|
https://www.projectguru.in/statistical-tests-in-descriptive-and-analytical-epidemiology/
上篇文章，確立了統計分析在流行病學研究中的重要性。統計分析有助於公共衛生的策略規劃。因此，這種分析主要是通過數學和統計技術來完成的。兩者都具有獨特的優勢和用途。數學模型著重研究系統的動力學，而統計模型側重於不同變數之間的關係。一般來說，流行病學分析可分為描述性流行病學和分析性流行病學。分類取決於分析的目的（Fos,
2010）。此外本文還解釋了描述性和分析性流行病學中使用的測試和模型的屬性和類型。
描述性流行病學中的統計檢驗
描述性流行病學是指分析疾病流行的現有趨勢。該研究是針對時間、地點和人員進行（Aschengrau和Seage,
2013）。描述性流行病學的主要目的是通過分析人群的趨勢，來評估疾病的影響。這種影響可以表現為宿主種群的死亡率和發病率。此外它著重於確定新疾病發生率的頻率。最後它識別模式以隔離可能的因果因素
( Fos, 2010)。
描述性流行病學研究的三個主要變數是：
1.人
2.地方
3.時間
研究人員使用特定的研究設計來收集數據以進行描述性流行病學研究。它們還提供受疾病影響的地點、時間和人員的資訊。這些研究設計包括
(Merrill, 2015):
1.生態研究，涉及收集人口/社區群體的匯總數據。研究人員將風險因素流行率與該人群的疾病結果進行比較。
2.案例研究，涉及使用定性數據為個人或群體描述疾病。
3.橫向研究，研究者測量多個變數一起在單個時間點對於一個給定組/人口。
流行病學中常用的描述性措施
最常用的描述性度量是（Ressing , Blettner and
Klug, 2010）：
1.
頻率和比較：頻率包括以“流行病學比率”的形式量化人口中的變數。比率以小數、百分比或事件或人口的標準單位表示。它的計算方法是受影響或不受影響除以總研究人口。涉及研究決定因素對疾病頻率的影響。這可以隨著時間的推移或在不同的人群中進行。
Types of quantifying and comparison measures (Source: Rising, Blettner
and Klug, 2010)
量化和比較措施的類型為（來源：Rising、Blettner和
Klug, 2010 ）
2.關聯度量：用於研究與疾病結果或風險因素相關的兩個變數之間的關聯。因此它導致了發展假設。常用的度量包括Pearson相關係數、決定係數和Spearman’s等級相關係數。報告包括表格和圖表，以直觀地描述數據。它們顯示了人口相對於變數的趨勢或模式。幾種常用的圖表包括：
1.條形圖,
2直方圖, 3.頻率多邊形, 4.流行曲線.
5.莖葉圖, 6.雙變數散點圖,7.現場圖,
8.線形圖
分析流行病學模型分類
下圖顯示了基於多個參數的流行病學研究模型。
流行病學研究中模型選擇的參數（來源：Ughade, 2013）
此表顯示了流行病學中，不同數學和統計分析方法的分類（Chubb 和
Jacobsen, 2010; Dimitrov和 Meyers, 2010;
Chen,2014）。
|
類型 |
使用的型號 |
目的 |
|
數學模型 |
|
經典數學模型 |
房室模型（例如：SIR、SIS、SITR、SEIR ）。 |
當人群中的個體根據感染狀態（易感、傳染性、攜帶者等）進行隔離時 |
|
新的數學模型 |
聯繫網路建模和基於代理的模擬。 |
高真實模型，包含次要參數，如宿主的移動、它們之間的接觸和交互、年齡組等。 |
|
時空數學模型 |
行波模型、最近鄰區混合模型、波前模型。 |
經典數學模型的複雜版本，其中空間和時間數據可以一起建模。 |
|
統計模型 |
|
概率模型或隨機模型 |
二元概率模型，參數估計，馬爾可夫鏈蒙特卡羅方法，貝葉斯模型。 |
當要測試的模型是動態的，並且輸出是一系列可能的結果而不是單個結果時。 |
|
空間模型 |
疾病繪圖、疾病聚類、生態分析。 |
當數據分析基於事件或風險（國家，州或區級）的位置。 |
|
空間- 時間統計模型 |
Autologistic模型，潛在結構
LT 模型。 |
當要分析疾病的空間和時間數據，以測試一段時間內的空間分佈變化時。 |
|
預測建模 |
時間序列或預測模型、迴歸模型、人工神經網路模型。 |
為了預測未來事件或結果、疾病在人口或地理區域中的流行或傳播。 |
|
基於網路 |
基於原種群的模型，網路模型。 |
中心假設是疾病通過旅行、交通或社會接觸網路通過人與人的接觸傳播。 |
|
計算模擬模型 |
細胞自動化模擬、場模擬建模、個人或基於代理的建模。 |
這些模型用於模擬傳染病在空間結構化的電腦環境中傳播模擬。 |
|
|
|
|
|
|
這些統計方法在廣泛的商業和開源工具和軟體上運行。最值得注意的是 R、GIS（用於空間建模）、STATA
和 SPSS。
疾病評估的未來前景
研究人員正在開發數學和統計模式，以改進他們的疾病評估特性。然而在未來，該領域需要能夠更好、更快地檢測疾病流行的模式。它們在控制高度傳染性疾病，尤其是病毒性疾病方面很重要。研究人員還需要開發持續疾病爆發的即時分析模型。它將有助於預測所需的處理設施的範圍。此外疾病預測需要高效且複雜的預測模式。最後，基於神經網路或機器學習的模式將有助於實時監控。研究人員使用機器學習來持續進化疾病爆發的預測值。這些模式還可以幫助預測新致病變異的傳播和出現。 |
