傳染病監(jiān)測(cè)數(shù)據(jù)時(shí)空分析及早期預(yù)警統(tǒng)計(jì)技術(shù)研究進(jìn)展

傳染病監(jiān)測(cè)數(shù)據(jù)時(shí)空分析及早期預(yù)警的統(tǒng)計(jì)技術(shù)研究進(jìn)展

四川大學(xué)華西公共衛(wèi)生學(xué)院

衛(wèi)生統(tǒng)計(jì)學(xué)教授

李曉松

2022年9月26日昆明.第一頁，共一百一十八頁。隨著信息技術(shù)的迅速開展，已經(jīng)和正在產(chǎn)生大量各類公共衛(wèi)生信息和數(shù)據(jù)。數(shù)據(jù)分析理論的滯后和分析技術(shù)的缺失，數(shù)據(jù)所隱含的知識(shí)并未被充分認(rèn)識(shí)和利用，而這些知識(shí)可能具有潛在的巨大應(yīng)用價(jià)值。.第二頁，共一百一十八頁。3S技術(shù)等先進(jìn)技術(shù)的迅速開展和應(yīng)用，為深入分析和揭示公共衛(wèi)生信息數(shù)據(jù)間復(fù)雜的時(shí)間和空間關(guān)系，一方面提供了重要的根底技術(shù)平臺(tái)，另一方面又產(chǎn)生了新的數(shù)據(jù)源。.第三頁，共一百一十八頁。時(shí)空分析及早期預(yù)警統(tǒng)計(jì)技術(shù)研究進(jìn)展貝葉斯時(shí)空分析技術(shù)(BayesianDiseaseMapping)多源監(jiān)測(cè)數(shù)據(jù)分析技術(shù)(MultivariateSurveillanceDataAnalysis)——貝葉斯網(wǎng)絡(luò)和隱馬爾科夫模型聚集性探測(cè)(ClusterDetection)…….第四頁，共一百一十八頁。貝葉斯時(shí)空分析技術(shù)BayesianDiseaseMapping.第五頁，共一百一十八頁。多維度多尺度多層次三個(gè)基本特征傳染病數(shù)據(jù)根本要素和特征傳染病數(shù)據(jù)是傳染病流行過程及其相關(guān)因素關(guān)系的符號(hào)化表示。時(shí)態(tài)位置屬性三個(gè)基本要素.第六頁，共一百一十八頁。人們所觀察到的傳染病流行是一系列復(fù)雜的自然與社會(huì)因素綜合作用的結(jié)果。所謂傳染病“流行規(guī)律〞可理解為在自然與社會(huì)多源復(fù)雜因子作用下傳染病流行的時(shí)空變化及其相關(guān)因素的時(shí)空共變軌跡。.第七頁，共一百一十八頁。貝葉斯時(shí)空分析技術(shù)

從時(shí)間軸看，在揭示傳染病發(fā)病(率)隨時(shí)間發(fā)生變化的同時(shí)，揭示其在每個(gè)時(shí)點(diǎn)上發(fā)病(率)存在的空間變異；

從空間軸看，在揭示傳染病發(fā)病(率)隨區(qū)域不同而發(fā)生變化的同時(shí)，揭示在這些異質(zhì)的區(qū)域上發(fā)病(率)存在的時(shí)間變異。

