版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、傳染病監(jiān)測數據時空分析及早期預警的統計技術研究進展 四川大學華西公共衛(wèi)生學院衛(wèi)生統計學教授李曉松2009年9月26日 昆明2021/7/16 星期五1Company Logo隨著信息技術的迅速發(fā)展,已經和正在產生大量各類公共衛(wèi)生信息和數據。數據分析理論的滯后和分析技術的缺失,數據所隱含的知識并未被充分認識和利用,而這些知識可能具有潛在的巨大應用價值。2021/7/16 星期五2Company Logo3S技術等先進技術的迅速發(fā)展和應用,為深入分析和揭示公共衛(wèi)生信息數據間復雜的時間和空間關系,一方面提供了重要的基礎技術平臺,另一方面又產生了新的數據源。2021/7/16 星期五3Company
2、Logo時空分析及早期預警統計技術研究進展貝葉斯時空分析技術(Bayesian Disease Mapping)多源監(jiān)測數據分析技術(Multivariate Surveillance Data Analysis) 貝葉斯網絡和隱馬爾科夫模型聚集性探測(Cluster Detection)2021/7/16 星期五4Company Logo貝葉斯時空分析技術Bayesian Disease Mapping2021/7/16 星期五5Company Logo多維度多尺度多層次三個基本特征傳染病數據基本要素和特征 傳染病數據是傳染病流行過程及其相關因素關系的符號化表示。時態(tài)位置屬性三個基本要素20
3、21/7/16 星期五6 人們所觀察到的傳染病流行是一系列復雜的自然與社會因素綜合作用的結果。所謂傳染病“流行規(guī)律”可理解為在自然與社會多源復雜因子作用下傳染病流行的時空變化及其相關因素的時空共變軌跡。2021/7/16 星期五7貝葉斯時空分析技術 從時間軸看,在揭示傳染病發(fā)病(率)隨時間發(fā)生變化的同時,揭示其在每個時點上發(fā)病(率)存在的空間變異; 從空間軸看,在揭示傳染病發(fā)病(率)隨區(qū)域不同而發(fā)生變化的同時,揭示在這些異質的區(qū)域上發(fā)病(率)存在的時間變異。 與此同時,還指揭示與傳染病發(fā)病(率)上述時空變異所關聯的各種因子及其變化。2021/7/16 星期五8Bayes學說是不同于經典統計(頻
4、率學派)的另一大統計學派,隨著計算機技術的發(fā)展和Markov Chain Monte Carlo (MCMC)抽樣算法的引入,Bayes方法得以迅速發(fā)展和廣泛應用。2021/7/16 星期五9Company LogoBayesian Disease Mapping的優(yōu)勢可利用人們對于傳染病流行及其相關因素的先驗知識確定先驗分布。由于傳播特性,傳染病流行常呈現出時空相關性,Bayes建模可借用鄰近時空信息。2021/7/16 星期五10Company Logo自然環(huán)境數據傳染病時空數據時空建模平臺基于Bayes框架時空建模的傳染病流行規(guī)律多維度分析GISRS信息系統2021/7/16 星期五11
5、基于Bayes框架建模充分反映了傳染病數據的基本要素與特征 2021/7/16 星期五12Company Logo多維度屬性維時間維空間維多維度、多尺度和多層次病例的基本人口學特征以及與流行相關的主要自然/社會因素2021/7/16 星期五13 隨時間推移,各區(qū)域瘧疾發(fā)病相對危險度連續(xù)發(fā)生變化 各區(qū)域間相對危險度存在差異(空間異質性) 相鄰區(qū)域相對危險度有相似性(空間相關性) 降雨量與瘧疾發(fā)病的數量關系(系數)隨不同時期發(fā)生變化亞馬遜河區(qū)域某州某時期瘧疾發(fā)病的相對危險度變化 96.1 96.12 97.12 98.12 時間系數Aline A. Nobre, Alexandra M. Schm
