用 tau 统计量评估时空疾病聚集性时统计推断的发展

tau 统计量 $\tau$ 利用地理定位和通常的症状发作时间，从流行病学数据评估全局时空聚集性。我们通过与一个开放获取麻疹数据集的基线分析比较，检验了可能影响聚集性图形假设检验或基于该统计量的聚集范围估计偏差的不同因素。通过重新分析该数据，我们发现用于构造 tau 估计置信区间的空间自助抽样方法以及置信区间（CI）类型会对聚集范围估计产生偏差。我们建议，对于 tau 估计的非对称样本自助分布，偏差校正加速（BCa）CI 是必要的。我们还发现了反对无时空聚集性的证据，$p$ 值 $\in$ [0,0.014]（全局包络检验）。我们发展了 Loh & Stein 空间自助抽样方法的 tau 专用修正，其给出了更精确的自助 tau 估计，且估计的聚集端点比先前发表的高出 20%（36.0m；95% BCa CI (14.9, 46.6)，对比 30m），疾病优势比升高的聚集面积等效增加 44%。范围估计中看似适度的径向偏差在面积尺度上翻倍有余，而公共卫生资源正比于此。这一差异可能对防控产生重要影响。图形摘要中展示了 tau 统计量无聚集性假设检验与聚集范围估计的正确实践。我们倡导妥善实施这一有用统计量，最终以减少疾病聚集分析中所做控制政策决策的不准确性。