與此同時(shí)，還指揭示與傳染病發(fā)病(率)上述時(shí)空變異所關(guān)聯(lián)的各種因子及其變化。.第八頁，共一百一十八頁。Bayes學(xué)說是不同于經(jīng)典統(tǒng)計(jì)(頻率學(xué)派)的另一大統(tǒng)計(jì)學(xué)派，隨著計(jì)算機(jī)技術(shù)的開展和MarkovChainMonteCarlo(MCMC)抽樣算法的引入，Bayes方法得以迅速開展和廣泛應(yīng)用。.第九頁，共一百一十八頁。BayesianDiseaseMapping的優(yōu)勢(shì)可利用人們對(duì)于傳染病流行及其相關(guān)因素的先驗(yàn)知識(shí)確定先驗(yàn)分布。由于傳播特性，傳染病流行常呈現(xiàn)出時(shí)空相關(guān)性，Bayes建?？山栌绵徑鼤r(shí)空信息。.第十頁，共一百一十八頁。自然環(huán)境數(shù)據(jù)傳染病時(shí)空數(shù)據(jù)時(shí)空建模平臺(tái)基于Bayes框架時(shí)空建模的傳染病流行規(guī)律多維度分析GISRS信息系統(tǒng).第十一頁，共一百一十八頁。基于Bayes框架建模充分反映了傳染病數(shù)據(jù)的根本要素與特征.第十二頁，共一百一十八頁。多維度屬性維時(shí)間維空間維多維度、多尺度和多層次病例的基本人口學(xué)特征以及與流行相關(guān)的主要自然/社會(huì)因素.第十三頁，共一百一十八頁。

隨時(shí)間推移，各區(qū)域瘧疾發(fā)病相對(duì)危險(xiǎn)度連續(xù)發(fā)生變化各區(qū)域間相對(duì)危險(xiǎn)度存在差異(空間異質(zhì)性)相鄰區(qū)域相對(duì)危險(xiǎn)度有相似性(空間相關(guān)性)降雨量與瘧疾發(fā)病的數(shù)量關(guān)系(系數(shù))隨不同時(shí)期發(fā)生變化亞馬遜河區(qū)域某州某時(shí)期瘧疾發(fā)病的相對(duì)危險(xiǎn)度變化96.196.1297.1298.12

時(shí)間系數(shù)AlineA.Nobre,AlexandraM.Schmidt,HedibertF.Lopes.Spatio-temporalmodelsformappingtheincidenceofmalariainPará.Environmetrics,2005,16:291–304..第十四頁，共一百一十八頁。發(fā)病(率)在各個(gè)區(qū)域的時(shí)間變異:各時(shí)點(diǎn)(段)的空間變異。相關(guān)因素與發(fā)病(率)的影響、以及這種影響在不同時(shí)間的變化和不同空間的變化。發(fā)病(率)的空間相關(guān)性與異質(zhì)性大小及其在時(shí)間上的變異。.第十五頁，共一百一十八頁。多尺度：傳染病流行在不同時(shí)空尺度上表現(xiàn)出的特征可能不同。傳染病時(shí)空信息在概化和細(xì)化過程中反映出的特征漸變規(guī)律探索不同時(shí)空尺度間信息轉(zhuǎn)換及不同尺度的效應(yīng).第十六頁，共一百一十八頁。.第十七頁，共一百一十八頁。在全球尺度，可發(fā)現(xiàn)登革熱廣泛流行于北緯30度和南緯20度之間。.第十八頁，共一百一十八頁。非洲、東南亞、西太平洋地區(qū)地區(qū)、美洲加勒比地區(qū)及歐洲局部境域.第十九頁，共一百一十八頁。近10年其分布有向高緯度或高海拔地區(qū)擴(kuò)散趨勢(shì).第二十頁，共一百一十八頁。.第二十一頁，共一百一十八頁。.第二十二頁，共一百一十八頁。但如在地區(qū)尺度上如我國(guó)海南地區(qū)，它可能呈散在聚集分布而未能呈現(xiàn)出任何規(guī)律。.第二十三頁，共一百一十八頁。.第二十四頁，共一百一十八頁。多層次國(guó)家省地市區(qū)縣鄉(xiāng)鎮(zhèn)街道個(gè)體.第二十五頁，共一百一十八頁。

