一种基于相对风险偏差和空间参量修正的时空扫描统计方法技术

本发明专利技术涉及一种基于相对风险偏差和空间参量修正的时空扫描统计方法，属于疾病时空聚集性探测与预测预警技术领域。本发明专利技术对城镇、农村人口发病聚集的探索与预测预警创新性的考虑了两个因素，一个是人员发病地址和人员就医登记地址的矛盾，另一个是引入了power参与评估预测，此处power是一个关于人口密度和相对风险值RR的函数，强调应考虑城镇农村人口密度稀疏问题，而不是单纯的考虑RR值，使用中用相对偏差B来衡量，因为B和power变化一致，当B无限接近1时，power因素可忽略。

【技术实现步骤摘要】
一种基于相对风险偏差和空间参量修正的时空扫描统计方法
本专利技术涉及一种基于相对风险偏差和空间参量修正的时空扫描统计方法，属于疾病时空聚集性探测与预测预警

技术介绍
时空事件聚类分析，从提出以来近十年里，出现了一些成熟的方法。其大致分为三种类型：(1)时空扫描统计，(2)时空密度聚类，(3)时空混合距离。本专利技术探讨的是第一类时空扫描统计部分。2001年Kuiidorff在空间统计的基础上提出了时空扫描统计，其基本用于探测传染病的时空聚集模式。模型定义一系列以空间距离为半径，时间间隔为高的圆柱型时空扫描窗口。然后用最大似然函数、蒙特卡罗等对扫描窗口的显著性进行检验，寻找最异常的窗口。之后2008年TaKahash等人对扫描窗口的形状进行了扩展，提高了非球型簇探测的能力。2011年，Tango等人在模型中加入了期望发病数随时间的变化一因素，使时空扫描统计更为完善。以上说明纯粹的空间和时空扫描已经成功的应用于检测和预估地理疾病爆发集群。但是尽管在成熟的模型下扫描统计量正确的识别集群的概率很高，并没有对所检测到的集群进行一个集群的相对风险的评估。如人员稀少地方，尽管有聚集情况，但其实发病率还是很低；扫描使用的空间参量数据一般来源于医院的登记，会有一个人员发病地点和人员就诊登记地点的矛盾，导致最终数据有一定偏差。
技术实现思路
本专利技术要解决的技术问题是提供一种基于相对风险偏差和空间参量修正的时空扫描统计方法，用于解决时空扫描统计中人员发病地点和人员就诊登记地点的矛盾问题和被探测到的聚集区域相对风险存在偏差等现象，致力于提高时空扫描疾病聚集性探测与预测预警的准确性。本专利技术的技术方案是：一种基于相对风险偏差和空间参量修正的时空扫描统计方法，具体步骤为：Step1：从城镇农村医院上报数据库中获取病例登记信息，主要获取空间地址，实际发病地址和就诊地址等数据集；Step2：确认Step1中的地理信息，清洗数据，空间扫描地址扫描信息统一为实际发病地址；Step3：信息搜集完毕后，调用Step1中的地理信息，基于Kulldroff模型，以G区域作为研究区域，其中Z区域为扫描的聚集区域，针对每个时空扫描窗口，在泊松分布假设前提下，定义真实的相对风险值RR；Step4：继续Step3中的模型操作，假设选定的区域Z与观测值无关，根据扫描的数据得到相对风险值RR的估计量Step5：根据Step3和Step4中得到的相对风险值RR与相对风险估计量求解相对风险偏差Step6：由Step5得到的相对风险偏差B，作为时空聚集性预测预警准确性的一个衡量条件，在一些探测结果中同时显示B值，B值越接近1，表示对结果值的判断越准确。进一步地，所述步骤Step2中，考虑真实传染源在发病地点，空间扫描地址扫描信息统一为实际发病地址。进一步地，所属Step3中，真实的相对风险值RR计算为：其中，λZ为聚集区域Z内的风险值比上研究区域G处于Z以外的区域的风险值。进一步地，所属Step3真实的相对风险值RR计算中，扫描窗口内的实体数目服从泊松分布，故聚集区域Z内病例数服从泊松分布，有聚集区域Z的风险值λZ为：YZ为聚集区域Z内泊松随机变量总数，E(YZ)为其期望值，EZ为聚集区域Z内的病例期望值。N为研究区域G内的总病例数，PZ为Z区域内的人口数，PG为研究区域G的总人口数，所以有：同理可得研究区域G处于Z以外的区域的风险值：进一步地，所属Step4中相似风险值的值的计算，假设被选定的区域Z独立于观测数据集，则其相对风险RR估计值为：其中，N为研究区域G内的总人口数，NZ聚集区域Z内的人口数，EZ为聚集区域Z内的病例期望值，EG研究区域G内病例期望值；由于假设被选定的区域Z独立于观测数据集，所以当接近1的时候，表示研究区域G内无聚集，当大于1时，表示Z区域内有聚集。进一步地，所属Step5中，相对风险偏差B，其由Step5得到的相对风险估计值比上Step4得到的真实相对风险值RR确定，即：相对风险偏差B＞1为正偏差，B＜1为负偏差，B＝1为无偏差。进一步地，所属Step6中，得到的相对风险偏差B，参考若B在一定范围内，则聚集判断的各种信息准确性高。本专利技术的有益效果是：单纯用空间和时空扫描得到聚集区域的相对风险值，对城镇农村的疾病聚集性探测与预测预警来说，以B值为参考量，减少了不必要的参考值，有效提高了预测效果，从而使得整体预测值更为稳定，所得预测结果将更为有参考性。附图说明图1是本专利技术步骤流程图。具体实施方式下面结合附图和具体实施方式，对本专利技术作进一步说明。实施例1：如图1所示，一种基于相对风险偏差和空间参量修正的时空扫描统计方法，修正了空间扫描量统一使用诊所登记地址，不考虑实际发病地址的情况，在登记数据库时就注意该问题，文中用是否住院来确定空间参数，若住院空间参量提取诊所登记地址，若未住院空间参量选用病例实际住址。由于中国一些城镇、农村人口稀疏，此时相对风险值偏大，由于人口基数小导致实际疾病预测效果不佳，引入power参数，其是一个关于人口密度和相对风险值RR的函数，强调应考虑城镇农村人口密度稀疏问题，而不是单纯的考虑RR值，使用中用相对风险偏差B来衡量，因为B和power成一致变化，B接近1的时候可不考虑power的影响。B越接近1，对城镇农村的疾病聚集性探测与预测预警越准确。具体步骤为：Step1：从城镇农村医院上报数据库中获取病例登记信息，主要获取空间地址，实际发病地址和就诊地址等数据集；Step2：确认Step1中的地理信息，清洗数据，空间扫描地址扫描信息统一为实际发病地址；Step3：信息搜集完毕后，调用Step1中的地理信息，基于Kulldroff模型，以G区域作为研究区域，其中Z区域为扫描的聚集区域，针对每个时空扫描窗口，在泊松分布假设前提下，定义真实的相对风险值RR；Step4：继续Step3中的模型操作，假设选定的区域Z与观测值无关，根据扫描的数据得到相对风险值RR的估计量Step5：根据Step3和Step4中得到的相对风险值RR与相对风险估计量求解相对风险偏差Step6：由Step5得到的相对风险偏差B，作为时空聚集性预测预警准确性的一个衡量条件，在一些探测结果中同时显示B值，B值越接近1，表示对结果值的判断越准确。进一步地，所述步骤Step2中，考虑真实传染源在发病地点，空间扫描地址扫描信息统一为实际发病地址。进一步地，所属Step3中，真实的相对风险值RR计算为：其中，λZ为聚集区域Z内的风险值比上研究区域G处于Z以外的区域的风险值。进一步地，所属Step3真实的相对风险值RR计算中，扫描窗口内的实体数目服从泊松分布，故聚集区域Z内病例数服从泊松分布，有聚集区域Z的风险值λZ为：YZ为聚集区域Z内泊松随机变量总数，E(YZ)为其期望值，EZ为聚集区域Z内的病例期望值。N为研究区域G内的总病例数，PZ为Z区域内的人口数，PG为研究区域G的总人口数，所以有：同理可得研究区域G处于Z以外的区域的风险值：进一步地，所属Step4中相似风险值的值的计算，假设被选定的区域Z独立于观测数据集，则其相对风险RR估计值为：其中，N为研究区域G内的总人口数，NZ聚集区域Z内的人口数，EZ为聚集区域Z内的病例期望值，EG研究区域G内病例本文档来自技高网...

