時空分析的理論
檢驗事件(尤其是疾病)的發生在空間、時間、空間及時間的分佈上是否隨機性
隨機性 ~事件呈較平均的地理分佈(p≥0.05)
非隨機性~事件呈現聚集現象(p<0.05)
完成事件的地理上的監測:偵測出呈顯著性的高發區(熱區)/低發區(冷區)
統計量:最大似然值(maximum likelihood, MLH)
p值:蒙地卡羅模擬法(Monte Carlo hypothesis testing)
p值:蒙地卡羅模擬法(Monte Carlo hypothesis testing)
可做到:
搜尋時間、空間、時間及空間的聚集事件
靈活調整的空間掃瞄的單位
不可做到:
生成聚集事件的地圖,因此需配合地理訊息系統(GIS)或制地圖軟件(Google Earth, QGIS, ArcGIS…)
生成其他統計或回歸模型
時空分析的實踐
軟件:SaTScan, Google Earth
SaTScan:由哈佛大學公共醫學院Dr.
Martin Kulldorff研發,應是目前唯一的時空分析軟件,又叫“Kulldorff”時空分析法。
Google Earth:將SaTScan的分析結果在Google
Map呈現。
目的:瞭解澳門2011年至2016年腸病毒感染的時間與空間的聚集性
問題:
有否時間與空間聚集性?
若有,在何時及何地?
資料收集:
從報章內容撰取數據…
製成Excel數據表
資料分析:Excel數據表內有發病人數(*.cas)及無病人數(對照組*.ctl),選用Bernoulli Model(伯努利模型)
結果研讀:(2011至2013年澳門中區的腸病毒感染有聚集現象)
CLUSTERS DETECTED
Location IDs included.: 1650, 1102, 1224, …
1621, 1114, 1236
Coordinates /
radius..: (22.203412 N, 113.552529 E) / 0.70 km
Time
frame............: 2011/1/1 to 2013/12/31
Population............:
856
Number of
cases.......: 237
Expected
cases........: 176.46
Observed /
expected...: 1.34
Relative
risk.........: 1.39
Percent cases in
area.: 27.7
Log likelihood
ratio..: 13.439157
最近也在研究,很多細節問題還要向您請教
回覆刪除