【正文】 共一百一十八頁。o)統(tǒng)計(jì)量S,如何(rnx237。,第四十一頁，共一百一十八頁。o)窗口,病例(b236。,國內(nèi)外預(yù)警系統(tǒng)研究(y225。,第三十一頁，共一百一十八頁。sh236。 kōnɡ)模型,多水平(shuǐp237。,但如在地區(qū)(d236。x237。 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。,多維度、多尺度(chǐd249。y242。,Company Logo,Bayes學(xué)說是不同于經(jīng)典統(tǒng)計(jì)(頻率學(xué)派(xu233。,第六頁，共一百一十八頁。,Company Logo,時(shí)空分析(fēnxī)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)(Bayesian Disease Mapping) 多源監(jiān)測數(shù)據(jù)分析技術(shù)(Multivariate Surveillance Data Analysis) ——貝葉斯網(wǎng)絡(luò)和隱馬爾科夫模型 聚集性探測(Cluster Detection) ……,第四頁，共一百一十八頁。 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。,Company Logo,隨著信息技術(shù)的迅速發(fā)展，已經(jīng)和正在(zh232。j249。)基本要素和特征,傳染病數(shù)據(jù)是傳染病流行過程(gu242。ng)(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。,第九頁，共一百一十八頁。)Bayes框架時(shí)空建模 的傳染病流行規(guī)律多維度分析,第十一頁，共一百一十八頁。)某州某時(shí)期瘧疾發(fā)病的相對(duì)危險(xiǎn)度變化,第十四頁，共一百一十八頁。,第十六頁，共一百一十八頁。)地區(qū)擴(kuò)散趨勢,第二十頁，共一百一十八頁。,Company Logo,第二十五頁，共一百一十八頁。,Company Logo,回顧性和前瞻性兩種分析(fēnxī)策略,回顧性分析：發(fā)病模式與病因(b236。 其主要目的是探測時(shí)間序列(x249。,國外的研究多開始于2001年炭疽恐怖事件后，紐約、華盛頓、西雅圖等地先后(xiānh242。 kōnɡ)掃描統(tǒng)計(jì)量,第三十六頁，共一百一十八頁。,尋找病例最多的窗口(chuāngkǒu)： 掃描統(tǒng)計(jì)量S,第四十頁，共一百一十八頁。,傳染病時(shí)空聚集(j249。nx237。o)統(tǒng)計(jì)量,掃描(sǎomi225。o)統(tǒng)計(jì)量,一定的時(shí)間(sh237。,第五十五頁，共一百一十八頁。,第六十三頁，共一百一十八頁。,探測(t224。)算法,地理信息系統(tǒng),地理(d236。o),早期(zǎoqī)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。,省級(jí)前瞻性時(shí)空(sh237。 jǐnɡ)信號(hào)所在位置點(diǎn)擊鼠標(biāo)左鍵，即可出現(xiàn)預(yù)警(y249。)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。j237。)。nɡ b236。)性的原因,空間(kōngjiān)自相關(guān),其它(q237。 否則可能高估危險(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。ngku224。) Bayesian Network,第八十七頁，共一百一十八頁。njū)釋放,全局節(jié)點(diǎn)G，指示(zhǐsh236。njū)釋放,個(gè)體子網(wǎng)絡(luò)P，每個(gè)子網(wǎng)絡(luò)對(duì)應(yīng)(du236。njū)釋放,人群證據(jù)節(jié)點(diǎn)O，代表了特定群體的集合(j237。,Company Logo,貝葉斯網(wǎng)絡(luò)建立(ji224。,第九十七頁，共一百一十八頁。,Company Logo,網(wǎng)絡(luò)(wǎnglu242。u)進(jìn)行優(yōu)化。x237。y236。x237。)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。,隱馬爾科夫模型(m243。ngt224。zhǎn)模型,第一百一十一頁，共一百一十八頁。j249。,2步需反復(fù)進(jìn)行(j236。,歷史數(shù)據(jù),最優(yōu)HMMs,傳染病預(yù)警(y249。人群證據(jù)節(jié)點(diǎn)O，代表了特定群體的集合證據(jù)。,?！诮y(tǒng)計(jì)測試的方法。,謝 謝！,第一百一十七頁，共一百一十八頁。ng)，選擇似然值或?qū)?shù)似然值最大的參數(shù)作為最終模型參數(shù)。,第一百一十三頁，共一百一十八頁。x237。ngt224。ng)結(jié)構(gòu)圖,qt為t時(shí)刻(sh237。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。,第一百零四頁，共一百一十八頁。x237。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。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。 根據(jù)實(shí)際情況選用以下兩種方法： ——基于(