個(gè)體本身特征

+

所在環(huán)境特征個(gè)體是否發(fā)生傳染病.第二十六頁，共一百一十八頁。個(gè)體(個(gè)案數(shù)據(jù))和環(huán)境(集合數(shù)據(jù))因素的獨(dú)立和聯(lián)合效應(yīng)各層次因素對(duì)傳染病發(fā)病(率)的影響以及對(duì)傳染病發(fā)病(率)在不同層次之間變異的影響時(shí)空模型多水平模型多水平模型.第二十七頁，共一百一十八頁。聚集性探測(cè)ClusterDetection.第二十八頁，共一百一十八頁。回憶性和前瞻性兩種分析策略回憶性分析：發(fā)病模式與病因探索前瞻性分析：實(shí)時(shí)監(jiān)測(cè)與早期預(yù)警.第二十九頁，共一百一十八頁。Kullduff前瞻性時(shí)-空掃描統(tǒng)計(jì)量Rogerson空間模式監(jiān)測(cè)方法……前瞻性聚集性探測(cè)方法.第三十頁，共一百一十八頁。目前我國(guó)局部地區(qū)用于預(yù)警的方法主要是單純時(shí)間聚集性探測(cè)方法。其主要目的是探測(cè)時(shí)間序列數(shù)據(jù)中發(fā)病例數(shù)異常增加的時(shí)點(diǎn)。.第三十一頁，共一百一十八頁。單純時(shí)間聚集性分析的主要缺乏：未利用疫情數(shù)據(jù)中的空間信息，難以及時(shí)、準(zhǔn)確地預(yù)警。.第三十二頁，共一百一十八頁。國(guó)外的研究多開始于2001年炭疽恐怖事件后，紐約、華盛頓、西雅圖等地先后建立了早期預(yù)警系統(tǒng)試點(diǎn)(時(shí)-空掃描統(tǒng)計(jì)量和貝葉斯網(wǎng)絡(luò)等技術(shù))。.第三十三頁，共一百一十八頁。國(guó)內(nèi)外預(yù)警系統(tǒng)研究的區(qū)別探測(cè)方法監(jiān)測(cè)系統(tǒng)國(guó)內(nèi)單純時(shí)間聚集性探測(cè)傳統(tǒng)監(jiān)測(cè)國(guó)外時(shí)空聚集性探測(cè)癥狀監(jiān)測(cè).第三十四頁，共一百一十八頁。國(guó)內(nèi)外預(yù)警系統(tǒng)研究的區(qū)別探測(cè)方法監(jiān)測(cè)系統(tǒng)國(guó)內(nèi)單純時(shí)間聚集性探測(cè)傳統(tǒng)監(jiān)測(cè)國(guó)外時(shí)空聚集性探測(cè)癥狀監(jiān)測(cè).第三十五頁，共一百一十八頁。前瞻性時(shí)空掃描統(tǒng)計(jì)量.第三十六頁，共一百一十八頁。研究區(qū)域掃描窗口病例.第三十七頁，共一百一十八頁。.第三十八頁，共一百一十八頁。.第三十九頁，共一百一十八頁。尋找病例最多的窗口：掃描統(tǒng)計(jì)量S.第四十頁，共一百一十八頁。由于傳染病的特殊性，用于傳染病監(jiān)測(cè)的掃描統(tǒng)計(jì)量，其構(gòu)建更為復(fù)雜。

.第四十一頁，共一百一十八頁。傳染病時(shí)空聚集性的特點(diǎn)①無法預(yù)知傳染病爆發(fā)可能的規(guī)模掃描窗口的大小應(yīng)當(dāng)是動(dòng)態(tài)變化的

.第四十二頁，共一百一十八頁。傳染病時(shí)空聚集性的特點(diǎn)②某些因素造成傳染病發(fā)生數(shù)在時(shí)間和空間的自然變異：如季節(jié)性應(yīng)當(dāng)對(duì)這些因素進(jìn)行校正

.第四十三頁，共一百一十八頁。傳染病時(shí)空聚集性的特點(diǎn)③人口的地理分布不均勻如：城市人口密度高于農(nóng)村應(yīng)對(duì)人口密度的不均勻進(jìn)行校正

