[论文解读] Hyak Mortality Monitoring System: Innovative Sampling and Estimation Methods - Proof of Concept by Simulation

Samuel J. Clark, Jon Wakefield+2 more|PubMed|Apr 8, 2015

Data-Driven Disease Surveillance参考文献 16被引用 3

一句话总结

本文提出 Hyak，一种专为低收入和中等收入国家设计的新型统计框架，通过整合健康与人口监测系统（HDSS）及周边区域的有信息采样，以改善死亡率监测。基于阿金库尔 HDSS 站点的模拟显示，Hyak 的有信息采样策略能捕捉到更多死亡病例，且其死亡率估计值方差更低、偏差更小，优于传统整群抽样方法。

ABSTRACT

Traditionally health statistics are derived from civil and/or vital registration. Civil registration in low- to middle-income countries varies from partial coverage to essentially nothing at all. Consequently the state of the art for public health information in low- to middle-income countries is efforts to combine or triangulate data from different sources to produce a more complete picture across both time and space - <i>data amalgamation</i>. Data sources amenable to this approach include sample surveys, sample registration systems, health and demographic surveillance systems, administrative records, census records, health facility records and others. We propose a new statistical framework for gathering health and population data - Hyak - that leverages the benefits of sampling and longitudinal, prospective surveillance to create a cheap, accurate, sustainable monitoring platform. Hyak has three fundamental components: <i>Data amalgamation</i>: A sampling and surveillance component that organizes two or more data collection systems to work together: (1) data from HDSS with frequent, intense, linked, prospective follow-up and (2) data from sample surveys conducted in large areas surrounding the Health and Demographic Surveillance System (HDSS) sites using informed sampling so as to capture as many events as possible;<i>Cause of death</i>: Verbal autopsy to characterize the distribution of deaths by cause at the population level; and<i>Socioeconomic status (SES)</i>: Measurement of SES in order to characterize poverty and wealth. We conduct a simulation study of the informed sampling component of Hyak based on the Agincourt HDSS site in South Africa. Compared with traditional cluster sampling, Hyak's informed sampling captures more deaths, and when combined with an estimation model that includes spatial smoothing, produces estimates of both mortality counts and mortality rates that have lower variance and small bias.

研究动机与目标

• 解决由于民事登记系统薄弱或缺失，导致低收入和中等收入国家缺乏可靠生命统计的严峻问题。
• 开发可持续、成本效益高的平台，用于监测人口健康指标，特别是死亡率及病因特异性死亡分数（CSMFs）。
• 通过利用纵向 HDSS 数据与空间建模，克服传统整群抽样方法的局限性，以优化采样效率。
• 构建可扩展、一体化的系统，通过整合 HDSS 与调查基础设施，同时支持公共卫生监测与科学研究。
• 实现在时间和空间上对死亡趋势按年龄、性别、病因及社会经济状况进行精确、细分化的监测。

提出的方法

• 实施一种数据整合框架，结合 HDSS 数据与周边区域的样本调查，采用有信息采样策略。
• 使用口头尸检法在人群层面确定病因特异性死亡分数（CSMFs）。
• 纳入社会经济地位（SES）测量，以评估不同人群中的贫困与财富分布。
• 在估计模型中应用空间平滑技术，以提高死亡率与死亡数估计的精确度。
• 利用历史调查数据（如 DHS）构建预测表面，用于优先采样，指导下一步采样位置。
• 在南非阿金库尔 HDSS 区域开展模拟研究，比较有信息采样与传统整群抽样方法。

实验结果

研究问题

• RQ1 基于 HDSS 数据的有信息采样在资源有限环境中，是否能比传统整群抽样捕捉到更多死亡病例？
• RQ2 结合空间平滑的有信息采样对死亡率与死亡数估计的精确度与偏差有何影响？
• RQ3 为在区域内有效实施有信息采样，所需 HDSS 站点的最优数量与地理分布为何？
• RQ4 采样框的质量与更新频率如何影响 Hyak 系统的性能？
• RQ5 地理统计模型在多大程度上可利用已采样 HDSS 及周边区域的数据，预测未观测村庄的死亡率？

主要发现

• 在模拟研究中，Hyak 的有信息采样策略显著捕捉到比传统整群抽样更多的死亡病例。
• Hyak 估计的死亡率与死亡数方差低于传统方法，仅存在轻微偏差。
• 在估计模型中整合空间平滑显著提升了精确度，尤其在数据稀疏区域表现更优。
• 该系统展现出生成按年龄、性别、病因及社会经济状况细分的可靠死亡率估计的潜力。
• 与传统整群调查相比，Hyak 更具成本效益，因死亡捕捉效率更高，单位资金可获取更多信息。
• 该框架通过结合永久性 HDSS 基础设施与周期性、有针对性的调查，支持可扩展、可持续的监测。