The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Risk area detection of varicella data using scan statistics

스캔통계량을 활용한 수두 자료의 위험 지역 탐지

  • Bogeun Sim (Department of Information and Statistics, Gyeongsang National University) ;
  • Byeongjin Yoon (Department of Information and Statistics, Gyeongsang National University) ;
  • Haejune Oh (Department of Information and Statistics, Gyeongsang National University)
  • 심보근 (경상국립대학교 정보통계학과) ;
  • 윤병진 (경상국립대학교 정보통계학과) ;
  • 오해준 (경상국립대학교 정보통계학과)
  • Received : 2022.12.28
  • Accepted : 2023.03.02
  • Published : 2023.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Varicella is one of the secondary infectious diseases listed in forensic medicine, and it is one of the diseases with strong contagion and high risk. Varicella still affects more than 20,000 people in Korea every year. In this study, in order to grasp the risk area and risk year, we obtained and analyzed the varicella data classified by the urban army every year. To advance the spatial analysis, we used the local Moran's I method and scan statistics, which are commonly used to detect risk areas. we proposed a Moran scan statistics method that can complement and combine the shortcomings of these methods and detect dangerous areas. The scan statistics method is also used for temporal and spatial analysis. We calculated the relative risk rate for each year and also calculated log-likelihood ratios under a Poisson distribution. Continue to cluster the most risk years and detect clusters of risk areas and risk years in a cylinder that includes temporal and spatial attributes. Through the results, we confirmed that the risk areas have special patterns and compared the risk areas detected by existing methods and the proposed method. In the future, we expect it to help prevent infectious diseases, including varicella.

여전히 수두는 국내에서 매년 2만 명이상 발병이 된다. 본 연구에서는 위험 지역과 위험 연도를 파악하기 위해 각 연도마다 시군구별 수두 데이터를 얻어 분석을 진행하였다. 공간 분석을 진행하기 위해 위험 지역 탐지에 많이 사용되는 local Moran's I 방법론과 스캔통계량의 방법론을 사용하였다. 이 방법론들의 단점을 보완하여 결합한 모란 스캔통계량(Moran scan statistics)의 방법론을 제안하며 이를 통해 위험 지역을 탐지하였다. 시간 분석과 공간 분석에서도 스캔통계량 방법론을 사용하였다. 각 연도의 상대위험률과 포아송 분포하에서 로그우도비를 구하였다. 가장 위험도가 높은 연도를 찾아 군집화를 진행하며, 시간과 공간의 성질을 모두 포함한 실린더 모양으로 위험 지역과 위험 연도를 군집화한 것을 탐지하였다. 결과를 통해 위험 지역이 특별한 패턴을 가지는 것을 확인하고, 기존의 방법론과 제안한 방법론이 탐지한 위험 지역을 비교하였다. 향후 수두를 포함한 감염병을 예방하는데 유용하게 활용될 것으로 기대한다.

Keywords

Acknowledgement

이 성과는 정부 (과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구이고 (NRF-2020R1G1A1A01014362), 제1저자 심보근의 석사학위논문의 일부를 발췌한 것임.

References

  1. Al-Ahmadi K, Alahmadi S, and Al-Zahrani A (2019). Spatiotemporal clustering of middle east respiratory syndrome coronavirus (MERS-CoV) incidence in Saudi Arabia, 2012-2019, International Journal of Environmental Research and Public Health, 16, 2520.
  2. Anselin L (1995). Local indicators of spatial association-LISA, Geographical Analysis, 27, 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
  3. Geary RC (1954). The contiguity ratio and statistical mapping, The Incorporated Statistician, 5, 115-146. https://doi.org/10.2307/2986645
  4. Kulldorff M (1997). A spatial scan statistic, Communications in Statistics-Theory and Methods, 26, 1481-1496. https://doi.org/10.1080/03610929708831995
  5. Kulldorff M, Heffernan R, Hartman J, Assuncao R, and Mostashari F (2005). A space-time permutation scan statistic for disease outbreak detection, PLoS Medicine, 2, 216-224. https://doi.org/10.1371/journal.pmed.0020059
  6. Kulldorff M, Mostashari F, Duczmal L, Katherine Yih W, Kleinman K, and Platt R (2007). Multivariate scan statistics for disease surveillance, Statistics in Medicine, 26, 1824-1833. https://doi.org/10.1002/sim.2818
  7. Kulldorff M, Huang L, Pickle L, and Duczmal L (2006). An elliptic spatial scan statistic, Statistics in Medicine, 25, 3929-3943. https://doi.org/10.1002/sim.2490
  8. Moran PA (1950). Notes on continuous stochastic phenomena, Biometrika, 37, 17-23. https://doi.org/10.1093/biomet/37.1-2.17
  9. Prates MO, Kulldorff M, and Assuncao RM (2014). Relative risk estimates from spatial and space-time scan statistics: Are they biased?, Statistics in Medicine, 33, 2634-2644. https://doi.org/10.1002/sim.6143
  10. Rao H, Shi X, and Zhang X (2017). Using the Kulldorff's scan statistical analysis to detect spatio-temporal clusters of tuberculosis in Qinghai Province, China, 2009-2016, BMC Infectious Diseases, 17, 1-11. https://doi.org/10.1186/s12879-016-2122-x
  11. Silva I, Assuncao R, and Costa M (2009). Power of the sequential Monte Carlo test, Sequential Analysis, 28, 163-174. https://doi.org/10.1080/07474940902816601