传染病监测数据时空分析及早期预警统计技术研究进展

多层次
国家 省 地市 区县 乡镇街道 个体
Company Logo
个体本身特征
+
所在环境特征
个体是否发生传染病
Company Logo
个体(个案数据)和环境(集合数据)因素的独立 和联合效应 各层次因素对传染病发病(率)的影响以及对 传染病发病(率)在不同层次之间变异的影响
Company Logo
❖ 3S 技 术 等 先 进 技 术 的 迅 速 发 展 和 应 用 ， 为 深 入分析和揭示公共卫生信息数据间复杂的时 间和空间关系，一方面提供了重要的基础技 术平台，另一方面又产生了新的数据源。
Company Logo
时空分析及早期预警统计技术研究进展
❖ 贝叶斯时空分析技术(Bayesian Disease Mapping) ❖ 多源监测数据分析技术(Multivariate Surveillance Data
传染病监测数据 时空分析及早期预警的统计技术研究进展
2009年9月26日 昆明
Company Logo
• 随着信息技术的迅速发展，已经和正在产生大量 各类公共卫生信息和数据。
• 数据分析理论的滞后和分析技术的缺失，数据所 隐含的知识并未被充分认识和利用，而这些知识 可能具有潜在的巨大应用价值。
Company Logo
Analysis) ——贝叶斯网络和隐马尔科夫模型 ❖ 聚集性探测(Cluster Detection) ❖ ……
Company Logo
贝叶斯时空分析技术 Bayesian Disease Mapping
Company Logo
传染病数据基本要素和特征
传染病数据是传染病流行过程及其 相关因素关系的符号化表示。
多维度、多尺度和多层次
多维度
病例的基本人口学特征以及与 流行相关的主要自然/社会因素
时间维
属性维
空间维
系 数
96.1 96.时12间 97.12 98.12
亚马逊河区域某州某时期疟疾发病的相对危险度变化 • 随时间推移，各区域疟疾发病相对危险度连续发生变化
• 各区域间相对危险度存在差异(空间异质性) • 相邻区域相对危险度有相似性(空间相关性) • 降雨量与疟疾发病的数量关系(系数)随不同时期发生变化
国内外预警系统研究的区别
探测方法
监测系统
国内 单纯时间聚集性探测 传统监测
国外 时空聚集性探测 症状监测
国内外预警系统研究的区别
探测方法
监测系统
国内 单纯时间聚集性探测 传统监测
国外 时空聚集性探测 症状监测
前瞻性时空扫描统计量
Company Logo
研究 区域
扫描窗口 病例
寻找病例最多的窗口： 扫描统计量S
目前我国部分地区用于预警的方法主要是单纯 时间聚集性探测方法。
其主要目的是探测时间序列数据中发病例数异 常增加的时点。
Company Logo
➢ 单纯时间聚集性分析的主要不足： 未利用疫情数据中的空间信息，难以
及时、准确地预警。
➢ 国外的研究多开始于2001年炭疽恐怖事件 后，纽约、华盛顿、西雅图等地先后建立 了早期预警系统试点 (时-空扫描统计量和 贝叶斯网络等技术)。
❖ 由于传播特性，传染病流行常呈现出时空相关 性，Bayes建模可借用邻近时空信息。
Company Logo
基于Bayes框架时空建模 的传染病流行规律多维度分析
GIS
信息 系统
RS
时空建模平台
传染病时空数据 自然环境数据
基于Bayes框架建模充分反映了传染病数据的 基本要素与特征
Company Logo
Aline A. Nobre, Alexandra M. Schmidt, Hedibert F. Lopes. Spatio-temporal models for mapping the incidence of malaria in Pará. Environmetrics, 2005, 16: 291 – 304.
聚集性探测 Cluster Detection
Company Logo
回顾来自百度文库和前瞻性两种分析策略
❖ 回顾性分析：发病模式与病因探索 ❖ 前瞻性分析：实时监测与早期预警
Company Logo
前瞻性聚集性探测方法
➢ Kullduff前瞻性时-空扫描统计量 ➢ Rogerson空间模式监测方法 ➢ ……
传染病时空信息在概化和细化过程中 反映出的特征渐变规律
Company Logo
在全球尺度，可发现登革热广泛流行于北纬30 度和南纬20度之间。
非洲、东南亚、西太平洋地区地区、美洲加勒比地区及欧洲部分境域
近10年其分布有向高纬度或高海拔地区扩散趋势
但如在地区尺度上如我国海南地区，它可能呈散在聚集分布而 未能呈现出任何规律。
❖ Bayes学说是不同于经典统计(频率学派) 的另一大统计学派，随着计算机技术 的发展和Markov Chain Monte Carlo (MCMC)抽样算法的引入，Bayes方法 得以迅速发展和广泛应用。
Company Logo
Bayesian Disease Mapping的优势
❖ 可利用人们对于传染病流行及其相关因素的先 验知识确定先验分布。
❖ 发病(率)在各个区域的时间变异: ❖ 各时点(段)的空间变异。 ❖ 相关因素与发发病病(率(率)的)的空影间响相、关以性及与这异种质影性响在
不同时间的大变小化及和其不在同时空间间上的的变变化异。。
Company Logo
多尺度：传染病流行在不同时空尺度上表现出 的特征可能不同。
探索不同时空尺度间信息转换 及不同尺度的效应
三三 个个 基基 本本 要特 素征
时态多维度 位置多尺度 属性多层次
人们所观察到的传染病流行是一系列 复杂的自然与社会因素综合作用的结果。 所谓传染病“流行规律”可理解为
在自然与社会多源复杂因子作用 下传染病流行的时空变化及其
相关因素的时空共变轨迹。
贝叶斯时空分析技术
从时间轴看，在揭示传染病发病(率)随时间发生变化的同时， 揭示其在每个时点上发病(率)存在的空间变异； 从空间轴看，在揭示传染病发病(率)随区域不同而发生变化 的同时，揭示在这些异质的区域上发病(率)存在的时间变异。 与此同时，还指揭示与传染病发病(率)上述时空变异所关联 的各种因子及其变化。