[論文レビュー] Adaptive Geostatistical Design and Analysis for Sequential Prevalence Surveys

Michael G. Chipeta, Dianne J. Terlouw+2 more|arXiv (Cornell University)|Sep 15, 2015

Soil Geostatistics and Mapping参考文献 27被引用数 4

ひとこと要約

本稿では、時間経過に伴い高有病率地域に動的に焦点を当てることで、リソース制約のある環境における予測効率を向上させる、バッチ適応型の地理統計的設計を提案する。マラリアのマップ作成への実世界応用とシミュレーションを用いて、非適応的およびシングルトン適応的設計と比較して、バッチ適応型サンプリングが予測分散を顕著に低減することを示し、費用対効果に優れた、高い影響を持つ公衆衛生のターゲティングを可能にする。

ABSTRACT

Non-adaptive geostatistical designs (NAGD) offer standard ways of collecting and analysing geostatistical data in which sampling locations are fixed in advance of any data collection. In contrast, adaptive geostatistical designs (AGD) allow collection of exposure and outcome data over time to depend on information obtained from previous information to optimise data collection towards the analysis objective. AGDs are becoming more important in spatial mapping, particularly in poor resource settings where uniformly precise mapping may be unrealistically costly and priority is often to identify critical areas where interventions can have the most health impact. Two constructions are: $singleton$ and $batch$ adaptive sampling. In singleton sampling, locations $x_i$ are chosen sequentially and at each stage, $x_{k+1}$ depends on data obtained at locations $x_1,\ldots , x_k$. In batch sampling, locations are chosen in batches of size $b > 1$, allowing new batch, $\{x_{(k+1)},\ldots ,x_{(k+b)}\}$, to depend on data obtained at locations $x_1,\ldots, x_{kb}$. In most settings, batch sampling is more realistic than singleton sampling. We propose specific batch AGDs and assess their efficiency relative to their singleton adaptive and non-adaptive counterparts by using simulations. We show how we apply these findings to inform an AGD of a rolling Malaria Indicator Survey, part of a large-scale, five-year malaria transmission reduction project in Malawi.

研究の動機と目的

• リソース制約により包括的なデータ収集が制限される低リソース環境において、費用が高く、均一に高い精度が求められる空間的マッピングの課題に対処すること。
• 高リスクのサブレジオンに動的に焦点を当てることで、疾患有病率マップ作成の予測効率を向上させる、実用的でバッチベースの適応的サンプリング戦略の開発。
• シミュレーションと実世界応用を通じて、提案された適応的設計が非適応的およびシングルトン適応的設計と比較して果たす性能の評価。
• 公衆衛生意思決定を支援するため、地域に特化した正確な有病率マップを提供し、マラリア流行地域におけるターゲット介入を支援すること。
• 地理統計的分析において、パrameter推定と予測の目的の両方をバランスさせる、体系的でモデル駆動のフレームワークを提供すること。

提案手法

• 地理統計的モデルを用い、有病率のログオッズを、共変数の線形結合と、マトérn相関関数を有する Stationary Gaussian プロセスとしてモデル化する。
• 適応的サンプリングはバッチ形式で実装される：新たなサンプリング位置は、前回のバッチからのデータに基づき、事後予測分散の低減を目的として選択され、予測精度が最適化される。
• 初期設計（$X_0$）は固定され、$n_0 = 100$ の位置から構成され、後続で適応的バッチが追加され、空間的予測が精緻化される。
• 予測分散は、研究領域全体における平均予測誤差を低減するように、新たなバッチの位置を選択することで最小化される。空間的カバレッジを確保するため、最小距離基準が用いられる。
• 各バッチの後でモデルパラメータが再推定され、予測分布が更新され、その後のサンプリング意思決定がガイドされる。
• モデルフィッティングには R パッケージ PrevMap を使用し、二項分布の有病率データの分散安定化のため、経験的ログオッズ変換に依存する。

実験結果

リサーチクエスチョン

• RQ1 バッチ適応型地理統計的サンプリングは、非適応的およびシングルトン適応的設計と比較して、疾患有病率マップ作成における予測効率においてどのように異なるか？
• RQ2 適応的サンプリング戦略は、コスト制約のある、順次的調査環境において、高有病率サブレジオンを効果的に同定し、焦点を当てることができるか？
• RQ3 空間的カバレッジと予測精度の両立を図る上で、最適な初期サンプリング設計（$X_0$）とバッチサイズは何か？
• RQ4 繰り返しのモデル再推定は、時間経過とともに、サンプリングプロセスの正確性と適応性をどの程度向上させるか？
• RQ5 リソースが限られた環境において、インfra構造やデータの可用性が限られる状況でも、適応的地理統計的設計をどのように実用的に実装できるか？

主な発見

• 提案されたバッチ適応型設計は、非適応的およびシングルトン適応的設計と比較して、シミュレーション研究において平均予測分散を顕著に低減し、優れた予測効率を示した。
• マラウイの事例研究において、適応型設計は均等な空間的カバレッジと近接ペアの位置の含みをうまくバランスさせ、パラメータ推定と予測精度を向上させた。
• 最初のバッチ後、122か所の場所がサンプリングされた（初期の100戸のうち72戸が対象となった）。適応戦略は、後続のデータ収集の対象となる地域を的確に特定した。
• この手法により、有病率マップの段階的精緻化が可能となり、公衆衛生担当者は感染リスクが最も高いサブレジオンを優先的に介入対象にできるようになった。
• 各バッチの後でのモデルパラメータの再推定により、その後のサンプリング意思決定の正確性が向上し、全体の予測性能が向上した。
• 特に、世帯の分布が不規則でリソースが限られる環境では、均一に高い精度を求めるマッピングが現実的ではないため、本手法は特に効果的である。