.第四十四頁，共一百一十八頁。尋找病例最多的窗口：掃描統(tǒng)計(jì)量S如何得到P值尋找掃描統(tǒng)計(jì)量的概率分布？非常復(fù)雜和困難的概率理論問題.第四十五頁，共一百一十八頁。新近開展的Kullduff時(shí)空掃描統(tǒng)計(jì)量掃描窗口大小可變對(duì)非均勻的人口密度進(jìn)行校正采用蒙特卡羅隨機(jī)化法進(jìn)行假設(shè)檢驗(yàn)，無需再考慮掃描統(tǒng)計(jì)量的概率分布

.第四十六頁，共一百一十八頁。掃描窗口：一定地理區(qū)域空間掃描統(tǒng)計(jì)量.第四十七頁，共一百一十八頁。掃描窗口：一定時(shí)間長(zhǎng)度時(shí)間掃描統(tǒng)計(jì)量.第四十八頁，共一百一十八頁。時(shí)空掃描統(tǒng)計(jì)量一定的時(shí)間長(zhǎng)度一定的地理區(qū)域.第四十九頁，共一百一十八頁。.第五十頁，共一百一十八頁。.第五十一頁，共一百一十八頁。.第五十二頁，共一百一十八頁。.第五十三頁，共一百一十八頁。.第五十四頁，共一百一十八頁。.第五十五頁，共一百一十八頁。.第五十六頁，共一百一十八頁。.第五十七頁，共一百一十八頁。.第五十八頁，共一百一十八頁。.第五十九頁，共一百一十八頁。.第六十頁，共一百一十八頁。.第六十一頁，共一百一十八頁。.第六十二頁，共一百一十八頁。.第六十三頁，共一百一十八頁。.第六十四頁，共一百一十八頁。.第六十五頁，共一百一十八頁。傳染病早期預(yù)警系統(tǒng)與可視化平臺(tái).第六十六頁，共一百一十八頁。數(shù)據(jù)庫(kù)網(wǎng)絡(luò)直報(bào)系統(tǒng)早期預(yù)警系統(tǒng)框架數(shù)據(jù)獲取.第六十七頁，共一百一十八頁。數(shù)據(jù)庫(kù)探測(cè)算法采用聚集性探測(cè)算法進(jìn)行數(shù)據(jù)分析網(wǎng)絡(luò)直報(bào)系統(tǒng)早期預(yù)警系統(tǒng)框架.第六十八頁，共一百一十八頁。數(shù)據(jù)庫(kù)探測(cè)算法地理信息系統(tǒng)地理編碼&可視化實(shí)現(xiàn)網(wǎng)絡(luò)直報(bào)系統(tǒng)早期預(yù)警系統(tǒng)框架.第六十九頁，共一百一十八頁。數(shù)據(jù)庫(kù)探測(cè)算法地理信息系統(tǒng)報(bào)告早期預(yù)警系統(tǒng)框架網(wǎng)絡(luò)直報(bào)系統(tǒng).第七十頁，共一百一十八頁。GoogleEarth可視化平臺(tái)GE支持的圖形為三維圖形，較二維圖形直觀，且可任意改變方位和視角進(jìn)行查看。GE提供的衛(wèi)星影像信息包括了山川河流等地形地貌信息，可結(jié)合上述環(huán)境信息查看聚集性探測(cè)結(jié)果。

