前瞻性时空扫描统计量在传染病预警中的基线选择研究

目的探索将前瞻性时空扫描统计量运用于传染病预警中适宜基线的选择方法。方法根据当年流行情况选择发病高峰时段结合固定长度基线以及可变长度基线运用前瞻性时空扫描统计量进行模拟实时预警分析,通过不同长度基线的结果比较,探索不同基线在不同流行状况的适用差异并寻找选择适当基线的方法。结果固定长度基线产生了18个信号,而采用可变长度基线只纳入高峰期数据的预警则产生了28个信号,且这28个信号中完全包括了固定长度基线产生的18个信号。其中2009年4月17日及18日固定长度基线的1号信号均被以可变长度基线的时空扫描统计量分为3个较小但发病率更高的信号。结论在发病高峰期选择可变长度基线能够更加精确地区分聚集性区域,并且在经过排除重叠信号后,可以得到更高的探测效能。     

回顾性时空重排扫描统计量在手足口病聚集性研究中的应用

目的 探索回顾性时空重排扫描统计量在手足口病聚集性探测中的应用.方法 应用回顾性时空重排扫描统计量(采用SaTScan 9.0软件)对北京市顺义区2010年手足口病疫情资料进行分析.结果 2010年3月13日～7月16日,回顾性时空聚集分析确定了6个可能的手足口病发病聚集区域.4月10日～5月7日期间,高丽营镇区域手足口病发病存在聚集性(P＜1×10-9);5月8日～21日期间,张镇区域手足口病发病存在聚集性(P=3.8×10-8);6月19日～7月16日期间,南彩地区和北小营镇区域手足口病发病存在聚集性(P=5.3×10-5);3月13日～4月9日期间,天竺地区和仁和镇区域手足口病发病存在聚集性(P=4.5×10-4);5月22日～6月4日期间,胜利街道和光明街道区域手足口病发病存在聚集性(P=2.5×10 3);5月22日～6月18日期间,牛山镇、赵全营镇、北石槽镇区域手足口病发病存在聚集性(P=7.6×10-3).结论 回顾性时空重排扫描统计量结合地理信息软件是评价手足口病时空聚集性的一种有效的方法,可为阐明手足口病时空聚集性特征及制定有效防控措施提供依据.     

基于前瞻性时空重排扫描统计量的传染病早期预警系统

目的探索前瞻性时空重排扫描统计量在传染病早期预警中的应用。方法模拟实时监测系统,采用前瞻性时空重排扫描统计量对成都市2005年麻疹病例数据进行逐日前瞻性分析。结果前瞻性时空重排扫描统计量能早期探测到传染病的爆发。结论利用前瞻性时空重排扫描统计量结合地理信息软件建立的早期预警系统,能有效地对传染病爆发做出早期预警。     

前瞻性时空扫描统计量在传染病早期预警中的应用

目的 探索前瞻性时空扫描统计量在传染病早期预警中的应用.方法 模拟实时监测系统,采用前瞻性时空扫描统计量对2005年成都市102个乡镇街道的3212例细菌性痢疾病例数据进行逐日前瞻性分析,并与单纯时间聚集性分析结果相比较.结果 前瞻性时空扫描统计量可提供确切的预警信息,对细菌性痢疾进行时间和空间定位.从6月的预警结果可见,前瞻性时空扫描统计量及时探测到了细菌性痢疾的局部暴发,且预警信号较强(P=0.007).而单纯时间聚集性分析滞后2 d发出预警,且信号较弱(P=0.039).结论 前瞻性时空扫描统计量能够充分挖掘和利用传染病监测数据中的时间和空间信息,能够提高聚集性探测的及时性和有效性,在实际工作中具有潜在的重要应用价值.     

