[論文レビュー] Dengue Fever in Perspective of Clustering Algorithms

Kamran Shaukat, Nayyer Masood+4 more|arXiv (Cornell University)|Nov 23, 2015

Advanced Clustering Algorithms Research参考文献 9被引用数 7

ひとこと要約

本研究では、パキスタン・ジルム地方（2011年）におけるデングー熱の流行を、保健当局のデータを用いて分析するために、クラスタリング手法、特にDBSCANを適用した。DBSCANは、テヒル単位のデングー熱症例の空間的クラスタを特定する点で優れた性能を示し、熱帯地域における標的型公衆衛生対策のためのデータ駆動型手法を提供する。

ABSTRACT

Dengue fever is a disease which is transmitted and caused by Aedes Aegypti mosquitos. Dengue has become a serious health issue in all over the world especially in those countries who are situated in tropical or subtropical regions because rain is an important factor for growth and increase in the population of dengue transmitting mosquitos. For a long time, data mining algorithms have been used by the scientists for the diagnosis and prognosis of different diseases which includes dengue as well. This was a study to analyses the attack of dengue fever in different areas of district Jhelum, Pakistan in 2011. As per our knowledge, we are unaware of any kind of research study in the area of district Jhelum for diagnosis or analysis of dengue fever. According to our information, we are the first one researching and analyzing dengue fever in this specific area. Dataset was obtained from the office of Executive District Officer EDO (health) District Jhelum. We applied DBSCAN algorithm for the clustering of dengue fever. First we showed overall behavior of dengue in the district Jhelum. Then we explained dengue fever at tehsil level with the help of geographical pictures. After that we have elaborated comparison of different clustering algorithms with the help of graphs based on our dataset. Those algorithms include k-means, K-mediods, DBSCAN and OPTICS.

研究の動機と目的

• パキスタン・ジルム地方におけるデングー熱の発生パターンを、データマイニング技術を用いて分析すること。
• 標的型疾病対策を支援するため、テヒルレベルでのデングー熱症例の空間的クラスタを特定すること。
• k-means、K-medoids、DBSCAN、OPTICSといった複数のクラスタリングアルゴリズムの性能を評価・比較すること。
• データ駆動型クラスタリング手法を用いたジルム地方におけるデングー熱の包括的分析を初めて提供すること。
• 地理的情報可視化とアルゴリズム的クラスタリングを活用し、公衆衛生意思決定を支援すること。

提案手法

• 2011年におけるジルム地方の保健当局（執行局長（保健））から得たデングー症例データを収集した。
• 空間的パターンの特定のために、DBSCAN、k-means、K-medoids、OPTICSのクラスタリングアルゴリズムを適用した。
• テヒルレベルでのデングークラスタの可視化に、地理情報システム（GIS）ツールを用いた。
• データセットの空間的分布に基づく図的比較を用いて、アルゴリズムの性能を評価した。
• 標準的なクラスタリング指標と視覚的検査を用いて、各アルゴリズムの有効性を評価した。
• 現実の疾患データにおいて、不規則な形状のクラスタを検出でき、ノイズを効果的に処理できるという点で、DBSCANに焦点を当てた。

実験結果

リサーチクエスチョン

• RQ1 異なるクラスタリングアルゴリズムは、ジルム地方におけるデングー熱症例の空間的クラスタをどの程度効果的に特定できるか？
• RQ2 熱帯都市環境におけるデングー熱の発生の真の空間的分布を最もよく捉えるクラスタリングアルゴリズムは何か？
• RQ3 ジルム地方のテヒルレベルにおけるデングー感染の地理的ホットスポットは何か？
• RQ4 クラスタリングアルゴリズムの選択が、デングー熱リスク地域の解釈にどのように影響を与えるか？
• RQ5 クラスタリングアルゴリズムは、データが限られた地域におけるデングー対策の公衆衛生計画を効果的に支援できるか？

主な発見

• DBSCANは、ジルム地方における意味のある空間的クラスタを特定する点で、k-means、K-medoids、OPTICSを上回った。
• 本研究では、地図による視覚的確認が得られた、明確なデングー熱ホットスポットをテヒルレベルで同定した。
• DBSCANはノイズを効果的に処理し、さまざまな形状とサイズのクラスタを検出できた。これは、現実の疫学的データにおいて極めて重要である。
• アルゴリズムの図的比較から、DBSCANが最も解釈可能で空間的に正確なクラスタリング結果を提供したことが明らかになった。
• 本研究は、クラスタリング手法を用いたジルム地方におけるデングー熱の最初の知られているデータ駆動型分析を提供する。
• 結果から、DBSCANは、症例分布が不均一な熱帯地域におけるデングー監視に特に適していると考えられる。