6、idt, Hedibert F. Lopes. Spatio-temporal models for mapping the incidence of malaria in Par. Environmetrics, 2005, 16: 291 304.2021/7/16 星期五14發(fā)病(率)在各個區(qū)域的時間變異:各時點(段)的空間變異。相關因素與發(fā)病(率)的影響、以及這種影響在不同時間的變化和不同空間的變化。發(fā)病(率)的空間相關性與異質性大小及其在時間上的變異。2021/7/16 星期五15Company Logo多尺度:傳染病流行在不同時空尺度上表現出的特征可能不同。傳染病時空信息在概化和細
7、化過程中反映出的特征漸變規(guī)律探索不同時空尺度間信息轉換及不同尺度的效應2021/7/16 星期五16Company Logo2021/7/16 星期五17在全球尺度,可發(fā)現登革熱廣泛流行于北緯30 度和南緯20度之間。2021/7/16 星期五18非洲、東南亞、西太平洋地區(qū)地區(qū)、美洲加勒比地區(qū)及歐洲部分境域2021/7/16 星期五19Company Logo近10年其分布有向高緯度或高海拔地區(qū)擴散趨勢2021/7/16 星期五20Company Logo2021/7/16 星期五21Company Logo2021/7/16 星期五22Company Logo但如在地區(qū)尺度上如我國海南地區(qū),
8、它可能呈散在聚集分布而未能呈現出任何規(guī)律。2021/7/16 星期五23Company Logo2021/7/16 星期五24Company Logo多層次國家省地市區(qū)縣鄉(xiāng)鎮(zhèn)街道個體2021/7/16 星期五25Company Logo 個體本身特征 + 所在環(huán)境特征個體是否發(fā)生傳染病2021/7/16 星期五26Company Logo個體(個案數據)和環(huán)境(集合數據)因素的獨立和聯合效應各層次因素對傳染病發(fā)病(率)的影響以及對傳染病發(fā)病(率)在不同層次之間變異的影響時空模型多水平模型多水平模型2021/7/16 星期五27Company Logo聚集性探測Cluster Detection
9、2021/7/16 星期五28Company Logo回顧性和前瞻性兩種分析策略 回顧性分析:發(fā)病模式與病因探索 前瞻性分析:實時監(jiān)測與早期預警2021/7/16 星期五29Company LogoKullduff前瞻性時-空掃描統計量Rogerson空間模式監(jiān)測方法前瞻性聚集性探測方法2021/7/16 星期五30 目前我國部分地區(qū)用于預警的方法主要是單純時間聚集性探測方法。 其主要目的是探測時間序列數據中發(fā)病例數異常增加的時點。 2021/7/16 星期五31Company Logo單純時間聚集性分析的主要不足: 未利用疫情數據中的空間信息,難以及時、準確地預警。2021/7/16 星期五
10、32國外的研究多開始于2001年炭疽恐怖事件后,紐約、華盛頓、西雅圖等地先后建立了早期預警系統試點 (時-空掃描統計量和貝葉斯網絡等技術)。2021/7/16 星期五33國內外預警系統研究的區(qū)別探測方法監(jiān)測系統國內單純時間聚集性探測傳統監(jiān)測國外時空聚集性探測癥狀監(jiān)測2021/7/16 星期五34國內外預警系統研究的區(qū)別探測方法監(jiān)測系統國內單純時間聚集性探測傳統監(jiān)測國外時空聚集性探測癥狀監(jiān)測2021/7/16 星期五35前瞻性時空掃描統計量2021/7/16 星期五36Company Logo研究區(qū)域掃描窗口病例2021/7/16 星期五372021/7/16 星期五382021/7/16 星期