除地理圖形外，GE還可容納預(yù)警信號(hào)的相關(guān)重要信息。GE操作十分簡(jiǎn)便，便于推廣應(yīng)用。.第七十一頁，共一百一十八頁。省級(jí)前瞻性時(shí)空聚集性探測(cè)結(jié)果圖示1.第七十二頁，共一百一十八頁。圖7.12區(qū)縣級(jí)前瞻性時(shí)空聚集性探測(cè)結(jié)果圖示1.第七十三頁，共一百一十八頁。圖7.13區(qū)縣級(jí)前瞻性時(shí)空聚集性探測(cè)結(jié)果圖示2.第七十四頁，共一百一十八頁。Figure.聚集性探測(cè)結(jié)果在GoogleEarth上的平面透視圖(在預(yù)警信號(hào)所在位置點(diǎn)擊鼠標(biāo)左鍵，即可出現(xiàn)預(yù)警信號(hào)的詳細(xì)信息，包括時(shí)間、地域、實(shí)際發(fā)病數(shù)、預(yù)期發(fā)病數(shù)、P值).第七十五頁，共一百一十八頁。時(shí)空兩個(gè)維度聚集性探測(cè)的優(yōu)勢(shì)

與單純時(shí)間聚集性分析相比，時(shí)空聚集性分析信息更為詳盡，不僅可提示有無聚集性，還可對(duì)聚集性進(jìn)行空間定位。.第七十六頁，共一百一十八頁。時(shí)空兩個(gè)維度聚集性探測(cè)的優(yōu)勢(shì)

時(shí)－空聚集性分析充分利用了數(shù)據(jù)中的空間信息，預(yù)警更為及時(shí)。

.第七十七頁，共一百一十八頁。H0：傳染病無聚集性(病例隨機(jī)分布)拒絕H0對(duì)應(yīng)爆發(fā)？“偶然〞？信息不真實(shí)？存在聚集性.第七十八頁，共一百一十八頁。與散發(fā)相對(duì)散發(fā)：獨(dú)立發(fā)生的病例。爆發(fā)：病例之間具有流行病學(xué)上的聯(lián)系。流行病學(xué)意義上的傳染病爆發(fā).第七十九頁，共一百一十八頁。統(tǒng)計(jì)聚集性流行病學(xué)爆發(fā)是否對(duì)應(yīng)？現(xiàn)場(chǎng)調(diào)查：確定病例之間的流行病學(xué)聯(lián)系。實(shí)驗(yàn)室檢查：根據(jù)病原體染色體DNA的同源程度識(shí)別病例之間的聯(lián)系(更為準(zhǔn)確)。.第八十頁，共一百一十八頁。聚集性的原因空間自相關(guān)其它因素.第八十一頁，共一百一十八頁。是否需校正空間自相關(guān)？取決于需要從數(shù)據(jù)中獲取什么樣的信息？.第八十二頁，共一百一十八頁。情況Ⅰ通過空間自回歸分析確定主要影響因素：如分析發(fā)病人群的主要特征，此時(shí)需校正空間自相關(guān)。否那么可能高估危險(xiǎn)性，使得本來沒有關(guān)聯(lián)的因素得到具有統(tǒng)計(jì)學(xué)意義的結(jié)果。.第八十三頁，共一百一十八頁。探測(cè)傳染病爆發(fā)：勿需校正空間自相關(guān)。因?yàn)樗綔y(cè)的cluster很可能是空間自相關(guān)引起的。如果對(duì)其進(jìn)行校正，就發(fā)現(xiàn)不了重要的cluster。因此，應(yīng)用于早期預(yù)警模型的時(shí)空掃描統(tǒng)計(jì)量無需對(duì)空間自相關(guān)進(jìn)行校正。情況Ⅱ.第八十四頁，共一百一十八頁。多源監(jiān)測(cè)數(shù)據(jù)融合分析技術(shù)

Multivariatesurveillancedataanalysis

.第八十五頁，共一百一十八頁。在傳染病監(jiān)測(cè)工作中，除病例監(jiān)測(cè)和癥候群監(jiān)測(cè)數(shù)據(jù)外，還可通過多個(gè)渠道獲得相關(guān)數(shù)據(jù)，如醫(yī)院就診數(shù)據(jù)，藥店OTC藥物銷量數(shù)據(jù)、學(xué)校缺席人數(shù)等，多源數(shù)據(jù)融合分析技術(shù)可合并多數(shù)據(jù)源建模進(jìn)行傳染病的預(yù)測(cè)和早期預(yù)警。.第八十六頁，共一百一十八頁。貝葉斯網(wǎng)絡(luò)

