Multiple clusters in health-related data: modeling, detection, and evaluation

点击翻译按钮获取中文摘要

本研究では，空間疫学におけるクラスタリング（疾病集積性の検定）をベースとして，より柔軟なクラスタの定義と複数クラスタモデリング，最適なクラスタモデルの推定方法と検出されたクラスタに基づく評価法の開発，および健康関連分野における実データへの適用の検討を行う。本年度はまず前年度試行的な検討を行った空間疫学における複数クラスタの検出の精確性の向上にむけた新たな検定統計量の開発を引き続き検討した。空間集積性に適用されるスキャン統計量の中で前提とされる統計モデルにおいて，ホットスポットクラスタモデルの仮定の達成が重要な役割を果たすことを数値計算により確かめた。より精度よく複数クラスタを検出・同定するため，従来の検定統計量を改良し，ホットスポットモデルの仮定の達成を評価しながら複数クラスタを検出する新たな検定法を提案し，その数値的評価を行った。またより柔軟なクラスタモデルの定義を行うため，関数データアプロ―チによる時空間相関を考慮した共変量調整モデルの検討を行った。空間相関がある場合の空間集積性という概念の導入が必要であるが，数理モデル的な視点からの定義を行い，数値実験を試行的に行ったところ，いくつかの特徴を把握することができた。一方，実際適用される保健医療的な観点からは解釈が難しい点もあるなど，今後の検討課題が明らかになってきた。さらに実データへの適用として，関連した医療分野の実践研究を行うとともに，医療現場のデータや医療保険関連データなど具体的なデータを調査し，個人の経時変化を観察できるデータへの適用可能性について検討を開始した。