Retrospective time series analysis of veterinary laboratory data: Preparing a historical baseline for cluster detection in syndromic surveillance

نظارت بر بیماری در دو دهه گذشته به سمت معرفی سیستم هایی که قادر به تشخیص زودهنگام بیماری است، تغییر کرده است. سیستم های بیولوژیک مدرن مدرن منابع مختلفی از داده های پیش تشخیصی مانند شکایت اصلی بیمار در مورد بازدید اورژانس یا سفارش آزمایش آزمایشگاه را مورد بررسی قرار می دهند. این منابع داده ها می توانند تشخیص سریعتری نسبت به نظارت سنتی بر اساس تایید پرونده فراهم کنند، اما کمتر مشخص هستند و بنابراین استفاده از آنها چالش های مربوط به وجود سر و صدای پس زمینه و انحرافات موقتی بدون برچسب در داده های تاریخی را نشان می دهد. هدف کلی این مطالعه، انجام تجزیه و تحلیل گذشته نگر با استفاده از سه سال آزمایش آزمایشگاه آزمایشگاه آزمایشگاه بهداشت حیوانات در استان انتاریو، کانادا، برای تهیه داده ها برای استفاده در نظارت سندرمی است. موارد روزانه به سندرم تقسیم شدند و شمارش برای هر سندرم روزانه انجام شد، زمانی که میانیان بالاتر از یک مورد در روز بود و هر هفته در غیر این صورت. حسابرسی ریسک پواسون برای روزهای هفته و ماه توانسته است اثر روزانه را با حداقل تاثیر بر انحرافات زمانی مواجه کند. با استفاده از رگرسیون پوآسون به روش تکراری، که داده ها را بالاتر از درصد پیش بینی شده 95 درصد از تعداد روزانه، حذف کردن این انحرافات در غیاب شکاف های برچسب دار با حفظ اثر روزانه هفته ای که در اصل داده ها. این منجر به ساخت سری زمانی شد که نشانگر الگوهای پایه در طی سه سال گذشته بود، بدون انحرافات زمانی. بدین ترتیب، روش نهایی قادر به حذف حوادث زمانی بود در حالی که اثرات اصلی قابل توضیح در داده ها را حفظ می کرد، نیازی به یک دوره آموزشی بدون رعایت نکردن داشت، حداقل به آبراهایی که در داده های خام وجود داشت، تعدیل می کرد و نیازی به بروز علائم برچسب دار نبود. علاوه بر این، آن را به راحتی قابل دسترسی بود برای داده های هفتگی با جایگزینی رگرسیون پوآسون با حرکت صدک 95.