ホットスポットの発見：適応的空間サンプリングアプローチの開発

Finding hotspots: development of an adaptive spatial sampling approach.

• Ricardo Andrade-Pacheco
• Francois Rerolle
• Jean Lemoine
• Leda Hernandez
• Aboulaye Meïté
• Lazarus Juziwelo
• Aurélien F Bibaut
• Mark J van der Laan
• Benjamin F Arnold
• Hugh J W Sturrock

抄録

病気のホットスポットの特定は、ますます重要な公衆衛生上の問題となっている。地理空間モデリングは、適切な環境および気候データを用いてホットスポットの位置を予測する機会を提供しているが、このようなモデルに情報を提供するために使用される調査の設計を最適化することにはほとんど注意が払われていない。ここでは、有病率が関連する閾値を超えるホットスポットの場所を特定するために最適化された適応的サンプリングスキームを紹介する。我々のアプローチは、適応的にサンプルバッチを選択するためにベイズ最適化理論からのアイデアを取り入れている。本研究では、4か国にわたる統合失調症とリンパ系フィラリア症の調査データに基づいた実験的シミュレーション研究を行った。探索したすべてのシナリオでの結果は、適応的サンプリングが優れた結果をもたらすことを示しており、サンプルサイズのごく一部でランダムサンプリングと同様の性能が得られることを示唆している。

The identification of disease hotspots is an increasingly important public health problem. While geospatial modeling offers an opportunity to predict the locations of hotspots using suitable environmental and climatological data, little attention has been paid to optimizing the design of surveys used to inform such models. Here we introduce an adaptive sampling scheme optimized to identify hotspot locations where prevalence exceeds a relevant threshold. Our approach incorporates ideas from Bayesian optimization theory to adaptively select sample batches. We present an experimental simulation study based on survey data of schistosomiasis and lymphatic filariasis across four countries. Results across all scenarios explored show that adaptive sampling produces superior results and suggest that similar performance to random sampling can be achieved with a fraction of the sample size.