BayesianNetwork.第八十七頁，共一百一十八頁。貝葉斯網(wǎng)絡(luò)是一種基于貝葉斯理論的概率推理圖形化網(wǎng)絡(luò)，即通過一些監(jiān)測(cè)變量的信息來獲取其他感興趣變量概率信息的過程。目前已在眾多領(lǐng)域獲得廣泛應(yīng)用，是近年國(guó)外傳染病預(yù)警研究領(lǐng)域的前沿技術(shù)之一。.第八十八頁，共一百一十八頁。貝葉斯網(wǎng)絡(luò)根本原理貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)：變量(season、age…)有向弧段：變量間的相互關(guān)系.第八十九頁，共一百一十八頁。Example：炭疽釋放全局節(jié)點(diǎn)G，指示是否存在炭疽釋放。.第九十頁，共一百一十八頁。Example：炭疽釋放界面節(jié)點(diǎn)I，在圖中為擴(kuò)散的時(shí)間和地點(diǎn).第九十一頁，共一百一十八頁。Example：炭疽釋放個(gè)體子網(wǎng)絡(luò)P，每個(gè)子網(wǎng)絡(luò)對(duì)應(yīng)一個(gè)個(gè)體。.第九十二頁，共一百一十八頁。個(gè)體子網(wǎng)絡(luò)中包含家庭地理編碼、年齡、性別、呼吸道主訴、發(fā)病時(shí)間、發(fā)病地點(diǎn)等個(gè)人信息。.第九十三頁，共一百一十八頁。Example：炭疽釋放人群證據(jù)節(jié)點(diǎn)O，代表了特定群體的集合證據(jù)。這里O代表每個(gè)地區(qū)的非處方藥物的合計(jì)銷量。.第九十四頁，共一百一十八頁。貝葉斯網(wǎng)絡(luò)將多個(gè)渠道獲得的個(gè)體數(shù)據(jù)和集合數(shù)據(jù)以網(wǎng)絡(luò)的形式有機(jī)地結(jié)合起來，在充分考慮變量之間復(fù)雜關(guān)系的根底上，對(duì)傳染病爆發(fā)的概率進(jìn)行估計(jì)。.第九十五頁，共一百一十八頁。貝葉斯網(wǎng)絡(luò)建立步驟數(shù)據(jù)收集醫(yī)院/社區(qū)衛(wèi)生效勞中心監(jiān)測(cè)資料：患者的人口學(xué)信息、發(fā)病及就診時(shí)間、家庭住址、臨床癥候群等；120緊急醫(yī)療救助聯(lián)系電話記錄電子記錄；藥店監(jiān)測(cè)資料：相關(guān)藥物每日銷售量；學(xué)校、托幼機(jī)構(gòu)、養(yǎng)老機(jī)構(gòu)監(jiān)測(cè)資料：各監(jiān)測(cè)點(diǎn)機(jī)構(gòu)缺勤人數(shù)及原因。.......第九十六頁，共一百一十八頁。指標(biāo)選擇召開包括傳染病應(yīng)急處置專業(yè)人員、流行病學(xué)家、臨床專家等癥候群監(jiān)測(cè)涉及的相關(guān)領(lǐng)域的專業(yè)人員在內(nèi)的專家會(huì)議。根據(jù)不同癥候群的目標(biāo)傳染病，整理各類癥候群發(fā)生的影響因素，考慮變量間的依賴關(guān)系，相關(guān)數(shù)據(jù)的可獲得性和可量化性等，選取適宜的模型指標(biāo)。.第九十七頁，共一百一十八頁。網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)利用歷史數(shù)據(jù)，結(jié)合先驗(yàn)知識(shí)，確定適宜的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。根據(jù)實(shí)際情況選用以下兩種方法：——基于統(tǒng)計(jì)測(cè)試的方法——基于搜索記分的方法.第九十八頁，共一百一十八頁。擬建立的模型節(jié)點(diǎn)分為四局部：全局節(jié)點(diǎn)G，即地區(qū)全人群特征；界面節(jié)點(diǎn)I，包括傳染病擴(kuò)散的時(shí)間和地點(diǎn)；個(gè)體網(wǎng)絡(luò)P，每個(gè)子網(wǎng)絡(luò)對(duì)應(yīng)一個(gè)個(gè)體，包括人口學(xué)信息、臨床癥候群等，其拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)由專家判斷確定；人群證據(jù)節(jié)點(diǎn)O，包括非處方藥物的銷量、120緊急醫(yī)療救助聯(lián)系電話記錄、機(jī)構(gòu)缺勤人數(shù)等。.第九十九頁，共一百一十八頁。網(wǎng)絡(luò)參數(shù)確定在給定貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的情況下，確定各節(jié)點(diǎn)處的條件概率密度。貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)通過專家知識(shí)和訓(xùn)練樣本學(xué)習(xí)來確定。參數(shù)估計(jì)方法：極大似然估計(jì)、極大后驗(yàn)概率和期望極大化算法。當(dāng)后驗(yàn)概率超過界值可能是一次爆發(fā)。.第一百頁，共一百一十八頁。網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的優(yōu)化采用AMOC(activitymonitoringoperatingcharacteristic)曲線衡量模型的假陽性率，計(jì)算傳染病出現(xiàn)爆發(fā)時(shí)間和模型預(yù)警時(shí)間的差值，并通過評(píng)價(jià)結(jié)果對(duì)模型結(jié)構(gòu)進(jìn)行優(yōu)化。.第一百零一頁，共一百一十八頁。隱馬爾科夫模型

