分析疾病群聚的最創新統計方法:結合地理資訊系統與疾病群聚模式的監測系統

在空間流行病學中,傳統的疾病分群方法是以距離法去設定群聚範圍;然而,在類似台灣這種多樣態的地型中,群聚可能會受到山川河流的切割而呈現分散的現象。另外,傳統的疾病分群方法模型並未同時考慮風險因子與觀測值相關性對群聚的影響;而且,疾病群聚的所在位置,代表疾病在空間上密集發生的地區,也同時包括了疾病熱區的空間資訊。因此,如能瞭解疾病群聚的轉移模式,將可預測流行疾病的擴散趨勢。

為了呈現流行疾病的疫情起源與擴散趨勢,本院群體健康科學研究所林培生研究員研究團隊結合地理資訊系統(geographic information system, GIS)與疾病映射模式,發展整合性的空間映射模型。此方法所建立的監測系統,可整合在流行疾病學與分類法中對疾病群聚的要求,透過比較群聚之間的異質性,可以更有彈性地找出任意型態的疾病群聚。此方法亦可應用在影像處理中,用以探討不同事件發生率的群聚現象,是目前分析疾病群聚的最創新統計方法。研究團隊亦以腸病毒EV71為例,觀察發現腸病毒的熱區在都市有叢集現象,而在偏遠地區則呈現不規則的零星現象。該研究成果已發表於國際頂尖生統期刊Biometrics並獲選為封面故事(Biometrics. 2020 Jun 6;76(2):403-413.)。

文/圖:群體健康科學研究所林培生研究員

Comments are closed.