Page 141 - 南京医科大学学报自然科学版
P. 141
第41卷第3期 胡晓雯,薛铭琰,张 枫,等. 基于R shiny的法定传染病可视化分析系统的设计和初步应用[J].
2021年3月 南京医科大学学报(自然科学版),2021,41(03):444-449,459 ·447 ·
图3 年龄分层数据
Figure 3 Age stratified data
丝虫病 1 type
季节性流感 zoonotic
伤寒和副伤寒
风疹 0.8 vector.borne
手足口病 respiratory
急性出血性结膜炎
流脑 0.6 intestinal
流行性腮腺炎 sexual.blood.borne
猩红热 0.4
黑热病 other
麻疹
禽流感H5N1型病毒 0.2
百日咳
甲型H1N1流感
鼠疫 0
斑疹伤寒
炭疽
骨髓灰质炎
白喉
新生儿破伤风
传染性非典型肺炎
淋病
艾滋病
乙型肝炎
霍乱
梅毒
疟疾
登革热
甲型肝炎
细菌性和阿米巴性痢疾
其他腹泻性疾病
包虫病
麻风病
血吸虫病
钩端螺旋体病
流行性出血热
布鲁氏菌病
肺结核
戊型肝炎
丙型肝炎
脑炎
狂犬病
未分型肝炎
type 5- 10- 15- 20- 25- 30- 35- 40- 45- 50- 55- 60- 65- 70- 75- 80- 85-
图4 年龄分层热图
Figure 4 The heatmap of age stratified data
Moran’s I 指数法是最为基本和重要的方法 [10] 。通 分析,利用 P 值来判断聚集性是否明显,这里 P=
过将 Global Moran’s I 指数的观测值与其期望值 0.267 7表明聚集性并不明显(图5)。
E(I)进行比较,可以判定其空间相关性,但是仍然 时空交互分析,使用贝叶斯时空模型和时空扫
要严格检验两者之间的差异是否具备统计学上的 描统计量的方法。贝叶斯时空模型是根据贝叶斯
显著性水平。可通过Z统计量来进行检验。根据正 统计原理对具有时空属性的数据资料进行建模。
态分布检验,在显著性水平α下,当P < α,表明区域 模型中所有未知参数均作为随机变量,利用先验分
之间的属性分布具有显著的空间相关关系;当P>α, 布对风险估算时可借用邻近时空信息较好地解决
表明区域之间的属性分布不具有显著的空间相关 复杂时空结构中的异质性问题,充分考虑传染病的
关系 [11-12] 。对 2004 年 39 种传染病的空间分布进行 时空属性 [13] 。相对于直接利用各省发病率来描述