logo资料库

SaTScan软件说明书.doc

发布时间：2022-01-27 发布人：admin 分类：说明书 资料大小：0.47M 资料格式：doc 举报 版权申诉
第1页 / 共114页
第2页 / 共114页
第3页 / 共114页
第4页 / 共114页
第5页 / 共114页
第6页 / 共114页
第7页 / 共114页
第8页 / 共114页
资料共114页，剩余部分请下载后查看
    Ordinal Model
    Exponential Model
    Normal Model
    Continuous Poisson Model
    Few Cases Compared to Controls
    Bernoulli versus Ordinal Model
    Normal versus Exponential Model
    Normal versus Ordinal Model
    Discrete versus Homogenous Poisson Model
    Temporal Data
    Likelihood Ratio Test
    Secondary Clusters
    Adjusting for More Likely Clusters
    Scan Statistics
    Descriptive Cluster Detection Methods
    Cluster Detection Tests
    Focused Cluster Tests
    Global Clustering Tests
    Global Space-Time Interaction Tests
    Covariate Adjustment Using Input Files
    Covariate Adjustment Using Statistical Regression
    Covariate Adjustment Using Multiple Data Sets
    Adjusting for Temporal Trends
    Adjusting for Purely Spatial Clusters
    Adjusting with Known Relative Risks
    Missing Data
    Bernoulli Model
    Multinomial and Ordinal Models
    Discrete Poisson Model
    Space-Time Permutation Model
    Multivariate Scan with Multiple Data Sets
    Data Requirements
    Case File
    Control File
    Population File
    Cartesian Coordinates
    Latitude and Longitude
    Grid File
    Non-Euclidean Neighbors File
    Meta Location File
    Max Circle Size File
    Adjustments File
    SaTScan Import Wizard
    Step 1: Selecting the Source File Dialog
    Step 2: Specifying the File Format Dialog
    Step 3: Matching Source File Variables with SaTSca
    Step 4: Saving the Imported File
    Note: SaTScan also support a few other time format
    Basic SaTScan Features
    Multiple Data Sets Tab
    Neighbors Tab
    Maximum Spatial Cluster Size
    Include Purely Temporal Clusters
    Note: The elliptic scanning window is not availabl
    Isotonic Spatial Scan Statistic
    Maximum Temporal Cluster Size
    Include Purely Spatial Clusters
    Flexible Temporal Window Definition
    Temporal Trend Adjustment
    Note: It is not possible to simultaneously adjust
    The required format of the Adjustments File is des
    P-Value
