Mapping climate extremes and chronic disease burden: A cross-modal geohealth dashboard for Vallès Occidental

Abstract

El canvi climàtic i les temperatures extremes causades per aquest representen una amenaça creixent per a la salut cardiometabòlica, però els seus impactes locals en àrees urbanes mediterrànies de mida petita i mitjana continuen estant poc explorats. En aquesta tesi, integrem dades meteorològiques (2015–2022) amb els registres clínics a nivell municipal de pacients amb malaltia cardiovascular i diabetis tipus 2 en vuit municipis del Vallès Occidental (Catalunya). Amb una interpolació en dues etapes, es van generar estimacions diàries de la temperatura màxima (T_max) als centroides de cada regió definida per codis postals. Els pacients es van classificar en quatre grups: cardiovascular, diabètic, combinat i controls, i es va construir un tauler interactiu utilitzant Shiny amb mapes coroplètics, gràfics de sèries temporals i gràfics de sectors estratificats per visualitzar patrons espacials i temporals. Enllaçant superfícies de temperatura granulars amb registres clínics exhaustius i desplegar un flux de treball de codi obert i reproduïble, aquest treball estableix les bases per als següents passos del projecte. Les fases futures podrien enriquir-se amb dades de contaminació de l’aire i de comportament, i ampliar les projeccions per comprovar les correlacions entre les dades ambientals i grups específics de pacients, augmentant el potencial d’explicabilitat dels diferents fenòmens i les seves relacions a través de la visualització.

El cambio climático y los extremos de calor inducidos representan una amenaza creciente para la salud cardiometabólica, sin embargo, sus impactos locales en áreas urbanas mediterráneas de tamaño pequeño y mediano siguen estando poco explorados. En esta tesis, integramos datos meteorológicos (2015–2022) con los registros clínicos a nivel municipal de pacientes con enfermedad cardiovascular y diabetes tipo 2 en ocho municipios del Vallès Occidental (Cataluña). Una interpolación en dos etapas produjo estimaciones diarias de la temperatura máxima (T_max) en los centroides de los códigos postales. Los pacientes se clasificaron en cuatro grupos: cardiovascular, diabético, combinado y controles, y se construyó un panel interactivo en Shiny con mapas coropléticos, gráficos de series temporales y gráficos de sectores estratificados para visualizar patrones espaciales y temporales. Al vincular superficies de temperatura granulares con registros clínicos exhaustivos y desplegar un flujo de trabajo de código abierto y reproducible, este trabajo sienta las bases para los siguientes pasos del proyecto. Fases futuras podrían enriquecer con datos de contaminación del aire y de comportamiento, y ampliar las proyecciones para comprobar las correlaciones entre los datos ambientales y grupos específicos de pacientes, aumentando el potencial de explicabilidad de los diferentes fenómenos y sus relaciones a través de la visualización.

Climate change and driven heat extremes pose an increasing threat to cardiometabolic health, yet their local impacts in small and medium sized Mediterranean urban areas remain underexplored. In this thesis, we integrate meteorological data (2015–2022) with municipal-level clinical patients records for cardiovascular disease and type-2 diabetes in eight municipalities of Vallès Occidental (Catalonia). A two-stage interpolation produced daily maximum temperature (T_max) estimating at postal-code centroids. The patients were classified into four groups: cardiovascular, diabetic, combined, and controls, and an interactive Shiny dashboard featuring choropleth maps was built with time-series plots, and stratified pie charts to visualize spatial and temporal patterns. By linking granular temperature surfaces with comprehensive clinical records and deploying an open and reproducible workflow, this work lays the foundation for the next steps of the project. Future phases could be enriched with air pollution and behavioral data, and expand the projections to verify correlations between environmental data and specific patient groups, increasing the potential for explainability of the different phenomena and their relationships through visualization.