念基本上可套用在 SaTScan 或是 FlexScan 等群集偵測的方法上。雖然 FlexScan 在群集的形狀上,相對於 SaTScan 較具彈性,但計算上較為耗時,所以本文以 Kulldorff and Nagarwalla (1995)的 SaTScan 作為群集檢測方式。由於在逐次分析 的概念上與 Zhang et al. (2010)的概念類似,所以以下將會參考 Zhang et al. (2010) 的模型。
第一節 空間統計模型
在大多數疾病群集研究中,經常為累計型資料(Aggregate Data),像是臺灣地 區常以縣市、鄉鎮市區、村里等為單位。首先將研究區域分割成 K 個小區塊,
也就是地理分割,通常會是普查研究區塊(Census Tract)。考慮 Kulldorff and Nagarwalla (1995)的 SaTScan,以下令 Z 表示選取的區塊,G 代表研究區域,o(Z) 表示區塊內發生的事件數,o(G)表示研究區域內發生的事件數,n(Z)表示區塊內
若空間存在多重群集,並採取逐次方法(Sequential Method)進行群集檢測,
則應如何改寫檢定統計量,以下以兩個群集為例。在群集沒有相互重疊的情況下,
對於最顯著的群集 Z,其檢定統計量如下:
‧
逐次分析法概念亦如同迴歸分析中的逐步回歸。逐步回歸中的 Forward-entry Procedure 是選定一個標準,按自變數對 y 的貢獻大小由大到小依次挑選進入模 式,每選入一個變數進入模式,則重新計算模式外各自變數對 y 的貢獻,直到方 程外變數均達不到入選標準,沒有自變數可被引入模式為止。若仿照逐步回歸檢 測變數步驟,逐次分析在檢測群集時,可採取以下步驟:
Step1:以 SaTScan 檢測研究區域是否存在顯著群集 Step2:將檢定最為顯著的群集自研究區域中移除 Step3:對新的研究區域重新使用 SaTScan 進行檢測 Step4:重複 Step2 至 Step3 直到沒有任意群集被檢測出來
第三節 本文研究特色
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
11
本文主要強調逐次分析及一次性偵測主要的使用時機及使用上可能的限制,
不同於 Zhang et al. (2010)。Zhang et al. (2010)雖然提出此概念並應用在群集的偵 測上,但著重於在採用逐次分析的前提下比較移除最顯著的群集並用平均發生事 件數取代、或是不取代直接移除這兩種方法上,對於相對風險較低的群集在 Power 上的修正,並得到直接移除最顯著的群集在群集偵測結果上便可達到修正 的目的。在研究動機時便有談到當有一群集占研究區域比例面積過大時,便可能 在檢測群集產生過於保守的問題。
本文於第四章電腦模擬將有系統的探討群集占研究區域比例面積、群集個數、
群集相對風險這三個因素在檢測群集時可能會產生的影響,並透過逐次分析與一 次性偵測,比較兩者在檢測群集結果上的差異。
‧
本文的目標在於如何檢測研究區域中的多重群集,藉由 Kulldorff and Nagarwalla (1995)的 SaTScan 可採取一次性偵測或逐次分析兩種策略進行群集檢 測。第二章的文獻探討裡提到,採取一次性偵測的方式有兩種,一種透過外部資 SaTScan 的群集偵測能力已有完整的討論,所以本章第二節會著重在群集所占研 究區域的比例對群集偵測的影響上作討論,並先假設單一群集的情況作為比較的
本文主要以 Power、Positive Predictive Value(PPV)、Sensitivity 及 Error Rate 作為衡量偵測結果的方式。因為 Power、PPV、Sensitivity 皆為過去在疾病群集 偵測上常用的方式,本節主要針對 Error Rate 進行說明及為何使用此一衡量方 式。