شناسایی خوشه هاي بیمار با استفاده از آماره کاوشی فضایی انعطاف پذیر

آماره کاوشی، معمولاً براي آزمون این مسأله به کار می رود که آیا یک فرایند نقطه اي یک بعدي، تصادفی محض است یا نه، یا آیا می توان همه خوشه ها را شناسایی کرد یا خیر. آماره کاوشی فضایی براي شناسایی خوشه ها در یک فرایند نقطه اي چندبعدي به کار می رود. این آماره به طور گسترده ابزارهاي استفاده براي آشکارسازي خوشه هاي بیمار هستند. آماره کاوشی فضایی پیشنهاد شده توسط کالدورف بر بسیاري از مطالعات همه گیرشناسی براي شناسایی خوشه اعمال شده است. با این وجود، این آماره کاوشی یک پنجره دایره اي را براي تعریف نواحی خوشه اي بالقوه به کار می برد و در نتیجه، شناسایی خوشه هاي غیردایره اي واقعی در آن با مشکل مواجه می شود. در این پایان نامه یک آماره کاوشی فضایی منطعف ارائه می شود که بتواند خوشه هاي داراي اشکال بی قاعده را در همسایگی نسبتاً کوچک هر ناحیه شناسایی کند. به کمک شبیه سازي مونت کارلویی با فرض مدل هاي خوشه اي نقاط پرخطر دایره اي و غیردایره اي متعدد، عملکرد آماره کاوشی فضایی ارائه شده با عملکرد آماره کاوشی فضایی دایره اي کالدروف مقایسه می شود. آماره کاوشی فضایی پیشنهاد شده براي اندازه خوشه کوچکبه طور متوسط تا ٣٠ همسایگی به خوبی عمل می کند. براي اندازه خوشه بزرگتر، این روش عملاً امکان پذیر نیست و الگوریتم کارآمدتري موردنیاز است. براي این منظور یک آماره کاوشی فضایی انعطاف پذیر به وسیله نسبت درستنمایی مقید را با شرایط زیر بیان می کنیم: 1. حذف محدودیت ماکزیمم، ٣٠ همسایگی نزدیک 2. کاهش زمان محاسباتی قابل توجه نسبت به آماره کاوشی فضایی انعطاف پذیر اصلی. درست است که این آماره، خوشه را با هر شکل منطقی آشکار می سازد، اما به همان نسبت ریسک نسبی خوشه را از طریق شبیه سازي مونت کارلو بزرگ می کند. هم چنین آماره کاوشی فضایی روي داده هاي مرگ و میر بیماران سکته مغزي در منطقه متروپلیتان توکیو و داده هاي نرخ شیوع سرطان ریه در ایالت پنسیلوانیا به کار رفته است. واژه هاي کلیدي: خوشه بندي، آشکارسازي خوشه، آماره نسبت درستنمایی، آماره کاوشی فضایی، اپیدمیولوژي فضایی