HiddenMarkovModels，HMMs

themegallery.第一百零二頁，共一百一十八頁。隱馬爾科夫模型隱馬爾科夫模型(HMMs)是在Markov模型的根底上開展起來的統(tǒng)計(jì)模型。themegallery.第一百零三頁，共一百一十八頁。假定HMMs的狀態(tài)(傳染病狀態(tài))是不可直接監(jiān)測(cè)的，監(jiān)測(cè)到的只是與之對(duì)應(yīng)的一些監(jiān)測(cè)值(如OTC銷售量、急診量和學(xué)校缺勤數(shù)等)，因而稱之為“隱〞馬爾科夫模型。.第一百零四頁，共一百一十八頁。隱馬爾科夫模型底層:Markov鏈模型描述狀態(tài)之間的轉(zhuǎn)換themegallery.第一百零五頁，共一百一十八頁。隱馬爾科夫模型上層:隨機(jī)模型，描述狀態(tài)與監(jiān)測(cè)值的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系。themegallery.第一百零六頁，共一百一十八頁。隱馬爾科夫模型HMMs建模是從歷史數(shù)據(jù)中獲取信息，將隱含的規(guī)律轉(zhuǎn)化為實(shí)際的模型參數(shù)，利用歷史信息并根據(jù)相似性原理來比較識(shí)別未知樣本。themegallery.第一百零七頁，共一百一十八頁。隱馬爾科夫模型國(guó)外在進(jìn)入21世紀(jì)后，將其運(yùn)用于流感樣病例、脊髓灰質(zhì)炎以及醫(yī)院感染等監(jiān)測(cè)資料預(yù)測(cè)疾病狀態(tài)。themegallery.第一百零八頁，共一百一十八頁。隱馬爾科夫模型結(jié)構(gòu)圖qt為t時(shí)刻的隱狀態(tài)(傳染病爆發(fā)的有無).第一百零九頁，共一百一十八頁。隱馬爾科夫模型結(jié)構(gòu)圖Ot為t時(shí)刻觀察到的監(jiān)測(cè)資料(如OT