在 R 中监测计数时间序列：公共卫生监测中的异常检测
统计计算
2017-01-26 v1
摘要
公共卫生监测旨在减轻疾病负担，例如通过及时识别新发传染病疫情。从统计学角度来看，这意味着使用适当的方法来监测聚合病例报告的时间序列。本文介绍了 R 包 surveillance 提供的用于此类自动异常检测的工具。我们引入了用于可视化、建模和监测监测时间序列的功能。在建模方面，我们专注于基于广义线性模型（GLMs）、多元 GLMs、广义加性模型以及位置、形状和尺度的广义加性模型的单变量时间序列建模。这包括说明对著名的 Farrington 算法的实现改进和扩展，例如通过样条建模或将其置于贝叶斯框架中。此外，我们考察了分类时间序列，并使用 beta-二项式或 Dirichlet-多项式建模解决过离散问题。在监测方面，我们考虑了基于观察计数与预测分布之间的 Shewhart 类单时间点比较，或基于似然比的累积和方法的检测器。最后，我们展示了如何通过将 surveillance 集成到公共卫生机构的监测工作流程中来支持实际的异常检测。总之，本文展示了 surveillance 如何在公共卫生监测背景下很好地支持自动异常检测。
引用
@article{arxiv.1411.1292,
title = {Monitoring Count Time Series in R: Aberration Detection in Public Health Surveillance},
author = {Salmon Maëlle and Schumacher Dirk and Höhle Michael},
journal= {arXiv preprint arXiv:1411.1292},
year = {2017}
}