[论文解读] An expectation-based space-time scan statistic for ZIP-distributed data

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

Data-Driven Disease Surveillance参考文献 6被引用 4

一句话总结

本文提出了一种基于期望的时空扫描统计量，用于处理零膨胀泊松（ZIP）分布的时空计数数据，解决了传统基于泊松分布的扫描统计量在处理结构性零值和过度离散时的局限性。该方法使用EM算法从当前数据中独立估计基线率，提高了检测的及时性和空间准确性，尤其在结构性零值比例较高或非零计数存在离散时表现更优。

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.

研究动机与目标

• 解决传统基于泊松分布的扫描统计量在数据中存在大量结构性零值时表现不佳的问题。
• 开发一种基于期望的扫描统计量，从历史无疫情数据中估计基线参数，而非依赖于当前总观测计数。
• 在零膨胀且过度离散的计数数据条件下，提升前瞻性疾病监测中检测的及时性和空间准确性。
• 提供一个免费的R实现，用于公共卫生决策支持系统。

提出的方法

• 该方法使用零膨胀泊松（ZIP）分布对时空计数进行建模，区分结构性零值与抽样零值。
• 采用期望最大化（EM）算法，从未发生疫情的历史数据中估计基线率和过度离散参数，独立于当前监测期。
• 扫描统计量通过在所有可能的时空窗口中计算最大似然比得到，最可能的聚集区（MLC）通过迭代扫描识别。
• 假设检验采用蒙特卡洛方法计算p值，避免对总观测计数的条件推断。
• 通过模拟和真实数据，将该方法与基于人群的（PB-POI）和基于期望的（EB-POI）泊松扫描统计量进行对比。
• 开源R包scanstatistics实现了该方法，并可在CRAN上获取。

实验结果

研究问题

• RQ1 在存在结构性零值的疫情检测中，所提出的基于期望的ZIP扫描统计量相较于基于泊松分布的替代方法表现如何？
• RQ2 在不同疫情规模和基线条件下，该方法在多大程度上提升了检测的及时性和空间准确性？
• RQ3 在真实世界监测数据中，基于ZIP方法识别出的空间聚集区与基于泊松方法识别的结果有何差异？
• RQ4 当数据表现出过度离散和零值过多时（如真实传染病报告中常见），该方法能否有效检测疫情？

主要发现

• 当数据中存在大量结构性零值或非零计数显著偏离基线时，EB-ZIP扫描统计量的检测效能优于EB-POI和PB-POI方法。
• 在模拟中，EB-ZIP方法实现了更高的空间准确性和更早的检测时间，尤其在疫情规模和持续时间增加时表现更优。
• EB-ZIP的中位疫情持续时间为9周，EB-POI和PB-POI均为10周，表明各方法在检测持续时间上保持一致。
• EB-ZIP与EB-POI的空间重叠率为61%，而与PB-POI的重叠率仅为26%，表明聚类模式存在显著差异，PB-POI的聚类多集中于高人口区域。
• 在德国弯曲杆菌病的真实应用中，EB-ZIP方法检测到了2013年一个已知的单区疫情，而PB-POI方法未能识别。
• 尽管p值较低，但任何方法识别出的显著聚类均未与已记录的流行病学事件完全吻合，凸显了因确认聚类数据有限而带来的验证挑战。