    Adjust for Earlier Analyses in Prospective Surveil
    Criteria for Reporting Secondary Clusters
    The unit by which to define the maximum size of th
    Critical Values
    SaTS can 软件 目的 SaTS can 是一个自由软件，分析了空间，时间和空间的数据使用的空间，时间， 或时空扫描统计。它是专为以下任何相关用途： 执行地理疾病监测，检测空间或时空疾病集群，看看他们是否有统计学意义。 测试是否是随机分布在空间，时间，或在空间和时间。 评估的统计意义的疾病集束警报器。 进行前瞻性实时或定期监测疾病的早期发现疾病暴发。 该软件还可以用于类似的问题在其他领域诸如考古学，天文学，犯罪学，生态 学，经济学，工程学，遗传，地理，地质，历史，或生态。 数据类型和方法 SaTS can 可用于离散和连续扫描数据。离散扫描统计数据的地理位置在观察是 随机和固定的用户。这些地点可能是实际位置的意见，如房屋，学校或蚁巢，或 者它可能是一个中央位置代表一个较大的地区，如地理或人口加权形心邮政区， 县或省。连续扫描的统计，该地点的意见是随机的和可能发生的任何地方在一个 预定义的研究领域由用户定义，如矩形。 离散扫描统计，SaTS can 使用离散泊松模型，其中一些事件在一个位置是泊松 分布，根据已知的潜在风险人口；伯努利模型，与 0 / 1 事件数据，如案件和控 制；时空置换模式，只使用情况的数据；多项式模型的分类数据；一个序模型， 分类数据；指数模型的生存时间数据或不删失变量；正常模式为其他类型的连续 数据；或空间变化的时间趋势模型，寻找地理区域异常高或低 temportal 趋势。 一个共同特点，所有这些离散扫描统计，地理位置在数据可以看出是随机和固定 的用户。 对于离散扫描统计，数据可以是聚集在普查道，邮编，县或其他地理水平，或可 能有独特的坐标为每个观察。SaTS can 调整的基本均匀的背景人口。它也可以 适应任何数量的绝对变量由用户提供，以及时间的趋势，称为时空集群和数据丢 失。它可以扫描多个数据集的同时寻找集群发生在一个或更多的人。 连续扫描统计，SaTS can 采用连续泊松模型。 开发商和投资者 该软件是由™SaTS can·库尔多夫，与信息管理服务有限公司的财政支持，SaTS can 已收到下列机构：
    国家癌症研究所，司的癌症预防，生物科[ 1.0，2，2.1 ] 国家癌症研究所，司的癌症控制和人口科学，统计研究和应用分公司[ 3（部分）， 新（部分），8（部分），v9.0（部分）] 艾尔弗雷德·史隆基金会通过拨款，为纽约医学专科学院（法扎德 mostashari， 皮）[ 3（部分），3.1，4，5，5.1 ] 疾病预防和控制中心，通过协会的美国医学院校合作协议奖多项 mm-0870 [大 师，6.1（部分）]。 全国儿童健康与发展，通过给予# ro1hd048852 [ 7，8，9（部分）] 国家癌症研究所，司的癌症流行病学和遗传学[ v9.0（部分）] 国立综合医学科学研究所，通过建模传染病剂的研究补助金# u01gm076672 [ v9.0（部分）] 他们的经济支持是极大的赞赏。内容 SaTS can 是发展商的责任和不一定反映官 方意见的资助 相关主题： 统计方法 SaTS can 书目 相关主题： 统计方法 SaTS can 书目 下载和安装 检查 SaTS can 软件更新，到 SaTS can 网址： http://www.satscan.org 安装一个更新版本，选择 SaTS can 下载链接。下载后 SaTS can 安装可执行文 件到你的电脑，点击它的图标和安装软件后，一步一步的指示。
    相关主题： 新版本 测试运行 在使用自己的数据，我们建议在一个样本数据集提供的软件。使用这些得到主意 如何运行 SaTS can。执行测试： 1。应用程序图标上点击 SaTS can。 2。点击“打开保存的会话。 3。选择一个参数文件，例如“纳米带”（宝。 泊松模型，时空和空间变化的时间趋势： 脑肿瘤的发病率在新墨西哥 案例档案：nm.cas 格式：< <例> = 1 县> <一> < > < >年龄组性别 人口：nm.pop 格式：< > < > <县年人口> < > < >年龄组性别 nm.geo 坐标文件： 格式：< > < > < y 县 x > 研究期间：1973 至 1991 年 聚集：32 县 精密案件倍：年 直角坐标： # 1 变量，年龄组：1 = 0 - 4 年，2 = 5 - 9 年，…18 = 85 +年 # 2 变量，性别：男 1，女 2 = 人口：1973，1982，1991 年
