Development and Implementation of Accurate and Fast Arbitrary Shaped Cluster Detection Method

准确快速的任意形状簇检测方法的开发与实现

基本信息

批准号：
21K11791
负责人：
大谷隆浩
金额：
$ 2.58万
依托单位：
Nagoya City University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

位置情報を付加した空間医学データをもとに疾病の発生との関連が強い箇所 (クラスター) を検出しその統計的有意性を判定する方法として，最大尤度比に基づくスキャン統計量が提案され，空間疫学研究や症候サーベイランスなどの分野で重要なツールになっている。本研究では多様な形式の空間データから精確に複数のクラスターを検出し，その統計的有意性を適切に判定する統計解析ソフトウェアについて検討する。新たなソフトウェアを開発するとともに，空間疫学研究の大規模な実データを用いた実証研究を行うことでその有効性の評価を行う。2022年度は，前年度までに開発した複数のクラスターの検出と統計的有意性の評価を行う解析ソフトウェアについて，並列処理による高速化を検討した。空間スキャン統計量は原則として一つのクラスターのみを検出し有意性を評価するが，実際にはクラスターが複数ある場面も多い。このような場合に，情報量基準の視点から適切な集積期間の数を選択してそれらを同定し，全体としての統計的有意性の評価を行う手法 (Takahashi & Shimadzu, 2018) が提案され，計算機シミュレーションにより有効性が示されている。この手法を用いて疾病の地域集積性および時間集積性を検出する解析ソフトウェアを前年度までに開発してきたが，データが大きくなるにつれて計算時間がかかることが問題となっていた。そこで，並列処理による高速化を行い，計算機実験によりその有効性を確認した。さらに，空間疫学研究においてはリスクの高い地域だけでなく低い地域についても検出できることが望ましいため，これまでに開発してきた統計解析ソフトウェア「R」用パッケージを拡張し，疾病の発生が少ない地域を検出する機能を実装してオープンソースソフトウェアとして公開した。

已经提出了基于最大似然比的扫描统计数据作为检测区域（集群）的一种方法，这些方法与疾病发生的基于空间医学数据密切相关，并添加了位置信息，并确定这些站点的统计学意义，这些工具已成为空间流行病学研究和症状性的领域中的重要工具。这项研究检查了统计分析软件，该软件可以准确地检测到各种形式的空间数据中的多个簇，并正确地确定其统计意义。除了开发新软件外，我们还将通过使用来自空间流行病学研究的大规模真实数据进行实证研究来评估其有效性。在2022财年，我们考虑了提高分析软件的速度，该软件检测到了多个群集，并评估了通过并行处理到上一年发展的统计显着性。空间扫描统计数据通常仅检测到一个群集并评估其意义，但实际上，在许多情况下，存在多个集群。在这种情况下，已经提出了一种方法来从信息标准的角度选择适当的积累周期，识别它们并评估整体统计学意义（Takahashi＆Shimadzu，2018年），这通过计算机模拟显示了其有效性。直到上一年，已经开发了使用此方法来检测区域和时间积累的分析软件，但问题是随着数据的增长，需要计算时间。因此，使用并行处理来加快系统的速度，并通过计算机实验确认其有效性。此外，在空间流行病学研究中，希望能够检测到处于高风险的领域以及风险较低的领域，因此我们扩展了我们到目前为止开发的统计分析软件“ R”的包装，并实施了一个功能来检测疾病较少的疾病的领域，并将其作为开源软件发表。