[论文解读] 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 7

一句话总结

本研究应用聚类算法——特别是DBSCAN——分析2011年巴基斯坦杰赫勒姆区登革热疫情，使用卫生部门数据。结果表明DBSCAN在识别各县（tehsil）层面登革热病例空间聚类方面表现更优，为热带地区提供了一种数据驱动的针对性公共卫生干预方法。

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.

研究动机与目标

• 使用数据挖掘技术分析巴基斯坦杰赫勒姆区登革热发病率模式。
• 在县（tehsil）层面识别登革热病例的空间聚类，以支持针对性疾病控制。
• 评估并比较多种聚类算法——k-means、K-medoids、DBSCAN和OPTICS——在真实登革热数据上的表现。
• 首次通过数据驱动的聚类方法对杰赫勒姆区登革热进行综合分析。
• 通过地理空间可视化与算法聚类相结合，支持公共卫生决策制定。

提出的方法

• 从2011年杰赫勒姆区执行地区卫生官（Health）办公室收集登革热病例数据。
• 应用DBSCAN、k-means、K-medoids和OPTICS聚类算法，识别登革热发病率中的空间模式。
• 使用地理信息系统（GIS）工具在县（tehsil）层面可视化登革热聚类。
• 基于数据集的空间分布，通过图形比较评估算法性能。
• 采用标准聚类指标与视觉检查相结合的方法，评估各算法的有效性。
• 聚焦DBSCAN，因其能够检测不规则形状的聚类并有效处理噪声，这对真实世界疾病数据至关重要。

实验结果

研究问题

• RQ1 不同聚类算法在识别杰赫勒姆区登革热病例空间聚类方面表现如何？
• RQ2 哪种聚类算法最能准确捕捉热带城市环境中登革热疫情的真实空间分布？
• RQ3 杰赫勒姆区县（tehsil）层面登革热传播的地理热点区域有哪些？
• RQ4 聚类算法的选择如何影响登革热风险区域的解读？
• RQ5 聚类算法能否在数据有限的地区有效支持登革热防控的公共卫生规划？

主要发现

• DBSCAN在识别杰赫勒姆区登革热病例有意义的空间聚类方面，优于k-means、K-medoids和OPTICS。
• 本研究在县（tehsil）层面识别出明确的登革热热点区域，并通过地理制图获得视觉确认。
• DBSCAN有效处理了噪声，并能检测形状和大小各异的聚类，这对真实世界流行病学数据至关重要。
• 算法的图形比较显示，DBSCAN提供了最易解释且空间上最准确的聚类结果。
• 本研究首次使用聚类技术对杰赫勒姆区登革热进行已知的数据驱动分析。
• 结果表明，DBSCAN特别适用于登革热监测，尤其在病例分布不均的热带地区。