221 0

시공간 조기 경보 알고리즘을 이용한 국내 A형 간염 자료 분석

Title
시공간 조기 경보 알고리즘을 이용한 국내 A형 간염 자료 분석
Other Titles
Spatio-temporal early detection algorithm for Hepatitis A data in South Korea
Author
최현호
Alternative Author(s)
Hyunho Choi
Advisor(s)
최정순
Issue Date
2020-02
Publisher
한양대학교
Degree
Master
Abstract
본 연구에서는 2011-2018년 국내 주별 시군구별 A형 간염 발생 건수 자료를 이용한 실시간 조기 경보 알고리즘을 제안하였다. A형 간염 발생 건수 자료는 연도별 변동이 존재하고 계절성을 띄는 자료이며 지역에 따라 발생 건수의 차이가 존재하기 때문에 시간상관성과 공간상관성이 존재하는 자료이다. 본 연구에서는 1단계에서 시간상관성을 고려한 조기경보 시점 결정을 진행하고, 2단계에서 공간상관성을 고려하여 조기경보를 발령할 소규모 지역을 결정하는 실시간 시공간 알고리즘을 제안하였다. 1단계에서는 전국 단위에서의 시간에 따른 발생 건수 자료를 이용하여 시계열적인 방법인 CUSUM (Cumulative Sum) 모형, EWMA (Exponentially Weighted Moving Average) 모형, Historical limits, 그리고 MPM (Moving Percentile Method) 으로 공간 분석을 진행할 시점을 결정하고, 2단계에서는 선택된 시점에 대하여 영과잉 자료를 고려한 공간 스캔 통계량 (Spatial scan statistic) 을 이용하여 시군구 수준에서의 공간 군집 분석을 진행하여 발생 건수가 큰 군집을 탐지하였다. 감지된 유행의 시작과 종료시점의 적절성을 기준으로 각 방법을 비교 분석한 결과 MPM과 공간 스캔 통계량을 이용한 실시간 조기 경보 알고리즘이 국내 A형 간염 자료에 가장 적합한 것으로 나타났다.|In this paper, we proposed a real-time early detection algorithm for hepatitis A incidence data in South Korea from 2011 to 2018. Since the data are collected for each administrative area and on a weekly basis, the data vary across the areas and contain seasonality. Therefore, we proposed a two-stage algorithm to consider both the spatial and temporal dependencies. In stage 1, we applied time-series models for weekly sum of the incidences in all areas to determine the time points to conduct spatial analysis. CUSUM model, EWMA model, Historical limits, and MPM are considered. In stage 2, we detected hot spots using spatial scan statistic based on zero-inflated Poisson distribution. In terms of the timeliness of early detection, the algorithm with MPM and spatial statistic showed the best performance.
In this paper, we proposed a real-time early detection algorithm for hepatitis A incidence data in South Korea from 2011 to 2018. Since the data are collected for each administrative area and on a weekly basis, the data vary across the areas and contain seasonality. Therefore, we proposed a two-stage algorithm to consider both the spatial and temporal dependencies. In stage 1, we applied time-series models for weekly sum of the incidences in all areas to determine the time points to conduct spatial analysis. CUSUM model, EWMA model, Historical limits, and MPM are considered. In stage 2, we detected hot spots using spatial scan statistic based on zero-inflated Poisson distribution. In terms of the timeliness of early detection, the algorithm with MPM and spatial statistic showed the best performance.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/123630http://hanyang.dcollection.net/common/orgView/200000437481
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > APPLIED STATISTICS(응용통계학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE