumento de alrededor de 5 millones de casos con respecto al año anterior.

"Antes de R-INLA, si no era posible realizar inferencias para más de mil observaciones, haciendo de esta una herramienta importante para comprender la propagación de la malaria, " dice, Samir Bhatt de la Escuela Pública de Salud del Imperial College de Londres, REINO UNIDO., que utilizaron el R-INLA para modelar la prevalencia de diferentes formas de malaria a escala mundial.

El Centro para el Control y la Prevención de Enfermedades (CDC) también está utilizando R-INLA para mapear el creciente número de suicidios en los Estados Unidos. proporcionando un nivel de detalle sin precedentes al permitir cambios en las tasas de suicidio en más de 3, 000 condados que se rastrearán desde 2005 hasta 2015.

"Comprender los patrones geográficos de las tasas de suicidio nos ayuda a determinar qué condados reportan tasas altas y necesitan recursos para la prevención del suicidio, "explica Diba Khan, becario de servicio senior en los Centros para el Control y la Prevención de Enfermedades (CDC). "Al utilizar INLA, las agencias de salud pública locales pueden asignar fondos para lograr resultados de salud que no son posibles solo con datos a nivel estatal ".

El método INLA también ha sido aplicado por investigadores de la Universidad Católica de Valparaíso para mapear los patrones de distribución del camarón frente a las costas de Chile. Les ha permitido identificar áreas donde es posible pescar y hacer recomendaciones sobre cuotas de captura para ayudar a gestionar los recursos pesqueros.

"Todavía me sorprende cuando veo aplicaciones del INLA en áreas de las que nunca había oído hablar y que están fuera de las estadísticas centrales. Esto demuestra que lo que estamos haciendo es importante y tiene un impacto en la forma en que las personas trabajan con las estadísticas, "dice Rue.