时空扫描统计量在手足口病聚集性研究中的参数筛选

目的探讨最大空间和最大时间扫描窗口参数的选择。方法以荆州市2016年手足口病逐日发病数据为例,将最大空间扫描窗口设置为风险人口数的50%、40%、30%、20%、10%,最大时间扫描窗口设置为7d、14d、30d、60d,组成20种参数设置方案,逐一进行时空扫描。选择扫出聚集区域覆盖乡镇数<25个,且能同时探测出松滋市卸甲坪乡和监利县三洲镇的聚集性疫情,LLR值和RR值均较大的组合为最优参数设置。结果最大空间扫描窗口设为风险人口数20%,最大时间扫描窗口设置为30d时,共探测到6个聚集区,覆盖乡镇数均<25个,且成功探测到松滋市卸甲坪乡和监利县三洲镇的聚集性疫情,另外LLR值和RR值均较大,为最优参数设置。结论不同参数组合对时空扫描统计量结果产生显著影响,建议在应用该方法前先进行参数优化。     

扫描统计量在麻疹聚集性分析中的应用探讨

目的 探讨扫描统计量在麻疹实时预警和时空聚集性分析中的应用价值。方法 应用前瞻性时空扫描统计量结合空间准确性评价指标MCS-P(Most Clustering Set-Proportion)去确定最优参数,对北京市朝阳区2016年网络直报的麻疹数据开展模拟预警分析。同时应用空间扫描统计量结合MCS-P分析2006-2016年北京市朝阳区麻疹聚集性。结果 模拟预警提示3月4日双井街道麻疹病例出现异常聚集,与历史监测资料一致。麻疹发病数从2006年后直线下降,但在2009年后出现反复。 2014-2016年,麻疹的局部高发区域的形状较为规则,波及范围更大但并未带来更高的空间聚集性。2014-2016连续三年,十八里店乡、高碑店乡以及豆各庄乡均表现出空间聚集性。结论 运用前瞻性时空扫描统计量结合MCS-P选用最优参数进行逐日分析,可以得到最符合实际情况的聚集区域,在早期预警中具有实际价值。分析连续多年数据有助于发现麻疹分布模式的变化以及空间分布特征,从而发现高危地区,以便进一步分析原因并采取针对性地干预措施。     

空间扫描统计量在手足口病空间聚集性研究中的应用

目的探讨空间扫描统计量在手足口病空间聚集性探测中的应用。方法采用Flexible空间扫描统计量(FleXScanV3软件)对2009年1月至2010年12月顺义区手足口病发病进行空间聚集性分析。结果在手足口病聚集性的时间段内其空间聚集区域存在明显差异。2009年共探测到手足口病聚集区域11个,2010年共探测到发生手足口病聚集的地区8个。结论 Flexible空间扫描统计量与地理信息系统相结合可有效对手足口病的空间聚集性做出探测。     

Flexible空间扫描统计量在传染病聚集性探测的应用研究

目的探索空间扫描统计量在乙型脑炎聚集性探测及其早期预警中的应用。方法采用Flexible空间扫描统计量对2007年四川省乙脑发病进行空间聚集性分析。结果空间聚集性探测结果显示,在乙脑具有聚集性的时间段内其空间聚集区域存在明显差异。7月共探测到发生乙脑聚集的区县19个,8月共探测到发生乙脑聚集的区县14个。结论 Flexible空间扫描统计量与地理信息系统相结合可有效对乙脑的空间聚集性做出早期预警。     

扫描统计量模型在地方病流行病学中的应用初探

[目的]初步探索扫描统计量模型在地方病流行病学中的应用价值及其适用性。[方法]采用圆形窗口扫描统计量对我国碘缺乏病的时间和空间聚集性进行分析。[结果]2009年碘缺乏病发病在我国西部具有较为明显的聚集性。[结论]扫描统计量可以很好地应用于地方病以及慢性病流行病学分析,尤其是时间和空间聚集性探测。     

基于超几何分布的前瞻性时空扫描统计量在疟疾早期预警中的应用北大核心CSCD

目的探索基于超几何分布概率模型的前瞻性时空扫描统计量在疟疾早期预警中的应用。方法利用R语言编程实现两种前瞻性时空扫描统计量,分别基于经典的泊松分布概率模型和较新的超几何分布概率模型,模拟实时监测系统对四川省2009年疟疾病例中6月21日-30日连续10天数据进行逐日前瞻性分析。结果基于超几何分布的前瞻性时空扫描统计量和基于泊松分布的前瞻性时空扫描统计量在疟疾早期预警中效果相当,都能早期探测到疟疾的爆发。结论基于超几何分布的前瞻性时空扫描统计量在疟疾早期预警中有应用价值。     

A CUSUM framework for detection of space-time disease clusters using scan statistics

Several methods for timely detection of emerging clusters of diseases have recently been proposed. We focus our attention on one of the most popular types of method; a scan statistic. Different ways of constructing space-time scan statistics based on surveillance theory are presented. We bridge the ideas from space-time disease surveillance, public health surveillance and industrial quality control and show that previously suggested space-time scan statistics methods can be fitted into a general CUSUM framework. Crucial differences between the methods studied are due to different assumptions about the spatial process. An example is the specification of the spatial regions of interest for a possible cluster, another is the increased rate to be detected within a cluster. We evaluate the detection ability of the methods considering the possibility of a cluster emerging at any time during the surveillance period. The methods are applied to the detection of an increased incidence of Tularemia in Sweden.     

