利用时空相关性实现高性价比人群健康监测：一项实证研究
应用统计
2020-05-05 v1
摘要
由于其于卫生政策制定中的重要作用，人群健康监测（PHM）被视为公共卫生服务的基础环节。然而，传统的公共卫生数据收集方法，如基于门诊就诊的数据整合或健康调查，可能非常昂贵且耗时。为应对此挑战，本文提出一种称为压缩人群健康（CPH）的高性价比方法：以传统方式选取给定区域内部份子区域进行数据收集，同时利用相邻区域固有的空间相关性对其余区域进行数据推断。通过纵向交替选取区域，该方法可验证并修正先前评估的空间相关性。为验证 CPH 思路是否可行，我们基于伦敦周边 500 多个区域逾十年的慢性病时空发病率开展了深入研究。我们介绍了 CPH 方法并呈现三项广泛的分析研究。第一项确认显著的时空相关性确实存在。第二项研究中，通过部署多种先进的数据恢复算法，我们验证了仅使用少量样本即可利用这些时空相关性准确进行数据推断。最后，我们比较了用于传统数据收集的不同区域选择方法，并展示此类方法如何在保持高 PHM 质量的同时进一步降低总体成本。
引用
@article{arxiv.2005.01423,
title = {Enabling Cost-Effective Population Health Monitoring By Exploiting Spatiotemporal Correlation: An Empirical Study},
author = {Dawei Chen and Jiangtao Wang and Wenjie Ruan and Qiang Ni and Sumi Helal},
journal= {arXiv preprint arXiv:2005.01423},
year = {2020}
}