传染病监测数据时空分析及早期预警的统计(tǒngjì)技术研究进展四川大学华西公共卫生学院卫生统计学教授李晓松2009年9月26日昆明CompanyLogo第一页，共一百一十八页。•随着信息技术的迅速发展，已经和正在(zhèngzài)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。CompanyLogo第二页，共一百一十八页。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(shùjù)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(shùjù)源。CompanyLogo第三页，共一百一十八页。时空分析(fēnxī)及早期预警统计技术研究进展贝叶斯时空分析技术(BayesianDiseaseMapping)多源监测数据分析技术(MultivariateSurveillanceDataAnalysis)——贝叶斯网络和隐马尔科夫模型聚集性探测(ClusterDetection)……CompanyLogo第四页，共一百一十八页。贝叶斯时空(shíkōnɡ)分析技术BayesianDiseaseMappingCompanyLogo第五页，共一百一十八页。传染病数据(shùjù)基本要素和特征传染病数据是传染病流行过程(guòchéng)及其相关因素关系的符号化表示。素三征三时态多维度个个位置多尺度基基属性多层次本本要特第六页，共一百一十八页。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”(guīlǜ)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。第七页，共一百一十八页。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；(fābìng)(fābìng)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。第八页，共一百一十八页。Bayes学说是不同于经典统计(频率学派)(xuépài)的另一大统计学派(xuépài)，随着计算机技术的发展和MarkovChainMonteCarlo(MCMC)抽样算法的引入，Bayes方法得以迅速发展和广泛应用。CompanyLogo第九页，共一百一十八页。BayesianDiseaseMapping的优势(yōushì)可利用(lìyòng)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。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。CompanyLogo第十页，共一百一十八页。基于(jīyú)Bayes框架时空建模的传染病流行规律多维度分析GIS信系息统RS时空建模平台传染病时空数据自然环境数据第十一页，共一百一十八页。基于(jīyú)Bayes框架建模充分反映了传染病数据的基本要素与特征CompanyLogo第十二页，共一百一十八页。(chǐdù)多维度、多尺度和多层次多维度时间维空间维属性维第十三页，共一百一十八页。系数时间亚马逊河区域(qūyù)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第十四页，共一百一十八页。发病(fā(bìng)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响在不同时间性的大变小化及和其不在同时空间间上的的变变化异。。CompanyLogo第十五页，共一百一十八页。多尺度：传染病流行(liúxíng)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传染病时空信息在概化和细化过程中CompanyLogo反映出的特征渐变规律第十六页，共一百一十八页。第十七页，共一百一十八页。在全球尺度，可发现登革热广泛流行(liúxíng)于北纬30度和南纬20度之间。第十八页，共一百一十八页。非洲、东南亚、西太平洋地区地区、美洲(měizhōu)加勒比地区及欧洲部分境域第十九页，共一百一十八页。近10年其分布有向高纬度或高海拔(hǎibá)地区扩散趋势第二十页，共一百一十八页。第二十一页，共一百一十八页。第二十二页，共一百一十八页。但如在地区(dìqū)尺度上如...