11、五39尋找病例最多的窗口: 掃描統計量S2021/7/16 星期五40由于傳染病的特殊性,用于傳染病監(jiān)測的掃描統計量,其構建更為復雜。 2021/7/16 星期五41Company Logo傳染病時空聚集性的特點無法預知傳染病爆發(fā)可能的規(guī)模掃描窗口的大小應當是動態(tài)變化的 2021/7/16 星期五42傳染病時空聚集性的特點某些因素造成傳染病發(fā)生數在時間和空間的自然變異:如季節(jié)性應當對這些因素進行校正 2021/7/16 星期五43傳染病時空聚集性的特點人口的地理分布不均勻如:城市人口密度高于農村應對人口密度的不均勻進行校正 2021/7/16 星期五44尋找病例最多的窗口: 掃描統計量S如何得
12、到P 值尋找掃描統計量的概率分布?非常復雜和困難的概率理論問題2021/7/16 星期五45新近發(fā)展的Kullduff時空掃描統計量掃描窗口大小可變對非均勻的人口密度進行校正 采用蒙特卡羅隨機化法進行假設檢驗,無需再考慮掃描統計量的概率分布 2021/7/16 星期五46Company Logo掃描窗口:一定地理區(qū)域空間掃描統計量2021/7/16 星期五47掃描窗口:一定時間長度時間掃描統計量2021/7/16 星期五48時空掃描統計量一定的時間長度一定的地理區(qū)域2021/7/16 星期五492021/7/16 星期五502021/7/16 星期五512021/7/16 星期五522021/
13、7/16 星期五532021/7/16 星期五542021/7/16 星期五552021/7/16 星期五562021/7/16 星期五572021/7/16 星期五582021/7/16 星期五592021/7/16 星期五602021/7/16 星期五612021/7/16 星期五622021/7/16 星期五632021/7/16 星期五642021/7/16 星期五65傳染病早期預警系統與可視化平臺2021/7/16 星期五66Company Logo數據庫網絡直報系統早期預警系統框架數據獲取2021/7/16 星期五67數據庫探測算法采用聚集性探測算法進行數據分析網絡直報系統早期預警
14、系統框架2021/7/16 星期五68數據庫探測算法地理信息系統地理編碼 &可視化實現網絡直報系統早期預警系統框架2021/7/16 星期五69數據庫探測算法地理信息系統報告早期預警系統框架網絡直報系統2021/7/16 星期五70Google Earth 可視化平臺GE支持的圖形為三維圖形,較二維圖形直觀,且可任意改變方位和視角進行查看。 GE提供的衛(wèi)星影像信息包括了山川河流等地形地貌信息,可結合上述環(huán)境信息查看聚集性探測結果。 除地理圖形外,GE還可容納預警信號的相關重要信息 。GE操作十分簡便,便于推廣應用。 2021/7/16 星期五71省級前瞻性時空聚集性探測結果圖示12021/7/
15、16 星期五72圖7.12 區(qū)縣級前瞻性時空聚集性探測結果圖示12021/7/16 星期五73圖7.13 區(qū)縣級前瞻性時空聚集性探測結果圖示22021/7/16 星期五74Figure. 聚集性探測結果在Google Earth上的平面透視圖(在預警信號所在位置點擊鼠標左鍵,即可出現預警信號的詳細信息,包括時間、地域、實際發(fā)病數、預期發(fā)病數、P值)2021/7/16 星期五75時空兩個維度聚集性探測的優(yōu)勢 與單純時間聚集性分析相比,時空聚集性分析信息更為詳盡,不僅可提示有無聚集性,還可對聚集性進行空間定位。 2021/7/16 星期五76時空兩個維度聚集性探測的優(yōu)勢 時空聚集性分析充分利用了數
