暴发的前瞻性监测

本章综述用于传染病暴发监测的单变量与多变量方法。所考虑的背景是前瞻性的：数据作为公共卫生机构维护的监测系统的组成部分依次到达，任务是依据近期数据历史决定是否“发出警报”。本章首先描述两种流行的单变量时间序列数据检测方法：CDC 的 EARS 算法，以及在欧洲公共卫生机构更流行的 Farrington 算法。随后讨论将部分单变量方法推广至多变量设定的方法。这有助于检测在任一单独数据流中信号均较弱的暴发。本章以较长篇幅讨论时空数据中暴发检测的方法。这些方法不仅须判定暴发是否及何时开始显现，还须判定其地点。特别地，讨论了离散时间区域参照数据中暴发簇检测的扫描统计方法，以及连续时间、连续空间数据的类似方法。作为贯穿本章的示例，使用了 2002–2008 年德国侵袭性脑膜炎球菌病数据集。该数据及所涵盖方法可通过 R 包 surveillance 与 scanstatistics 获取。