【技术保护点】
1.一种基于相对风险偏差和空间参量修正的时空扫描统计方法，其特征在于：Step1：从城镇农村医院上报数据库中获取病例登记信息，主要获取空间地址，实际发病地址和就诊地址等数据集；Step2：确认Step1中的地理信息，清洗数据，空间扫描地址扫描信息统一为实际发病地址；Step3：信息搜集完毕后，调用Step1中的地理信息，基于Kulldroff模型，以G区域作为研究区域，其中Z区域为扫描的聚集区域，针对每个时空扫描窗口，在泊松分布假设前提下，定义真实的相对风险值RR；Step4：继续Step3中的模型操作，假设选定的区域Z与观测值无关，根据扫描的数据得到相对风险值RR的估计量

【技术特征摘要】
1.一种基于相对风险偏差和空间参量修正的时空扫描统计方法，其特征在于：Step1：从城镇农村医院上报数据库中获取病例登记信息，主要获取空间地址，实际发病地址和就诊地址等数据集；Step2：确认Step1中的地理信息，清洗数据，空间扫描地址扫描信息统一为实际发病地址；Step3：信息搜集完毕后，调用Step1中的地理信息，基于Kulldroff模型，以G区域作为研究区域，其中Z区域为扫描的聚集区域，针对每个时空扫描窗口，在泊松分布假设前提下，定义真实的相对风险值RR；Step4：继续Step3中的模型操作，假设选定的区域Z与观测值无关，根据扫描的数据得到相对风险值RR的估计量Step5：根据Step3和Step4中得到的相对风险值RR与相对风险估计量求解相对风险偏差Step6：由Step5得到的相对风险偏差B，作为时空聚集性预测预警准确性的一个衡量条件，在一些探测结果中同时显示B值，B值越接近1，表示对结果值的判断越准确。2.根据权利要求1所述的基于相对风险偏差和空间参量修正的时空扫描统计方法，其特征在于：所述步骤Step2中，空间扫描地址扫描信息统一为实际发病地址。3.根据权利要求1所述的基于相对风险偏差和空间参量修正的时空扫描统计方法，其特征在于：所属Step3中，真实的相对风险值RR计算为：其中，λZ为聚集区域Z内的风险值比上研究区域...

【专利技术属性】
技术研发人员：龙华，王美，邵玉斌，杜庆治，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53