16、據中的空間信息,預警更為及時。 2021/7/16 星期五77H0:傳染病無聚集性(病例隨機分布)拒絕H0對應爆發(fā)?“偶然”?信息不真實?存在聚集性2021/7/16 星期五78與散發(fā)相對散發(fā):獨立發(fā)生的病例。爆發(fā):病例之間具有流行病學上的聯系。流行病學意義上的傳染病爆發(fā)2021/7/16 星期五79統計聚集性流行病學爆發(fā)是否對應?現場調查:確定病例之間的流行病學聯系。實驗室檢查:根據病原體染色體DNA的同源程度識別病例之間的聯系(更為準確)。2021/7/16 星期五80聚集性的原因空間自相關其它因素2021/7/16 星期五81是否需校正空間自相關?取決于需要從數據中獲取什么樣的信息 ?2
17、021/7/16 星期五82情況通過空間自回歸分析確定主要影響因素:如分析發(fā)病人群的主要特征,此時需校正空間自相關。否則可能高估危險性,使得本來沒有關聯的因素得到具有統計學意義的結果。 2021/7/16 星期五83探測傳染病爆發(fā):勿需校正空間自相關。因為所要探測的cluster很可能是空間自相關引起的。如果對其進行校正,就發(fā)現不了重要的cluster。因此,應用于早期預警模型的時空掃描統計量無需對空間自相關進行校正。 情況2021/7/16 星期五84多源監(jiān)測數據融合分析技術Multivariate surveillance data analysis2021/7/16 星期五85Compa
18、ny Logo在傳染病監(jiān)測工作中,除病例監(jiān)測和癥候群監(jiān)測數據外,還可通過多個渠道獲得相關數據,如醫(yī)院就診數據,藥店OTC藥物銷量數據、學校缺席人數等,多源數據融合分析技術可合并多數據源建模進行傳染病的預測和早期預警。 2021/7/16 星期五86貝葉斯網絡Bayesian Network2021/7/16 星期五87貝葉斯網絡是一種基于貝葉斯理論的概率推理圖形化網絡,即通過一些監(jiān)測變量的信息來獲取其他感興趣變量概率信息的過程。目前已在眾多領域獲得廣泛應用,是近年國外傳染病預警研究領域的前沿技術之一。2021/7/16 星期五88貝葉斯網絡基本原理貝葉斯網絡節(jié)點:變量(season、age )
19、有向弧段:變量間的相互關系 2021/7/16 星期五89Example:炭疽釋放全局節(jié)點G,指示是否存在炭疽釋放。2021/7/16 星期五90Example:炭疽釋放界面節(jié)點I,在圖中為擴散的時間和地點 2021/7/16 星期五91Example:炭疽釋放個體子網絡P,每個子網絡對應一個個體。 2021/7/16 星期五92個體子網絡中包含家庭地理編碼、年齡、性別、呼吸道主訴、發(fā)病時間、發(fā)病地點等個人信息。2021/7/16 星期五93Example:炭疽釋放人群證據節(jié)點O,代表了特定群體的集合證據。這里O代表每個地區(qū)的非處方藥物的合計銷量。 2021/7/16 星期五94貝葉斯網絡將多
20、個渠道獲得的個體數據和集合數據以網絡的形式有機地結合起來,在充分考慮變量之間復雜關系的基礎上,對傳染病暴發(fā)的概率進行估計。2021/7/16 星期五95貝葉斯網絡建立步驟數據收集醫(yī)院/社區(qū)衛(wèi)生服務中心監(jiān)測資料:患者的人口學信息、發(fā)病及就診時間、家庭住址、臨床癥候群等;120緊急醫(yī)療救助電話記錄電子記錄;藥店監(jiān)測資料:相關藥物每日銷售量;學校、托幼機構、養(yǎng)老機構監(jiān)測資料:各監(jiān)測點機構缺勤人數及原因。.2021/7/16 星期五96Company Logo指標選擇召開包括傳染病應急處置專業(yè)人員、流行病學家、臨床專家等癥候群監(jiān)測涉及的相關領域的專業(yè)人員在內的專家會議。根據不同癥候群的目標傳染病,整理
