[论文解读] An Extreme Value Theory approach for the early detection of time clusters with application to the surveillance of Salmonella

Armelle Guillou, Marie Kratz+1 more|arXiv (Cornell University)|Mar 23, 2010

COVID-19 epidemiological studies参考文献 16被引用 3

一句话总结

本文提出一种基于极值理论（EVT）的方法，用于在公共卫生监测中早期检测时间聚集现象，利用重现期来标记异常感染计数。该方法在法国沙门氏菌数据上的应用表明，其在检测疫情方面优于Farrington方法，尤其在低计数情景及存在历史异常的时期表现更优。

ABSTRACT

We propose a method to generate a warning system for the early detection of time clusters applied to public health surveillance data. This new method relies on the evaluation of a return period associated to any new count of a particular infection reported to a surveillance system. The method is applied to Salmonella surveillance in France and compared to the model developed by Farrington et al.

研究动机与目标

• 开发一种稳健、自动化的公共卫生监测数据中时间聚集早期检测方法。
• 解决现有方法在处理季节性、历史疫情和报告延迟方面的局限性。
• 提高对罕见血清型（病例计数低）疫情检测的敏感性。
• 提供一种可扩展的解决方案，适用于大规模监测系统中同时监测数百种血清型。
• 将该方法集成到自动化公共卫生监测流程中，最大限度减少人工干预。

提出的方法

• 该方法使用极值理论（EVT）评估每个新观测计数的重现期，将每个计数视为潜在的极端事件。
• 通过广义极值（GEV）分布对每个时间段（如往年同期）的历史计数分布进行建模。
• 为每个新观测值计算重现期，当重现期低于预设阈值（如1年）时触发警报。
• 通过比较当前计数与多年中同一日历周期的历史计数，来处理季节性影响。
• 该方法无需对历史疫情进行加权或对异常周进行调整，因为重现期能动态反映每次观测的极端程度。
• 该算法使用R语言实现，借助'surveillance'包，可实现对多个时间序列的自动化、实时应用。

实验结果

研究问题

• RQ1 EVT能否有效应用于检测具有不同病例频率的公共卫生监测数据中的时间聚集？
• RQ2 基于EVT的重现期方法与既有的Farrington方法相比，在检测已记录的沙门氏菌疫情时表现如何？
• RQ3 在病例计数较少的血清型中，EVT方法是否能保持检测敏感性，而传统方法可能失效？
• RQ4 该方法如何在不调整数据或加权历史疫情的情况下处理既往疫情的存在？
• RQ5 该EVT方法在多大程度上可实现自动化并扩展至大规模、实时监测系统中使用？

主要发现

• EVT方法成功检测到2004–2005年与婴儿配方奶粉相关的沙门氏菌Agona疫情，在疫情的两个阶段均触发了警报。
• 对于沙门氏菌Agona血清型，EVT方法在2004年底至2005年年中连续15周发出警报，与已记录的疫情时间一致。
• 该方法在2008年7月检测到一次较小的疫情（5例，2例与食物相关），仅触发一次警报，显示出对低频事件的敏感性。
• 由于采用动态重现期估计，EVT方法在检测2004–2005年疫情的早期阶段优于Farrington方法。
• 即使在曼哈顿和德比等低计数血清型中，该方法依然有效，而传统方法可能因统计效能不足而难以检测。
• EVT方法无需对历史疫情进行调整，因为每次观测的重现期均重新计算，从而长期保持检测敏感性。