[논문 리뷰] Dengue Fever in Perspective of Clustering Algorithms

Kamran Shaukat, Nayyer Masood외 4명|arXiv (Cornell University)|2015. 11. 23.

Advanced Clustering Algorithms Research참고 문헌 9인용 수 7

한 줄 요약

이 연구는 파키스탄 지엘룸 지자체(2011년)의 dengue 열병 유행을 분석하기 위해 군집 알고리즘—특히 DBSCAN—을 적용한다. 보건 당국의 데이터를 활용하여, tehsil 수준에서 dengue 환자에 대한 공간 군집을 식별함으로써, 열대 지역의 표적 공중보건 개입을 위한 데이터 기반 접근법을 제시한다.

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.

연구 동기 및 목표

• 데이터 마이닝 기법을 사용하여 파키스탄 지엘룸 지자체의 dengue 열병 유병 패턴을 분석한다.
• 표적 질병 통제를 지원하기 위해 tehsil 수준에서 dengue 환자의 공간 군집을 식별한다.
• 실제 dengue 데이터에 대해 k-means, K-medoids, DBSCAN, OPTICS 등의 다수 군집 알고리즘의 성능을 평가하고 비교한다.
• 데이터 기반 군집 기법을 사용하여 지엘룸 지자체에서 dengue 열병에 대한 첫 번째 종합적 분석을 제공한다.
• geospatial 시각화와 dengue 유행의 알고리즘 군집화를 통해 공중보건 의사결정 지원을 한다.

제안 방법

• 2011년도에 지엘룸 지자체 보건 담당 부서장(Executive District Officer, Health)으로부터 dengue 환자 데이터를 수집한다.
• 공간적 패턴을 식별하기 위해 DBSCAN, k-means, K-medoids, OPTICS 군집 알고리즘을 적용한다.
• tehsil 수준에서 dengue 군집을 시각화하기 위해 지리정보시스템(GIS) 도구를 사용한다.
• 데이터셋의 공간 분포를 바탕으로 그래픽적 비교를 통해 알고리즘 성능을 평가한다.
• 표준 군집 평가 지표와 시각적 점검을 활용하여 각 알고리즘의 효과성을 평가한다.
• 실제 질병 데이터에서 비정상적인 모양의 군집을 탐지하고 노이즈를 처리할 수 있는 능력 덕분에 DBSCAN에 초점을 맞춘다.

실험 결과

연구 질문

• RQ1 다양한 군집 알고리즘이 지엘룸 지자체의 dengue 열병 환자 공간 군집을 식별하는 데 어떻게 성능을 발휘하는가?
• RQ2 어느 군집 알고리즘이 열대 도시 환경에서 dengue 유행의 진정된 공간 분포를 가장 잘 포착하는가?
• RQ3 지엘룸 지자체의 tehsil 수준에서 dengue 전파의 지리적 핫스팟은 무엇인가?
• RQ4 군집 알고리즘 선택이 dengue 위험 구역 해석에 어떻게 영향을 미치는가?
• RQ5 군집 알고리즘이 데이터가 제한된 지역에서 dengue 통제를 위한 공중보건 계획을 효과적으로 지원할 수 있는가?

주요 결과

• DBSCAN은 k-means, K-medoids, OPTICS보다 지엘룸 지자체에서 의미 있는 공간 군집을 식별하는 데 뛰어난 성능을 보였다.
• 연구는 tehsil 수준에서 명확한 dengue 핫스팟을 규명하였으며, 지리적 맵핑을 통해 시각적 확인이 가능했다.
• DBSCAN은 노이즈를 효과적으로 처리하고 다양한 형태와 크기의 군집을 탐지하여, 실제 전염병 역학 데이터에서 매우 중요한 특성이다.
• 알고리즘 간 그래픽적 비교 결과, DBSCAN이 가장 해석 가능하고 공간적으로 정확한 군집 결과를 제공하였다.
• 이 연구는 군집 기법을 사용하여 지엘룸 지자체에서 dengue 열병에 대해 알려진 바 있는 첫 번째 데이터 기반 분석이다.
• 결과적으로, DBSCAN은 분포가 불균형한 열대 지역에서 dengue 감시에 특히 적합하다고 제안된다.