為了加深對時空分析的認識, 我近期對此及其應用軟件SaTScan進行了更深入的研究:
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）
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。
實踐例子: 澳門2011年至2016年腸病毒感染的時空分析
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
P-value...............:
0.00026