基于时空重排扫描统计量的深圳市流行性腮腺炎聚集性研究

目的探讨深圳市流行性腮腺炎时空聚集性特征和变化趋势。方法应用回顾性时空重排扫描统计量和空间自相关系数分析深圳市2009年1月1日～2011年12月31日流行性腮腺炎时空聚集性,利用地理信息系统（geographic information system,GIS）技术表达相应的聚集区域。结果回顾性时空扫描分析确定了23个可能的发病聚集区域,一类聚集区域发生在2011年11月27日～12月26日,聚集范围包括沙头角和海山街道（P〈1.0×10^-17）,二类聚集区域包括22个,2009年探测到6个,包括4个聚集区域和2个聚集点,2010年探测到7个,包括1个聚集区域和6个聚集点,2011年探测到9个聚集点。呈现大范围聚集区域减少,小范围的聚集点逐渐增多的趋势。23个聚集区主要出现在4～7月份和11～2月份,与深圳市和广东省腮腺炎疫情高峰出现时段相一致。局部自相关分析发现的高-高聚集区域为：2009年海山、沙头角、莲塘、南头和龙岗街道;2011年盐田、海山、平湖和福永街道,结果与时空扫描结果基本一致。结论时空重排扫描统计量结合地理信息系统,能够更加直观、全面地展示了发病聚集区域,为以后开展针对性的预防控制措施,提供了科学参考依据。     

广西壮族自治区1 989--2006年流行性乙型脑炎时空动态趋势分析

目的 探测广西壮族自治区流行性乙型脑炎(乙脑)发病的时空动态趋势.方法 结合地理信息系统中的反距离加权插值方法,应用回顾性时空重排扫描统计量对1989-2006年广西乙脑发病资料进行时空动态趋势分析.结果 反距离加权插值地图直观显示,1989-2006年广西乙脑时空格局可分为4个阶段:1989-1996年高发区聚集在桂东南地区;1997-1998年呈离散分布;1999年高发区又重新聚集到灵山、浦北、博白等桂南地区;2000-2006年高发聚集区转移到桂西北地区.回顾性时空重排扫描统计量探测到3个有统计学意义的时空聚集区:以109°54′E、22°28′N的浦北县为中心,辐射半径45.24 km,集中于1999年的一级时空聚集区(LLR=253.25,P=0.001,RR=4.62);以105°23′E、24°68′N的隆林县为中心,辐射半径199.85km,始于2000年止于2006年的次级时空聚集区(LLR=75.91,P=0.001,RR=1.88);以110°94′E、24°03′N的昭平县为中心,辐射半径229.12 km,始于1989年止于1996年的次级时空聚集区(LLR=46.29,P=0.001,RR=1.16).结论 时空重排扫描统计量结合地理信息系统可定量探测乙脑的时空动态趋势,1989-2006年广西乙脑高发时空聚集性由桂东南及桂南地区向桂西北地区转移.

