[論文レビュー] Hyak Mortality Monitoring System: Innovative Sampling and Estimation Methods - Proof of Concept by Simulation

Samuel J. Clark, Jon Wakefield+2 more|PubMed|Apr 8, 2015

Data-Driven Disease Surveillance参考文献 16被引用数 3

ひとこと要約

本論文は、低・中所得国向けに、健康および人口動態監視システム（HDSS）と周辺地域からのインフォームド・サムプリングを統合する新しい統計枠組み「Hyak」を提案する。アジャンコートHDSSサイトを用いたシミュレーションにより、Hyakのインフォームド・サムプリング戦略は、従来のクラスターサンプリングに比べ、より多くの死亡者を特定し、分散が小さく、わずかなバイアスを持つ死亡率推定値を生成することを示した。

ABSTRACT

Traditionally health statistics are derived from civil and/or vital registration. Civil registration in low- to middle-income countries varies from partial coverage to essentially nothing at all. Consequently the state of the art for public health information in low- to middle-income countries is efforts to combine or triangulate data from different sources to produce a more complete picture across both time and space - <i>data amalgamation</i>. Data sources amenable to this approach include sample surveys, sample registration systems, health and demographic surveillance systems, administrative records, census records, health facility records and others. We propose a new statistical framework for gathering health and population data - Hyak - that leverages the benefits of sampling and longitudinal, prospective surveillance to create a cheap, accurate, sustainable monitoring platform. Hyak has three fundamental components: <i>Data amalgamation</i>: A sampling and surveillance component that organizes two or more data collection systems to work together: (1) data from HDSS with frequent, intense, linked, prospective follow-up and (2) data from sample surveys conducted in large areas surrounding the Health and Demographic Surveillance System (HDSS) sites using informed sampling so as to capture as many events as possible;<i>Cause of death</i>: Verbal autopsy to characterize the distribution of deaths by cause at the population level; and<i>Socioeconomic status (SES)</i>: Measurement of SES in order to characterize poverty and wealth. We conduct a simulation study of the informed sampling component of Hyak based on the Agincourt HDSS site in South Africa. Compared with traditional cluster sampling, Hyak's informed sampling captures more deaths, and when combined with an estimation model that includes spatial smoothing, produces estimates of both mortality counts and mortality rates that have lower variance and small bias.

研究の動機と目的

• 出生・死亡記録システムが弱いか存在しない低・中所得国における、信頼できる出生・死亡統計の欠如という深刻な課題に対処すること。
• 特に死亡率および原因別死亡頻度（CSMF）を含む、人口の健康指標をモニタリングする持続可能で費用効果の高いプラットフォームを開発すること。
• 縦断的HDSSデータと空間モデリングを活用して、従来のクラスターサンプリングの限界を克服し、サンプリング効率を最適化すること。
• HDSSと調査インfraストラクチャを統合することで、公衆衛生監視と科学的調査を両立できるスケーラブルで統合的なシステムを構築すること。
• 時間的・空間的に、年齢、性別、原因、社会経済的地位ごとに分解能の高い死亡トレンドのモニタリングを可能にすること。

提案手法

• HDSSデータと周辺地域からのサンプル調査を統合するデータ統合フレームワークを実装し、インフォームド・サムプリング戦略を用いる。
• 集団レベルでの原因別死亡頻度（CSMF）を特定するために、ボーラル・オートプシーを用いる。
• 社会経済的地位（SES）の測定を組み込み、人口全体における貧困と富の分布を評価する。
• 死亡率および死亡数の推定精度を向上させるために、推定モデルに空間スムージングを適用する。
• 歴史的調査データ（例：DHS）を活用して、優先的にサンプリングすべき場所を予測するための予測表面を構築する。
• 南アフリカのアジャンコートHDSS地域でシミュレーションスタディを実施し、インフォームド・サムプリングと従来のクラスターサンプリングを比較する。

実験結果

リサーチクエスチョン

• RQ1 HDSSデータに基づくインフォームド・サムプリングは、低資源環境下で従来のクラスターサンプリングに比べ、より多くの死亡者を特定できるか？
• RQ2 インフォームド・サムプリングに加え空間スムージングを組み合わせることで、死亡率および死亡数の推定値の精度とバイアスにどのような影響を与えるか？
• RQ3 地域全体にわたり効果的なインフォームド・サムプリングを支援するための、HDSSサイトの最適な数と地理的分布は何か？
• RQ4 サンプリングフレームの品質と更新頻度は、Hyakシステムのパフォーマンスにどのように影響するか？
• RQ5 地理統計モデルは、サンプリング済みのHDSSおよび周辺地域のデータを用いて、観察されていない村の死亡率をどの程度正確に予測できるか？

主な発見

• シミュレーションスタディにおいて、Hyakのインフォームド・サムプリング戦略は、従来のクラスターサンプリングに比べ、有意に多くの死亡者を特定した。
• Hyakによる死亡率および死亡数の推定値は、分散が小さく、わずかなバイアスしか示さなかった。
• 推定モデルに空間スムージングを統合することで、特にデータが乏しい地域での推定精度が向上した。
• 本システムは、年齢、性別、原因、社会経済的地位ごとに分解能の高い、信頼性のある死亡推定値の生成が可能であると示された。
• Hyakは、死亡者捕捉効率が高いため、従来のクラスターサーベイに比べて費用対効果に優れており、単位コストあたりの情報量が多い。
• 恒久的なHDSSインfraストラクチャと定期的な標的調査を統合することで、スケーラブルで持続可能な監視が可能となるフレームワークを提供する。