[논문 리뷰] An expectation-based space-time scan statistic for ZIP-distributed data

Benjamin Allévius, Michael Höhle|arXiv (Cornell University)|2017. 12. 26.

Data-Driven Disease Surveillance참고 문헌 6인용 수 4

한 줄 요약

이 논문은 구조적 영점이 많고 과분산이 발생하는 공간시계열 카운트 데이터를 위한 기대값 기반 공간시계열 스캔 통계법을 제안한다. 기존의 포아송 기반 스캔 통계법이 구조적 영점과 과분산을 다루는 데에 한계가 있음을 해결한다. 이 방법은 현재 데이터에 의존하지 않고 이전 데이터로부터 기저 빈도를 추정하기 위해 EM 알고리즘을 사용하여, 특히 높은 구조적 영점 비율 또는 비영점 수의 분산이 있는 상황에서 탐지의 즉시성과 공간 정확도를 향상시킨다.

ABSTRACT

An expectation-based scan statistic is proposed for the prospective monitoring of spatio-temporal count data with an excess of zeros. The method, which is based on an outbreak model for the zero-inflated Poisson distribution, is shown to be superior to traditional scan statistics based on the Poisson distribution in the presence of structural zeros. The spatial accuracy and detection timeliness of the proposed scan statistic is investigated by means of simulation, and an application on weekly cases of Campylobacteriosis in Germany illustrates how the scan statistic could be used to detect emerging disease outbreaks. An implementation of the method is provided in the open source R package scanstatistics available on CRAN.

연구 동기 및 목표

• 데이터에 구조적 영점이 다수 포함된 경우 기존 포아송 기반 스캔 통계법의 열악한 성능을 해결하기 위해.
• 현재 총 관측 수에 조건을 두지 않고 이전의 유행 없음 데이터로부터 기저 파라미터를 추정하는 기대값 기반 스캔 통계법을 개발하기 위해.
• 영점이 희귀한 카운트 데이터와 과분산이 발생하는 상황에서 잠재적인 전염병 감시의 탐지 즉시성과 공간 정확도를 향상시키기 위해.
• 공중보건 의사결정 지원 시스템에서 활용 가능한 무료로 제공되는 R 구현체를 제공하기 위해.

제안 방법

• 이 방법은 공간시계열 카운트를 구조적 영점과 표본 영점 간의 차이를 고려한 0-과잉 포아송(ZIP) 분포로 모델링한다.
• 기존의 감시 기간에 영향을 받지 않고 이전 데이터로부터 기저 빈도와 과분산 파라미터를 추정하기 위해 기대최대화(EM) 알고리즘을 적용한다.
• 모든 가능한 공간시계열 창구에 대해 최대우도비를 계산하고, 반복적 스캔을 통해 가장 가능성 있는 클러스터(MLC)를 식별한다.
• 가장 가능성 높은 클러스터를 식별하기 위해 몬테카를로 방법을 사용하여 p-값을 계산하며, 총 관측 수에 대한 조건부 추론을 피한다.
• 모의 실험과 실제 데이터를 통해 인구 기반(PB-POI) 및 기대값 기반(EB-POI) 포아송 스캔 통계법과의 성능을 비교한다.
• 오픈소스 R 패키지인 scanstatistics가 이 방법을 구현하고 있으며, CRAN에서 이용 가능하다.

실험 결과

연구 질문

• RQ1 제안된 기대값 기반 ZIP 스캔 통계법은 구조적 영점이 존재하는 상황에서 포아송 기반 대안 대비 어떤 성능을 보이는가?
• RQ2 다양한 유행 크기와 기저 조건 하에서 이 방법이 탐지의 즉시성과 공간 정확도를 어느 정도 향상시키는가?
• RQ3 실제 감시 데이터에서 ZIP 기반 방법이 식별한 공간 클러스터는 포아송 기반 방법과 어떻게 비교되는가?
• RQ4 실제 전염병 보고에서 관찰되는 과분산과 다수의 영점이 존재하는 상황에서 이 방법이 유행을 효과적으로 탐지할 수 있는가?

주요 결과

• 구조적 영점이 다수 존재하거나 비영점 수가 기저 수준에서 벗어나 있을 경우 EB-ZIP 스캔 통계법이 EB-POI 및 PB-POI 방법보다 뛰어난 탐지 능력을 보였다.
• 모의 실험 결과, EB-ZIP 방법은 공간 정확도가 높고, 유행 크기와 지속 기간이 길어질수록 더 이르게 탐지하는 경향을 보였다.
• EB-ZIP의 중앙값 유행 지속 기간은 9주였고, EB-POI와 PB-POI는 각각 10주였으며, 이는 모든 방법에서 유사한 탐지 지속 기간을 보임을 시사한다.
• EB-ZIP와 EB-POI 간의 공간 클러스터 겹침 비율은 61%였고, PB-POI와의 겹침은 26%에 그쳐, PB-POI가 주로 고인구 지역에 국한된 다른 클러스터 패tern을 보임을 나타낸다.
• 독일에서의 캄파일로박터시오시스 감시 사례 적용에서 EB-ZIP 방법은 PB-POI 방법이 놓친 2013년 단일 지자체 유행을 탐지하였다.
• 모든 방법에서 낮은 p-값이 관찰되었으나, 확정된 역학적 사건과 완전히 일치하는 유의미한 클러스터는 발견되지 않아, 확인된 클러스터 데이터가 제한되어 있어 검증에 어려움이 있음을 시사한다.