| 研究概要 |
本研究は、バイオサーベイランスシステムで症候の時間・空間的増加あるいは集積性を検出するための統計モデルを新しく開発することを目的として行われた。サーベイランスでは症候発生の僅かな変化(増加傾向、集積性、不連続な変化など)を早期に検出する機能が必要となるが、その主なパターンには、ある特定地域(未知)にクラスターが出現し始める(Hot-spot cluster)型と、地域は特定されないが、近接した地域で事象が発現する現象が散在し始める(Global clustering)型の2種類がある。本研究では、この2種類の変化パターンの検出方法を中心に検討を行った。
Hot-spot型変化の検出機能に関する研究では、世界的に有名なKulldorffのspatial scan統計量を改良して任意の形状のクラスターを同定できるflexible scan統計量を提案した(International Journal ofHealth Geographics,2005)。Flexible scanの開発と並行して、scan統計量の良さを評価するための新しい検出力を開発した(Statistics in Medicine,2006)。次に、平面上の地域同定を含む検定手法として開発したflexible scan法をサーベイランスに拡張し、その成果を、2006年の10月に米国のボルチモアで開催された2006年症候サーベイランス会議等で発表した(論文は現在投稿中)。
Global clustering型変化の検出機能に関する研究では、症候データを定期的にモニターするバイオ・サーベイランスへの適用において、個人の住所地が入手できる場合のcase-controlデータに基づく新しい疾病集積性の検定法を開発した(Biometrics,2007)。
|