Abstract：

Objective To study the spatiotemporal trend of Japanese encephalitis in Guangxi Zhuang Autonomous Region between 1989 and 2006.Methods Retrospective space-time permutation scan statistic and inverse distance weighted (IDW) interpolation were employed to detect the spatiotemporal trend of Japanese encephalitis in Guangxi,from the year 1989 to 2006.Results The spatiotemporal pattern of Japanese encephalitis was divided into four phases by IDW interpolation maps,from 1989 to 2006.The first phase was spatiotemporal cluster located in southeast region,from 1989 to 1996.The second phase showed discrete distribution from 1997 to 1998.The third phase of spatiotemporal cluster located in Lingshan county,Pubei county and Bobai county,in 1999.And the last phase was spatiotemporal cluster located in northwest region from 2000 to 2006.Three statistically significant spatiotemporal clusters were detected by retrospective space-time permutation scan statistic.The primary cluster appeared in 1999 (LLR=253.25,P=0.001,RR=4.62),with 109°54′ E,22°28′ N (located in Pubei county) as its center and radiated 45.24 km.From 2000 to 2006,the secondary cluster showed in northwest (LLR=75.91,P=0.001,RR = 1.88),with center located at 105°23′ E,24°68′ N (Longlin county),and radiated 199.85 kn.From 1989 to 1996,the other secondary cluster appeared in the southeast area(LLR=46.29,P=0.001,RR= 1.16),with center located at 110°94′ E,24°03′N(Zhaoping county) and radiated 229.12 km.Conclusion Space-time permutation scan statistic and geographical information system could be applied to quantitatively detect the potentially spatiotemporal trend of the disease.The spatiotemporal cluster shifted from southeast to northwest,from 1989 to 2006.     

Spatial scan statistics with overdispersion

The spatial scan statistic has been widely used in spatial disease surveillance and spatial cluster detection for more than a decade. However, overdispersion often presents in real-world data, causing not only violation of the Poisson assumption but also excessive type I errors or false alarms. In order to account for overdispersion, we extend the Poisson-based spatial scan test to a quasi-Poisson-based test. The simulation shows that the proposed method can substantially reduce type I error probabilities in the presence of overdispersion. In a case study of infant mortality in Jiangxi, China, both tests detect a cluster; however, a secondary cluster is identified by only the Poisson-based test. It is recommended that a cluster detected by the Poisson-based scan test should be interpreted with caution when it is not confirmed by the quasi-Poisson-based test.     

Identification of TB space-time clusters and hotspots in Ouest département,Haiti, 2011–2016

BACKGROUND:Haiti has the highest incidence rate of TB in the Western Hemisphere, with an estimated 170 cases per 100,000 in 2019. Since 2010, control efforts have focused on targeted case-finding activities in urban areas, implementation of rapid molecular diagnostics at high-volume TB centers, and improved reporting. TB analyses are rarely focused on lower geographic units; thus, the major goal was to determine if there were focal areas of TB transmission from 2011 to 2016 at operational geographic levels useful for the National TB Control Program (PNLT).METHODS:We created a geocoder to locate TB cases at the smallest geographic level. Kulldorff’s space-time permutation scan, Anselin Moran’s I, and Getis-Ord Gi* statistics were used to determine the spatial distribution and clusters of TB.RESULTS:With 91% of cases linked using the geocoder, TB clusters were identified each year. Getis-Ord Gi* analysis revealed 14 distinct spatial clusters of high incidences in the Port-au-Prince metropolitan area. One hundred retrospective space-time clusters were detected.CONCLUSION:Our study confirms the presence of TB hotspots in the Ouest département, with most clusters in the Port-au-Prince metropolitan area. Results will help the PNLT and its partners better design case-finding strategies for these areas.     

Use of a prospective space-time scan statistic to prioritize shigellosis case investigations in an urban jurisdiction

OBJECTIVE: A prospective space-time scan statistic was applied to Chicago's 2002 shigellosis surveillance data to evaluate its utility in objectively describing clusters and assisting in the prioritization of investigations. METHODS: The prospective space-time module of SaTScan, a free software available online, was used to identify "live" clusters of disease, meaning cases that were current as of the date of the analysis and strongly associated in place and time. Fifty-two separate space-time analyses were run; one simulation for each week of 2002. Identified clusters were described in terms of space, time, risk factors reported by involved case-patients, and cases' links to venue-associated outbreaks. RESULTS: Twelve live clusters were detected at the p < 0.05 significance level: two single-household clusters and 10 community clusters. The community clusters ranged in size from 194 to 367 census tracts (median = 294), and in disease burden from 21 to 41 cases (median = 29). Geographically, all of the community clusters were located in the west-central part of the city and had a temporal span of 28 days. Within the 10 community clusters, 15 different day care centers were identified as potential exposure settings for case-patients or their close contacts. CONCLUSIONS: The prospective space-time scan statistic offers local health departments an objective way of describing clusters of shigellosis cases. The method used in this study could help prioritize the assignment and investigation of cases, particularly when overall shigellosis incidence exceeds expected numbers or when an agency's resources are stressed by other events, such as outbreaks.