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

点击翻译按钮获取中文摘要

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。