    数据来源：新墨西哥季节能效比肿瘤登记处 这是一个浓缩版的更完整的数据集的人口为每年 1973 至 1991，和种族的三分 之一个变量。完整的数据集可以发现在： www.satscan.org/datasets/ 伯努利模型，纯粹的空间： 儿童白血病和淋巴瘤的发病率在亨伯赛德 案例档案：nhumberside.cas 格式：<例> > < #位置编号 控制文件：nhumberside.ctl 格式：<位置标识> < #控制> nhumberside.geo 坐标文件： 格式：< > < > <定位标识 x y > 研究期间：1974-1986 控制：随机选择从出生登记 聚集：191 邮政编码（最多只有一个单一的个体） 精度的情况和控制时间：无 直角坐标： 变量：没有 数据来源：雷卡特莱特和弗里达亚力山大博士。报告由 J .库兹克和爱德华兹， 英国皇家统计学会，73-104 乙：52，1990 这和其他数据集可以被发现： www.satscan 组织/数据/。 时空置换模式：
    医院的急诊室住院因发烧在纽约市医院 案例档案：nycfever.cas 格式：<邮编> < #例= 1 > <日期> nycfever.geo 坐标文件： 格式：< > < > <拉链纬度经度 研究期间：2001 年 11 月 1 日 2001 年 11 月 24 日– 聚集：邮编地区 例：天倍精度 坐标：纬度/经度 变量：没有 数据来源：纽约市卫生局 这和其他数据集可以被发现： www.satscan.org/datasets/ 序模型，纯粹的空间 正规教育水平在马里兰 案例档案：marylandeducation.cas 格式：<位置标识> < > < >类# #个人 marylandeducation.geo 坐标文件： 格式：< > < > <定位标识纬度经度 研究期间：2000 聚集：24 各县、县级 精度的情况：无 坐标：纬度/经度 变量：没有
    类别：1 = < 9 年的学校，2 = 9 +年而不是高中，3 = 4 =高中或同等学历，本科 或以上学历 数据来源：美国人口普查局：教育信息来自于长期普查 2000 表格，填写的 1 / 6 户。 这和其他数据集可以被发现： www.satscan.org/datasets/ 注意：只有人 25 岁及以上被列入数据。对于每一个县，人口普查提供信息的人 的百分不同层次的正规教育。一些个人的报告不同的教育水平在每一个县估计这 一比例倍的总人口年龄 25 +六分反映 1 / 6 采样率的长期普查表。 指数模型，时空： 人为的生存数据 案例档案：survivalfake.cas 格式：<位置标识> < > < #个人诊断时间> <生存时间检查 survivalfake.geo 坐标文件： 格式：< > < > <定位标识 x y > 研究期间：2000 - 2005 聚集：5 个地点 精度的诊断：一年的时间 精密的生存/审查时间：一天 直角坐标： 变量：没有 数据来源：人为制造的数据。 相关主题：测试运行，输入数据。 正常模式，纯粹的空间：人为制造的连续数据
    案例档案：normalfake.cas 格式：<位置标识> < > < > #个人体重增加 normalfake.geo 坐标文件： 格式：< > < > <定位标识 x y > 研究期间：2006 聚集：26 个地点 直角坐标： 变量：没有 数据来源：人为制造的数据 伯努利模型 与伯努利模型，有案件和非案件所代表的 0 / 1 变。这些变量可能代表人或无病， 或人与不同类型的疾病，如早期和晚期乳腺癌。它们可能反映和控制的情况下一 个大的人口，或他们可能构成人口作为一个整体。无论什么情况可能是，这些变 量将被命名为例，控制整个用户指南，和他们的总人口将被命名为。伯努利的数 据可以分析与纯粹的时间，纯粹的空间或时空扫描统计。 例如：为伯努利模型，案件可能是新生儿的出生缺陷，而控制所有新生儿无出生 缺陷。 伯努利模型需要的信息的位置，设置和控制的情况下，提供 SaTS can 使用情况， 控制和协调文件。不同的地点可能被指定为每一个案件和控制，或可能是数据汇 总为国家，省，县，区，人口普查传单，邮政编码区，学校，家庭，等等，与多 个案件和控制每个数据的位置。做一个时间或时空分析，它必须有一个时间为每 一个案件和控制以及。 相关主题： 案件档案 控制文件 坐标文件 似然比检验
    分析表 概率模型的比较 方法的论文 离散泊松模型 与离散泊松模型，案件的数量在每个位置是泊松分布。零假设下，当有任何变量， 预期的案件数量在各地区的人口比例大小，或在该地区的人。泊松数据可以分析 与纯粹的时间，纯粹的空间，时空扫描和空间变化的时间趋势统计。 例如：为离散泊松模型，案件可能是中风的发生，而人口是结合一些人来住，计 算“1”，有人居住在该地区的整个时间段，和“1 / 2”垂死的人或移动在中间的一段 时间。 离散泊松模型需要情况和人口数为一组数据的位置，如县，教区，人口普查传单， 或邮政编码地区，以及地理坐标为每个这些地点。这些需要提供 SaTS can 使用 情况，人口和坐标文件。 人口数据不需要指定持续时间，但只在一个或多个具体的普查时间。倍之间， SaTS can 做线性插值的基础上的人口在普查时立即出发，后立即。时代前的第 一次人口普查时，人口规模是相当于人口规模在普查时间，和时间后，最近一次 人口普查时，相当于做。获得人口大小为特定地点和时间内，人口规模，上述定 义，是综合性的时间期限问题。 相关主题： 分析表 案件档案 连续泊松模型 坐标文件 似然比检验 人口档案 概率模型的比较 方法的论文
    分享到：
    赞 收藏

    相关推荐

    最新资料