21、各類癥候群發(fā)生的影響因素,考慮變量間的依賴關系,相關數據的可獲得性和可量化性等,選取適宜的模型指標。2021/7/16 星期五97Company Logo網絡結構學習利用歷史數據,結合先驗知識,確定合適的貝葉斯網絡拓撲結構。根據實際情況選用以下兩種方法:基于統計測試的方法基于搜索記分的方法 2021/7/16 星期五98Company Logo擬建立的模型節(jié)點分為四部分:全局節(jié)點G,即地區(qū)全人群特征;界面節(jié)點I,包括傳染病擴散的時間和地點;個體網絡P,每個子網絡對應一個個體,包括人口學信息、臨床癥候群等,其拓撲網絡結構由專家判斷確定;人群證據節(jié)點O,包括非處方藥物的銷量、120緊急醫(yī)療救助電話
22、記錄、機構缺勤人數等。2021/7/16 星期五99Company Logo網絡參數確定 在給定貝葉斯網絡拓撲結構的情況下,確定各節(jié)點處的條件概率密度。貝葉斯網絡的參數學習通過專家知識和訓練樣本學習來確定。 參數估計方法:極大似然估計、極大后驗概率和期望極大化算法。 當后驗概率超過界值可能是一次暴發(fā)。2021/7/16 星期五100Company Logo網絡結構和參數的優(yōu)化采用AMOC(activity monitoring operating characteristic)曲線衡量模型的假陽性率,計算傳染病出現暴發(fā)時間和模型預警時間的差值,并通過評價結果對模型結構進行優(yōu)化。2021/7/1
23、6 星期五101Company Logo隱馬爾科夫模型Hidden Markov Models,HMMs 2021/7/16 星期五102Company Logo隱馬爾科夫模型隱馬爾科夫模型(HMMs)是在Markov模型的基礎上發(fā)展起來的統計模型。2021/7/16 星期五103Company Logo假定HMMs的狀態(tài)(傳染病狀態(tài))是不可直接監(jiān)測的,監(jiān)測到的只是與之對應的一些監(jiān)測值(如OTC銷售量、急診量和學校缺勤數等 ),因而稱之為“隱”馬爾科夫模型。 2021/7/16 星期五104隱馬爾科夫模型底層:Markov鏈模型描述狀態(tài)之間的轉換2021/7/16 星期五105Company Logo隱馬爾科夫模型上層:隨機模型,描述狀態(tài)與監(jiān)測值的統計對應關系。2021/7/16 星期五106Company Logo隱馬爾科夫模型HMMs建模是從歷史數據中獲取信息,將隱含的規(guī)律轉化為實際的模型參數,利用歷史信息
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度個人教育產品居間合同范本正規(guī)范4篇
- 二零二五年度車輛抵押貸款監(jiān)管協議3篇
- 二零二五版幼兒園幼兒體育活動組織與指導合同4篇
- 建筑裝飾設計合同(2篇)
- 工廠勞務合同范本(2篇)
- 全新業(yè)務2025年度融資租賃合同3篇
- 2025年度建筑工地挖掘機駕駛員勞動合同范本2篇
- 蘑菇水塔施工方案
- AI醫(yī)療應用研究模板
- 二零二五年度綠色環(huán)保抹灰材料供應承包合同4篇
- 《天潤乳業(yè)營運能力及風險管理問題及完善對策(7900字論文)》
- 醫(yī)院醫(yī)學倫理委員會章程
- xx單位政務云商用密碼應用方案V2.0
- 農民專業(yè)合作社財務報表(三張報表)
- 動土作業(yè)專項安全培訓考試試題(帶答案)
- 大學生就業(yè)指導(高職就業(yè)指導課程 )全套教學課件
- 死亡病例討論總結分析
- 第二章 會展的產生與發(fā)展
- 空域規(guī)劃與管理V2.0
- JGT266-2011 泡沫混凝土標準規(guī)范
- 商戶用電申請表
評論
0/150
提交評論